CN108230602A - 基于Labview的电气火灾预警系统 - Google Patents
基于Labview的电气火灾预警系统 Download PDFInfo
- Publication number
- CN108230602A CN108230602A CN201810185785.2A CN201810185785A CN108230602A CN 108230602 A CN108230602 A CN 108230602A CN 201810185785 A CN201810185785 A CN 201810185785A CN 108230602 A CN108230602 A CN 108230602A
- Authority
- CN
- China
- Prior art keywords
- labview
- pci
- turn
- sensor
- fire
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于Labview的电气火灾预警系统,主要包括PCI‑1714数据采集卡和Labview总控系统,所述的PCI‑1714数据采集卡连接有剩余电流互感器、霍尔传感器、温度传感器、电弧光传感器、气敏传感器,所述的Labview总控系统的火灾预报模型是在实验样本下基于神经网络算法建立的,且连接有报警模块、旋转摄像头以及断路器,PCI‑1714数据采集卡和Labview总控系统之间由PCI总线相连。本发明提供的预警系统,能实时检测电力线路的漏电流信号、温度信号、工频磁场值、弧光信号以及气敏信号,当线路中出现异常时,Labview总控系统通过神经网络算法建立的火灾预报模型,可迅速判断发生火灾的概率进而判断是否切断断路器,从而有效预防电气火灾的发生。
Description
技术领域
本发明涉及电力系统安全防护技术领域,特别涉及一种基于Labview的电气火灾预警系统。
背景技术
随着社会经济和技术的发展,电力系统已成为人们生活和工业生产的重要基础,但由于越来越多的中大功率负荷设备接入电网、电气设备长时间使用导致的自身发热、以及电气线路的老化等原因,电气火灾事故发生的比例居高不下,造成了大量的经济财产损失和人员伤害。而应用技术手段进行电气火灾监测和预警是有效预防电气火灾的重要手段,目前有很多电气火灾预警系统仅是简单获取剩余电流和温度信号,然后和预先设置的阀值直接相对比从而判断是否发生电气火灾,监测数据单一、数据处理程度不高、实时性差,容易引起预警和防护的误动作和延迟,无法实现有效的火灾预警功能。
发明内容
为克服现有技术的不足,本发明提供一种基于Labview的电气火灾预警系统,将神经网络算法与Labview强大的数据采集和控制功能相结合,采集的电气参数多,检测精度高,数据处理快,可对火灾发生与否进行科学的预判。
本发明所采用的技术解决方案如下:
一种基于Labview的电气火灾预警系统,主要包括PCI-1714数据采集卡和Labview总控系统,所述的PCI-1714数据采集卡连接有剩余电流互感器、霍尔传感器、温度传感器、电弧光传感器、气敏传感器,所述的Labview总控系统连接有报警模块、旋转摄像头以及断路器, PCI-1714数据采集卡和Labview总控系统之间由PCI总线相连;所述Labview总控系统的火灾预报模型是在实验样本下基于神经网络算法建立的,采用3层前馈BP网实现,模型建立的具体步骤如下:
1)首先利用互感器和传感器从现场采集到漏电流、弧光、温度、气敏、工频磁场信号做为实验样本值;2)接着对传感器采集的信号采用速率检测算法进行预处理;3)将经过预处理后的数据送到3层前馈误差反向传播的神经网络进行处理;4)根据规则进行学习,采用自适应学习速率和附加动量法相结合的学习算法,利用梯度下降技术,通过调整网络权值、阈值,使得网络实际输出与期望输出的误差均方值最小;5)将神经网络输出的电气线路无火概率 (P1)、电气线路阴燃火概率(P2)和电气线路有火概率(P3)输入到Labview总控系统。
所述PCI-1714数据采集卡是由Advantech公司生产的,内含独立A/D转换器和128KFIFO内存;所述的剩余电流互感器内含数字滤波模块;
本发明提供的预警系统,除了具备剩余电流、温度等信号检测功能外,还能实时检测电力线路的工频磁场值、弧光信号以及气敏信号,当线路中出现异常时,Labview总控系统能实时检测到各参数的变化,通过神经网络算法建立的火灾预报模型,可迅速判断发生火灾的概率从而判断是否发出警报、是否切断断路器,连接的旋转摄像头便于监控人员实时监测现场,并及时做出应对措施。本发明能全面监控电气线路运行的各个参数,预报模型相对科学合理,能有效预防电气火灾的发生。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的神经网络算法模型。
具体实施方式
下面结合附图对本发明作进一步详细描述。
如图1所见,一种基于Labview的电气火灾预警系统,主要包括PCI-1714数据采集卡和 Labview总控系统,PCI-1714数据采集卡连接有剩余电流互感器、霍尔传感器、温度传感器、电弧光传感器、气敏传感器,Labview总控系统连接有报警模块、旋转摄像头以及断路器, PCI-1714数据采集卡和Labview总控系统之间由PCI总线相连。
剩余电流互感器将电气线路中的漏电流采集并经高频数字滤波后传给数据采集卡,霍尔传感器、温度传感器、电弧光传感器、气敏传感器等分别采集工频磁场值、温度信号、弧光信号、气敏信号后,同样实时传给PCI-1714数据采集卡,卡上A/D转换器对信号进行高速模数转换。转换数据首先暂存在板卡的128K板载FIFO中,当FIFO半满或全满时,经PCI总线将数据从FIFO输出到Labview总控系统的内部缓冲区中。Labview总控系统将数据代入神经网络算法建立的火灾预报模型,可迅速得出火灾发生的概率从而判断是否发出警报、是否切断断路器。
图2为本发明的神经网络算法模型,采用3层前馈BP网实现,模型建立的具体步骤如下:
①首先利用互感器和传感器从现场采集到漏电流、弧光、温度、气敏、工频磁场信号做为实验样本值;
②接着对传感器采集的信号采用速率检测算法进行预处理;
③将经过预处理后的数据送到3层前馈误差反向传播的神经网络进行处理;
④根据规则进行学习,采用自适应学习速率和附加动量法相结合的学习算法,利用梯度下降技术,通过调整网络权值、阈值,使得网络实际输出与期望输出的误差均方值最小。
⑤将神经网络输出的电气线路无火概率(P1)、电气线路阴燃火概率(P2)和电气线路有火概率(P3)输入到Labview总控系统。
神经网络的数据分析模块的输出是概率列表,表示无损、有损和线路着火的概率值,一般可以直接由门限判决输出。例如,当电气线路的危险概率大于0.8时,几乎可以肯定此时的电气线路是很不安全的,极易发生电气火灾,而当电气线路的危险概率小于0.2,基本上可以认为此时的电气线路是安全的,不易发生电气火灾。进行大容量的数据实验后,该模型即可用于预判火灾的发生概率。
Claims (3)
1.一种基于Labview的电气火灾预警系统,主要包括PCI-1714数据采集卡和Labview总控系统,其特征在于:所述的PCI-1714数据采集卡连接有剩余电流互感器、霍尔传感器、温度传感器、电弧光传感器、气敏传感器;所述的Labview总控系统连接有报警模块、旋转摄像头以及断路器;所述PCI-1714数据采集卡和Labview总控系统之间由PCI总线相连;
所述Labview总控系统的火灾预报模型是在实验样本下基于神经网络算法建立的,采用3层前馈BP网实现,模型建立的具体步骤如下:
1)首先利用互感器和传感器从现场采集到漏电流、弧光、温度、气敏、工频磁场信号做为实验样本值;
2)接着对传感器采集的信号采用速率检测算法进行预处理;
3)将经过预处理后的数据送到3层前馈误差反向传播的神经网络进行处理;
4)根据规则进行学习,采用自适应学习速率和附加动量法相结合的学习算法,利用梯度下降技术,通过调整网络权值、阈值,使得网络实际输出与期望输出的误差均方值最小;
5)将神经网络输出的电气线路无火概率(P1)、电气线路阴燃火概率(P2)和电气线路有火概率(P3)输入到Labview总控系统。
2.根据权利要求1所述的一种基于Labview的电气火灾预警系统,其特征在于:所述PCI-1714数据采集卡是由Advantech公司生产的,内含独立A/D转换器和128K FIFO内存。
3.根据权利要求1所述的一种基于Labview的电气火灾预警系统,其特征在于:所述的剩余电流互感器内含数字滤波模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810185785.2A CN108230602A (zh) | 2018-03-06 | 2018-03-06 | 基于Labview的电气火灾预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810185785.2A CN108230602A (zh) | 2018-03-06 | 2018-03-06 | 基于Labview的电气火灾预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108230602A true CN108230602A (zh) | 2018-06-29 |
Family
ID=62667091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810185785.2A Withdrawn CN108230602A (zh) | 2018-03-06 | 2018-03-06 | 基于Labview的电气火灾预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230602A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859431A (zh) * | 2019-03-25 | 2019-06-07 | 软通智慧科技有限公司 | 一种火灾安全隐患的检测方法、系统、设备及介质 |
CN112233360A (zh) * | 2020-09-27 | 2021-01-15 | 广西安讯科技股份有限公司 | 基于数据建模的电气火灾预警方法和服务器 |
CN112242036A (zh) * | 2019-07-01 | 2021-01-19 | 国电南瑞科技股份有限公司 | 一种变电站火灾报警方法及系统 |
CN112419685A (zh) * | 2020-11-27 | 2021-02-26 | 国能生物发电基团有限公司 | 一种基于机器学习的生物质料场电气火灾预警系统 |
CN113176523A (zh) * | 2021-04-27 | 2021-07-27 | 深圳供电局有限公司 | 一种基于多传感器的电力设备火灾预警方法及系统 |
CN115085384A (zh) * | 2022-07-25 | 2022-09-20 | 深圳市朝阳辉电气设备有限公司 | 一种智能用电监测终端装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986358A (zh) * | 2010-08-31 | 2011-03-16 | 彭浩明 | 一种融合神经网络和模糊控制的电气火灾智能报警方法 |
CN205140123U (zh) * | 2015-11-24 | 2016-04-06 | 郑州湛思电子科技有限公司 | 一种电气火灾预警系统 |
CN106251561A (zh) * | 2016-10-18 | 2016-12-21 | 湖南威胜信息技术有限公司 | 多功能电气火灾预警系统及其预警方法 |
-
2018
- 2018-03-06 CN CN201810185785.2A patent/CN108230602A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986358A (zh) * | 2010-08-31 | 2011-03-16 | 彭浩明 | 一种融合神经网络和模糊控制的电气火灾智能报警方法 |
CN205140123U (zh) * | 2015-11-24 | 2016-04-06 | 郑州湛思电子科技有限公司 | 一种电气火灾预警系统 |
CN106251561A (zh) * | 2016-10-18 | 2016-12-21 | 湖南威胜信息技术有限公司 | 多功能电气火灾预警系统及其预警方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859431A (zh) * | 2019-03-25 | 2019-06-07 | 软通智慧科技有限公司 | 一种火灾安全隐患的检测方法、系统、设备及介质 |
CN112242036A (zh) * | 2019-07-01 | 2021-01-19 | 国电南瑞科技股份有限公司 | 一种变电站火灾报警方法及系统 |
CN112233360A (zh) * | 2020-09-27 | 2021-01-15 | 广西安讯科技股份有限公司 | 基于数据建模的电气火灾预警方法和服务器 |
CN112419685A (zh) * | 2020-11-27 | 2021-02-26 | 国能生物发电基团有限公司 | 一种基于机器学习的生物质料场电气火灾预警系统 |
CN113176523A (zh) * | 2021-04-27 | 2021-07-27 | 深圳供电局有限公司 | 一种基于多传感器的电力设备火灾预警方法及系统 |
CN113176523B (zh) * | 2021-04-27 | 2022-07-26 | 深圳供电局有限公司 | 一种基于多传感器的电力设备火灾预警方法及系统 |
CN115085384A (zh) * | 2022-07-25 | 2022-09-20 | 深圳市朝阳辉电气设备有限公司 | 一种智能用电监测终端装置 |
CN115085384B (zh) * | 2022-07-25 | 2022-11-18 | 深圳市朝阳辉电气设备有限公司 | 一种智能用电监测终端装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230602A (zh) | 基于Labview的电气火灾预警系统 | |
JP5530594B2 (ja) | 少なくとも1つの電気ケーブル上のアーク現象を検出する方法及び装置 | |
WO2020015277A1 (zh) | 一种基于全景信息的弧光故障识别装置及方法 | |
CN103499753B (zh) | 快速识别高压直流输电系统暂态故障的智能系统 | |
CN109101906A (zh) | 一种变电站电力设备红外图像异常实时检测方法及装置 | |
CN106291201A (zh) | 一种防雷箱的雷电监测及劣化状态监测系统及方法 | |
JP2007524092A (ja) | 高インピーダンス漏電検知 | |
CN105629112B (zh) | 一种故障电弧检测装置及方法 | |
CN105678040B (zh) | 电力scada系统病毒分析测试床 | |
CN103208049B (zh) | 异常告警快速事故分析方法及系统 | |
CN104931836A (zh) | 电网监控与预警系统 | |
CN113268590A (zh) | 一种基于设备画像和集成学习的电网设备运行状态评估方法 | |
CN108733957A (zh) | 一种用于变压器故障诊断的噪声特征提取与判断方法 | |
CN117612345A (zh) | 一种电力设备状态监测报警系统及方法 | |
Fatama et al. | A multi feature based islanding classification technique for distributed generation systems | |
CN111044845B (zh) | 基于Apriori算法的配电网事故识别方法及系统 | |
CN115077605A (zh) | 智能变电站管理系统 | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
CN114022030B (zh) | 一种变电站母线状态动态检测分析与风险评估方法 | |
CN114492869A (zh) | 一种基于物联网技术的配电系统健康诊断方法 | |
Butler et al. | Field studies using a neural-net-based approach for fault diagnosis in distribution networks | |
Sun et al. | Transmission Line Fault Diagnosis Method Based on Improved Multiple SVM Model | |
CN115877269B (zh) | 基于智慧母线的配电预警方法、装置、设备及存储介质 | |
CN204720973U (zh) | 一种继电保护辅助监控处理系统 | |
CN117978837B (zh) | 一种电力数据采集传输方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180629 |
|
WW01 | Invention patent application withdrawn after publication |