CN112116776B - 一种变电站内电缆火灾预测监控系统及方法 - Google Patents
一种变电站内电缆火灾预测监控系统及方法 Download PDFInfo
- Publication number
- CN112116776B CN112116776B CN202011135183.XA CN202011135183A CN112116776B CN 112116776 B CN112116776 B CN 112116776B CN 202011135183 A CN202011135183 A CN 202011135183A CN 112116776 B CN112116776 B CN 112116776B
- Authority
- CN
- China
- Prior art keywords
- fire
- cable
- detector
- type
- temperature
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 230000004927 fusion Effects 0.000 claims abstract description 45
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 13
- 238000012795 verification Methods 0.000 claims abstract description 8
- 239000000779 smoke Substances 0.000 claims description 82
- 238000009434 installation Methods 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 239000013307 optical fiber Substances 0.000 claims description 9
- 238000001931 thermography Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000000843 powder Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000011065 in-situ storage Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 35
- 230000006870 function Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 5
- 239000011229 interlayer Substances 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 1
- 201000004569 Blindness Diseases 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001603 reducing effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开了一种变电站内电缆火灾预测监控系统及方法，所述系统包括：电缆沟火灾探测装置和密闭设施探测装置；火灾监控系统服务器，用于接收电缆沟火灾探测装置和密闭设施探测装置发出的测量数据；将相同类型传感器的测量数据通过自适应加权融合估计算法进行融合，获得各类型传感器的最小误差值；将火灾概率作为做出决策的验证，采用D‑S证据理论技术对火灾趋势做出判断，基于预设判断规则给出火灾报警信息。本发明能够解决现有技术利用单一传感器对火灾信号进行监测时存在的：抗干扰能力差，易受环境干扰和噪声影响，漏报概率和误报概率均较高的技术问题。
Description
技术领域
本发明涉及电缆火灾预警技术领域，具体涉及一种变电站内电缆火灾预测监控系统及方法。
背景技术
火灾是可燃物和助燃剂之间发生的剧烈的化学反应，通常伴有发光发热的物理化学现象，且在此过程中会产生气溶胶、烟雾、光、热和燃烧波等；目前的火灾探测就是通过对上述参量的测量和分析来确定火灾的过程。
人类对火灾的探测研究已经历了100多年的历史。早在1847年美国就研究出世界上第一台用于城镇火灾报警的发送装置，1890年英国研制成功了感温火灾探测器，在接下来的半个多世纪中感温火灾探测器一直占主导地位，火灾自动报警系统处于初级发展阶段。感温型探测器灵敏度比较低，火灾进入发展阶段才能探测到，所以无法实现火灾早期报警的要求。
20世纪50年代瑞士研究出离子型感烟探测器，促进了火灾早期自动报警技术的发展。在火灾发生的初期一般均会释放出烟雾颗粒，通常出现的比火焰和高温都要早；感烟型探测器稳定性好、误报率低、寿命长，因此得到了广泛的引用并占据了主要地位。
20世纪70年代末，由于长寿命的光电元件技术取得突破，光电感烟探测器应运而生，而且比离子型探测器更环保，因此到20世纪90年代，日本、瑞士的光电感烟探测器的销售量上升到90％以上。火焰探测器是探测火灾燃烧火焰的探测器，它感应火焰辐射的电磁波，具有响应速度快、探测范围广等优点。由于阳光及环境的影响，火焰探测器一般使用的光谱区主要集中在紫外和较窄的红外谱带。20世纪60年代研制出宽带红外火焰探测器，60年代末出现了紫外火焰探测器，70年代初期随着紫外光敏管器件制作工艺的进步和电子技术的不断发展，紫外火焰探测器能够用于室外环境，成为真正意义上的火灾探测器。
电气火灾中很大部分是由于电气线路发生故障而引起的，检测电气线路的运行状况，及早发现火灾隐患有着重要的意义。在引发电缆火灾的原因中，电缆过负荷、短路、连接处接触电阻过大、绝缘老化或者绝缘性能下降等，表观上都难以直接发现；通过视觉方式可以观察到的绝缘损坏只占25％。
目前在电缆火灾方面常规的探测技术主要还是基于电线电缆表面温度的检测。常用的电缆温度监测技术包括：感温电缆式、热敏电阻式、光纤感温式、红外热像温度检测技术。除了温度和气体检测之外，通过电磁原理的电线电缆故障探测和火灾监测技术也有广泛的研究与应用。以剩余电流动作保护装置在防止电缆火灾中的应用为例，它利用电流互感器检测线路相间电流差异，实现接地故障或漏电的检测，具有较好的效果。然而受原理所限，它只能处理部分电气火灾的隐患，而且对探测器的安装具有特殊的要求。此外，它也是简单基于阈值判断的开关量报警装置，阈值需要根据经验值来设置，这也带来了误报漏报的危险。其中，火灾探测方法多利用单一传感器对火灾信号进行监测，当发现传感器所监测的信号大于所设的阈值时，通常认为此时可能发生火灾，便立即发出警报报警信号。这种预测算法易于理解且算法容易实现，在实际工程中较少的发生故障，便于检修。但这种方法自身也有很多不足，例如易受到环境的干扰和噪声的影响，抗干扰能力差等不足，因此，容易出现较高的误报率。火灾探测器使用开关量探测报警方式，在应用过程中不可避免地会遇到由于干扰引起的误报警问题，由此会造成经济和人力上的巨大损失。
综上，如何提高变电站内电缆火灾探测的抗干扰能力，降低误报率，成为火灾探测报警技术领域的重要研究课题。
发明内容
本发明的目的在于提供一种变电站内电缆火灾预测监控系统及方法，以解决上述存在的一个或多个技术问题。本发明能够解决现有技术利用单一传感器对火灾信号进行监测时存在的：抗干扰能力差，易受环境干扰和噪声影响，漏报概率和误报概率均较高的技术问题。
为达到上述目的，本发明采用以下技术方案：
本发明的一种变电站内电缆火灾预测监控系统，包括：
电缆沟火灾探测装置，包括多种传感器；用于探测电缆沟内的烟、温及环境信息并发出；
密闭设施探测装置，包括多种传感器；用于探测密闭设施内的水位及温湿度信息并发出；
火灾监控系统服务器，用于接收电缆沟火灾探测装置和密闭设施探测装置发出的测量数据；将相同类型传感器的测量数据进行融合，获得各类型传感器的融合后的最优值和最小误差值；基于不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的验证，对火灾趋势做出判断，基于预设判断规则给出火灾报警信息。
本发明的进一步改进在于，所述电缆沟火灾探测装置包括：
点型感烟探测器，用于探测电缆沟道中烟雾；用于安装在变电站内的电缆沟道内；
点型感温探测器，用于通过热敏元件来探测电缆沟道中的热量；用于安装在变电站内的电缆沟道内；
线型光束感烟探测器，用于探测电缆沟道内烟气参数；用于安装在变电站内的电缆沟道内；
吸气式感烟火灾探测器，用于通过空气采样管把保护区的空气吸入探测器进行分析，进行火灾的预警；用于安装在变电站内的电缆竖井内；
缆式线型感温探测器，用于安装在变电站内的动力电缆上；
缆式多点型温度探测器，用于安装在变电站内的电缆终端；
第一可见光摄像机，用于拍摄电缆沟道内情况；用于安装在变电站内沟道内；
干粉灭火装置，用于开展覆盖式灭火；用于安装在电缆竖井内。
本发明的进一步改进在于，还包括：第一就地模块、第一交换机、第一站控层交换机和第二站控层交换机；
点型感烟探测器、点型感温探测器、线型光束感烟探测器和缆式线型感温探测器分别通过二总线与第一就地模块相连接；吸气式感烟火灾探测器、缆式多点型温度探测器和干粉灭火装置分别通过RS485总线与第一就地模块相连接；
第一就地模块经第一站控层交换机与火灾监控系统服务器相连接；
第一交换机通过以太网与第一可见光摄像机连接；第一交换机通过光纤网络与第二站控层交换机连接；第二站控层交换机通过以太网与火灾监控系统服务器相连接。
本发明的进一步改进在于，所述密闭设施探测装置包括：
水位探测器，用于监测水位高度；用于安装在变电站的密闭设施内；
温湿度探测器，用于监测温湿度环境参数；用于安装在变电站的密闭设施内；
表贴探测器，用于固定温湿度传感器；
热成像摄像机，用于通过红外线监测温度变化；用于安装在变电站的密闭设施内；
第二可见光摄像机，用于安装在变电站的密闭设施内。
本发明的进一步改进在于，还包括：第二就地模块、第二交换机、第三站控层交换机和第四站控层交换机；
水位探测器、温湿度探测器和表贴探测器分别通过RS485总线与第二就地模块相连接；第二可见光摄像机、热成像摄像机分别通过以太网与第二交换机连接；
第二就地模块通过光纤网络与第三站控层交换机相连接，第二交换机通过光纤网络与第四站控层交换机连接；第三站控层交换机、第四站控层交换机通过以太网与火灾监控系统服务器相连接。
本发明的进一步改进在于，火灾监控系统服务器中，所述基于不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的验证，采用D-S证据理论技术对火灾趋势做出判断，基于预设判断规则给出火灾报警信息的具体步骤包括：
步骤1，将相同类型传感器的测量数据通过自适应加权融合估计算法进行融合，获得各类型传感器的最小误差值和融合后的最优值；
步骤2，基于步骤1获得的各类型传感器融合后的最优值，通过B-P神经网络算法进行不同类型传感器测量数据的二次信息融合，获得所述变电站内电缆火灾预测监控系统融合后的最优值；基于步骤1获得的各类型传感器的最小误差值，通过B-P神经网络算法进行不同类型传感器的误差值融合，获得所述变电站内电缆火灾预测监控系统的误差值；
步骤3，基于所述变电站内电缆火灾预测监控系统误差值和融合后的最优值进行火灾报警信息判断；如果判决为发生火灾，报警；如果判决为未发生火灾，重复步骤1至步骤3。
本发明的进一步改进在于，基于预设判断规则给出火灾报警信息的具体步骤中，步骤1具体包括：
j表示其中的一类传感器；j类传感器得到的测量数据以自适应的方式寻找对应的权数，获得j类传感器融合的最优值
其中，假设n个j类传感器的方差分别为
j类传感器中各个传感器的测量值分别为j1，j2，…，jn，各个j类传感器的加权因子分别为X1，X2，…，Xn，则j类传感器融合的最优值表示为：
其中
j类传感器的总方差表示为：
式中，σ2 i为j类传感器的方差；
当
时，j类传感器融合输出结果的最小误差值
表示为：
本发明的进一步改进在于，基于预设判断规则给出火灾报警信息的具体步骤的步骤2中：
通过B-P神经网络算法进行不同类型传感器测量数据的二次信息融合时，输入和输出的关系表示为：
式中，
表示j类传感器的输入值，wj表示j类传感器的权值，θj表示j类传感器的阈值，yj表示j类传感器的输出值；
设所述变电站内电缆火灾预测监控系统共拥有N种类型传感器，系统融合后的最优值Oj表示为：
所述变电站内电缆火灾预测监控系统的误差值Qj表示为：
本发明的进一步改进在于，基于预设判断规则给出火灾报警信息的具体步骤的步骤3中：
进行火灾报警信息判断的判断规则为：
式中，M表示判断是否发生火灾的结果，k为环境修正补偿值。
本发明的一种变电站内电缆火灾预测监控方法，包括以下步骤：
通过多种类型的传感器探测电缆沟内的烟、温及环境信息，探测密闭设施内的水位及温湿度信息，获得测量数据；
将相同类型传感器的测量数据通过自适应加权融合估计算法进行融合，获得各类型传感器的融合后的最优值和最小误差值；基于不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的验证，采用D-S证据理论技术对火灾趋势做出判断，基于预设判断规则给出火灾报警信息，实现变电站内电缆火灾预测监控。
与现有技术相比，本发明具有以下有益效果：
本发明的变电站内电缆火灾预测监控系统结构简单、设计科学合理，使用方便；针对电缆的不同环境，在电站内电缆沟安装点型感烟探测器和点型感温探测器，在电站外电缆沟安装线型光束感烟探测器、在电缆竖井安装吸气式感烟火灾探测器、在动力电缆上安装缆式线型感温探测器、在电缆终端安装缆式多点型温度探测器，在变电站内密闭设施内设水位探测器、温湿度探测器、表贴探测器，通过多类型火灾探测技术实现不同区域的火灾监控，通过火灾探测器能够获取监测区域的烟、温及环境信息。
本发明中，在变电站内密闭设施内设可见光摄像机和热成像摄像机，在沟道内安装可见光摄像机，系统可实现对日常无法巡视区域，如充油设备区电缆沟等密闭区域的有效监视。
本发明的变电站内电缆火灾预测监控方法，将相同类型传感器的测量数据通过自适应加权融合估计算法进行融合，以融合出各类型传感器的融合后的最优值和最小误差值，然后充分利用不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的进一步验证，采用D-S证据理论技术对火灾趋势做进一步判断，利用判断规则给出火灾报警信息。本发明可有效减少火灾的误报和漏报，能大幅度提升火灾预测的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种变电站内电缆火灾预测监控系统的网络架构示意图；
图2是本发明实施例的一种变电站内电缆火灾预测监控方法的流程示意框图；
图3是本发明实施例中，自适应加权融合估计算法模型的示意图；
图4是本发明实施例中，采用D-S证据理论技术对火灾趋势做判断的流程示意图；
图5是本发明实施例中，缆式线型感温探测器在电缆沟布线的示意图；
图6是本发明实施例中，变电站内电缆火灾预测监控系统运行的流程示意图；
图7是本发明实施例中，火警处理子程序的流程示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例是本发明一部分实施例。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置”、“相连”、“连接”应做广义理解；例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；当然的，还可以是机械连接，也可以是电连接；另外的，还可以是直接相连，也可以是通过中间媒介间接相连，或者可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1，本发明实施例的一种变电站内电缆火灾预测监控系统，包括：
点型感烟探测器和点型感温探测器，点型感烟探测器和点型感温探测器安装于变电站内电缆沟内；线型光束感烟探测器，线型光束感烟探测器安装于变电站内电缆沟内；吸气式感烟火灾探测器，吸气式感烟火灾探测器安装于变电站内电缆竖井内；缆式线型感温探测器，缆式线型感温探测器安装于变电站内动力电缆上；缆式多点型温度探测器，缆式多点型温度探测器安装于变电站内电缆终端。
第一就地模块，点型感烟探测器、点型感温探测器、线型光束感烟探测器和缆式线型感温探测器分别通过二总线与第一就地模块连接，吸气式感烟火灾探测器和缆式多点型温度探测器分别通过RS485总线与第一就地模块连接。
水位探测器，水位探测器设于变电站内密闭设施内。温湿度探测器，温湿度探测器设于变电站内密闭设施内。表贴探测器，表贴探测器设于变电站内密闭设施内。
第二就地模块，水位探测器、温湿度探测器和表贴探测器，分别通过RS485总线与第二就地模块连接。
第三站控层交换机，第二就地模块通过光纤网络与第三站控层交换机连接。
电缆火灾监控预警系统服务器，第一站控层交换机和第三站控层交换机分别通过以太网与电缆火灾监控预警系统服务器连接。
辅助设备火灾监控系统服务器，第一站控层交换机和第三站控层交换机分别通过以太网与辅助设备火灾监控系统服务器连接。
第一可见光摄像机，第一可见光摄像机安装于变电站内沟道内。
第一交换机，第一交换机通过以太网与第一可见光摄像机连接。
第二站控层交换机，第一交换机通过光纤网络与第二站控层交换机连接，并且第二站控层交换机通过以太网分别与电缆火灾监控预警系统服务器和辅助设备火灾监控系统服务器连接。
干粉灭火装置，干粉灭火装置安装于电缆竖井内，干粉灭火装置通过RS485总线与第一就地模块连接。第二可见光摄像机，第二可见光摄像机安装于变电站内密闭设施内。第二交换机，第二交换机通过以太网与第二可见光摄像机连接。第四站控层交换机，第二交换机通过光纤网络与第四站控层交换机连接，并且第四站控层交换机通过以太网分别与电缆火灾监控预警系统服务器和辅助设备火灾监控系统服务器连接。热成像摄像机，热成像摄像机安装于变电站内密闭设施内，热成像摄像机通过以太网与第二交换机连接。
本发明实施例的变电站内电缆火灾预测监控系统结构简单、设计科学合理，使用方便，针对电缆的不同环境，在电站内电缆沟安装点型感烟探测器和点型感温探测器、在电站外电缆沟安装线型光束感烟探测器、在电缆竖井安装吸气式感烟火灾探测器、在动力电缆上安装缆式线型感温探测器、在电缆终端安装缆式多点型温度探测器，在变电站内密闭设施内设水位探测器、温湿度探测器、表贴探测器，通过多类型火灾探测技术实现不同区域的火灾监控。在变电站内密闭设施内设可见光摄像机和热成像摄像机，在沟道内安装可见光摄像机，系统可实现对日常无法巡视区域，如充油设备区电缆沟等密闭区域的有效监视。在系统正常运行时，火灾探测器能够获取监测区域的烟、温及环境信息，并根据环境信息实时做出反应。当被监测区域发生火灾险情时，会主动弹出报警窗口。
本发明实施例中，所述电缆沟火灾探测装置包括：点型感烟探测器JTY-GM-D12型，用于探测电缆沟道中烟雾，安装在变电站内的电缆沟内；点型感温探测器JTW-ZDM-D13A，用热敏元件来探测电缆沟道中的热量，安装在变电站内的电缆沟内；线型光束感烟探测器A710/UA IR2，用于探测电缆沟道内烟气参数，更适用于狭长区域，安装在变电站内的电缆沟内；吸气式感烟火灾探测器ASD-200D，通过空气采样管把保护区的空气吸入探测器进行分析从而进行火灾的早期预警，安装在变电站内的电缆竖井内；缆式线型感温探测器JTW-LD-SM3003C，一般由微机处理器、终端盒和感温电缆组成，用于安装在变电站内的动力电缆上；缆式多点型温度探测器JTW-LCD-SM9003，一般由微机处理器、终端盒和感温电缆组成，用于安装在变电站内的电缆终端；第一可见光摄像机20万(dpi)，用于拍摄电缆沟道内情况，安装在变电站内沟道内；干粉灭火装置FZX-ACT3/1.2-KX，针对电缆隧道开展覆盖式灭火，用于安装在电缆竖井内。
本发明实施例中，所述密闭设施探测装置包括：水位探测器SZRD805，实时监测电缆沟道内水位高度，用于安装在变电站的密闭设施内；温湿度探测器YD-HT818B，监控电缆沟道内温湿度环境参数，用于安装在变电站的密闭设施内；表贴探测器，用于固定温湿度传感器，安装在变电站的密闭设施内；热成像摄像机FOTRIC 350X，通过红外线监控电缆沟道内温度变化，用于安装在变电站的密闭设施内；第二可见光摄像机20万(dpi)，用于拍摄电缆沟道内情况，安装在变电站的密闭设施内。
请参阅图2至图4，本发明实施例的火灾监控系统服务器中，所述基于不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的验证，采用D-S证据理论技术对火灾趋势做出判断，基于预设判断规则给出火灾报警信息的具体步骤包括：
步骤1，由于传感器的种类不只一种，且每一类传感器的个数不只一个，所以首先将相同类型传感器的测量数据通过自适应加权融合估计算法进行融合，获得各类型传感器的融合后的最优值和最小误差值，具体步骤包括：
将所述多种传感器中的不同类型传感器区分表示；其中，j表示其中的一类传感器；j类传感器得到的测量数据以自适应的方式寻找对应的权数，使融合后的数据融合值
达到最优；
其中，假设n个j类传感器的方差分别为
j类传感器中各个传感器的测量值分别为j1，j2，…，jn，各个j类传感器的加权因子分别为X1，X2，…，Xn，则j类传感器的数据融合值为:
因为X1，X2，…，Xn相互独立，则总方差可表示为：
式中，
为j类传感器融合的最优值，σ2 i为j类传感器的方差；
当
时，j类传感器融合输出结果的最小误差值
表示为：
通过上述算法得到j类传感器融合输出结果的融合后的最优值和最小误差值。通过相同方法，可以得到其他类型传感器融合输出结果的融合后的最优值和最小误差值，进而开展下一步不同类型传感器融合。
步骤2，通过B-P神经网络算法开展不同类型传感器信息融合。通过步骤1得到的结果，此处假定各类传感器采集到的输入值为最优值
火灾发生的概率为输出值。那么输入和输出的关系为：
式中
表示j类传感器的输入值，wj表示j类传感器的权值，θj表示j类传感器的阈值，则yj表示j类传感器的输出值。假设本系统共拥有N种类型传感器，那么所有类型传感器融合后的输出值Oj则可以表示为：
Oj表示传感器的输出值经过归一化的结果。
步骤3，通过步骤1得到的结果，进一步整合各类型传感器的误差值融合，j类传感器最小误差值输入为
wj表示j类传感器的权值，θj表示j类传感器的阈值。假设本系统共拥有N种类型传感器，那么所有类型传感器融合后的输出值Qj则可以表示为：
Qj表示j传感器误差值归一化的结果。
步骤4，对于融合后的输出值进行火灾报警信息判断，判断规则为：
式中，M表示判断是否发生火灾的结果，k为环境修正补偿值。如果融合后的输出值判决为发生火灾，报警；否则，重复步骤1至步骤4。
本发明实施例的火灾参量选取，火灾特征参量对火灾进行综合分析做出决策，选用的传感器应遵循火灾初期的发展规律，对火灾形成的原因进行分析。做到充分发挥各个传感器的优势，取长补短，实现多元探测，更准确更完整的反映火灾的特征参量。但是，如果把能反映火灾参量的所有传感器都集成起来监测火灾数据，送样会导致数据量过于庞大，集成电路也会相当复杂，不仅会降低微处理器的处理数据的速度，还会影响信号的数据处理的复杂度，造成数据冗余。目前，比较成熟的火灾预测均采用三种或四种传感器复合，利用各传感器之间的信息关联进行综合评估，最终决定是否报警。针对电缆火灾采用四种传感器对火灾进行探测，分别为点型感烟/感温探测器、缆式线型感温探测器、吸气式感烟探测器、红紫外火焰探测器。在发生火灾的同时，温度为最敏感的特征之一，即发生火灾温度肯定会升高，且在一段时间内温度急剧升高，有明显的变化率。即使在火灾初期，温度也会有小幅度的变化，只是变化缓慢而已。在火灾预测中温度是必选的传感器之一。在正常环境下，空气中的烟雾颗粒浓度是极低的，只有在发生火灾时才会有烟雾颗粒的产生。在火灾发生的同时，除了温度和烟雾颗粒的变化还会伴随着火焰的产生，这也是火灾发生过程中所必然出现的火灾产物。多传感器信息融合是将多个传感器之间的数据进行综合的过程，即信息的相互借鉴与传递。这对单一传感器来说是无法办到的，因此，有必要进行多传感器的信息融合。另外，传感器之间的冗余信息可作为单一传感器之间信息通信的桥梁，有效进行传感器的沟通，增强了系统的性能，使系统更稳定。
与单一的火灾探测器预测火灾相比，采用多传感器信息融合的火灾预测形式更复杂，具有多层次的特点。在多传感器信息融合火灾预测系统中采用三层结构的形式对火灾进行预测，即信息层，特征层，决策层。
多传感器信息融合的三个层次即信息融合层，特征融合层，决策融合层中优缺点性能比较如表1所示。
表1.三个层次融合特点比较
| 比较指标 | 信息层融合 | 特征层融合 | 决策层融合 |
| 处理信息量 | 最大 | 中等 | 最小 |
| 外界影响性能 | 最差 | 中等 | 最好 |
| 容错性能 | 最差 | 中等 | 最好 |
| 算法难度 | 最难 | 中等 | 最易 |
| 依赖传感器程度 | 最大 | 中等 | 最小 |
信息层融合主要是对传感器的输出数据进行预处理，由于传感器的种类不只一种，且每一类传感器的个数不只一个，所有必要对每一类的传感器数据先进行加权平均的融合，即去除可疑数据与噪声。然后，又由于每一类的传感器的单位不统一，所必须对每类传感器的数据做归一化处理，这样处理后的数据才能用于特征层的进一步融合。
特征层利用信息层预处理的数据进行信息融合，结合智能的融合方法，采用先验知识对火灾的数据进行有监督的训练，对训练的网络进行验证，找出火灾发生和发展的趋势，即各种火灾即将发生的概率，包括明火概率，阴燃火概率以及非火灾干扰源的概率，根据概率的大小判断火灾发生的可能性。
针对火灾监控系统进行设计与实现，由于现有火灾预测算法的不足，本系统利用多传感器的信息融合算法，对多种信号进行检测，大大提高火灾预测的准确率。针对火灾监控的高漏报率和低准确率，利用信息融合模型预测火灾发生的趋势，对火灾进行进一步的控制，对火灾的种类做出监控，由此实现对火灾智能预报，达到降低财产损失，减少人员伤亡的目的。
电缆防火监控预警系统作为变电站辅助系统设备监控系统的子系统，由火灾探测器、干粉灭火装置、可见光摄像机、就地模块组成，如图1所示，能够在火灾初期，将火灾燃烧产生的烟雾和热量等物理量，通过感温和感烟等探测器转变为告警信息，传输到辅助设备监控系统，实现站内电缆防火监测和告警功能。
针对电缆的不同环境，在户内电缆沟安装点型感烟探测器和点型感温探测器、在户外电缆沟安装吸气式感烟火灾探测器或者线型光束感烟探测器、在电缆竖井安装点型感烟火灾探测器、在动力电缆上安装缆式线型感温探测器、在电缆终端安装多点型温度探测器，通过多类型火灾探测技术实现不同区域的火灾监控。在沟道内安装可见光摄像机，系统可实现对日常无法巡视区域，如充油设备区电缆沟等密闭区域的有效监视。
在系统正常运行时，火灾探测器能够获取监测区域的烟、温及环境信息，并根据环境信息实时做出反应。当被监测区域发生火灾险情时，会主动弹出报警窗口。
本发明在对探测器进行选型时，依据以下标准进行选择。
本发明所用点型感烟探测器，需具备以下功能：a)烟雾探测和告警功能；b)二总线输出功能；c)全电子编码功能；d)自检和告警功能；e)外壳采用耐高温、防腐蚀材料。
点型感烟探测器技术参数如表2所示：
表2.点型感烟探测器技术参数表
点型感烟探测器规格尺寸：点型感烟探测器由底座和探测器两部分组成。
本发明点型感温探测器需具备以下功能：a)温度探测和告警功能；b)二总线输出功能；c)全电子编码功能；d)自检和告警功能；e)外壳采用耐高温、防腐蚀材料。
点型感温探测器技术参数如表3所示：
表3.点型感温探测器技术参数表
点型感温探测器规格尺寸：点型感温探测器由底座和探测器两部分组成。
本发明所用吸气式感烟探测器需具备以下功能：a)具备烟雾和一氧化碳(可选)探测和告警功能；b)RS485输出功能；c)自检和告警功能；d)外壳采用耐高温、防腐蚀材料。
吸气式感烟探测器技术参数如表4所示：
表4.吸气式感烟探测器技术参数表
| 技术参数名称 | 技术参数 |
| 工作电压 | DC24V±20％ |
| 工作电流 | ≤0.8A |
| 使用环境 | 温度-20℃～+70℃，相对湿度≤95％，不凝露 |
| 性能 | 满足GB 15631标准 |
| 监测长度 | 满足GB 50116标准 |
吸气式感烟探测器规格尺寸：吸气式感烟探测器由抽气装置和管路两部分组成。
本发明所用缆式线型感温探测器需具备以下功能：a)温度探测和告警功能；b)二总线输出功能；c)全电子编码功能；d)自检和告警功能；e)告警恢复功能；f)可监视感温电缆的开路、短路故障；g)外壳采用耐高温、防腐蚀材料。
缆式线型感温探测器技术参数如表5所示：
表5.缆式线型感温探测器技术参
本发明所用缆式线型感温探测器规格尺寸：缆式线型感温探测器由微机处理器、终端盒和感温电缆组成。
本发明所用线型光束感烟探测器需具备以下功能：a)烟雾探测和告警功能；b)二总线输出功能；c)全电子编码功能；d)自检和告警功能；e)外壳采用耐高温、防腐蚀材料。
本发明所用线型光束感烟探测器技术参数如表6所示：
表6.线型光束感烟探测器技术参数
| 技术参数名称 | 技术参数 |
| 工作电压 | DC24V±20％ |
| 工作电流 | ≤25mA |
| 使用环境 | 温度-40℃～+70℃，相对湿度≤95％，不凝露 |
| IP等级 | IP54 |
| 编码方式 | 十进制电子编码 |
| 性能 | 满足GB 14003标准 |
| 探测长度 | 满足GB 50116标准 |
本发明所用线型光束感烟探测器规格尺寸：本发明所用线型光束感烟探测器由探测器主体和反射器组成。
本发明所用可见光摄像机需具备以下功能：a)具备自动增益控制；b)具备自动白平衡调整；c)具备日夜模式；d)具备3D降噪；e)具备逆光补偿；f)具备宽动态；g)具备低照度；h)具备电子快门；i)具备隐私遮挡；j)具备补光；k)具备时钟同步；l)具备音视频参数调节；m)具备断网自动重连；n)具备在线升级；o)具备恢复出厂设置和重启；p)具备字符叠加；q)具备H.264/H.265/JPEG编码；r)具备本机存储；s)具备WEB服务；t)具备报警联动；u)具备日志记录。
本发明用于电缆沟内的摄像机采用防水型枪型摄像机，技术参数如表7所示：
表7.枪型摄像机技术参数：
本发明变电站内有电缆布置的区域广，范围大，如需全部布置探测器，则成本很高。首先，通过分析考虑各区域电缆的火灾危险性、耐火极限及所采用电缆的阻燃等级；其次，考虑该区域发生火灾的损失、伤亡及影响，将变电站电缆火灾区域进行重点划分。根据DL 5027-1993《电力设备典型消防规程》，火灾危险性类别为乙类的设备(建筑)有：蓄电池室；火灾危险性类别为丙类的设备(建筑)有：油浸设备(变压器、电抗器、消弧线圈)，单台设备充油量≥1000kg的配电室，中央控制室(含电缆、照明夹层)、控制电缆室及廊道、隧道、竖井、防酸隔爆型铅酸蓄电池室等；火灾危险性类别为丁类的设备(建筑)有：干式变压器室、单台设备充油量＜1000kg配电室等。
本发明实施例中，将变电站电缆火灾区域划分为防火重点区域(主变压器和电抗器等充油设备区域的电缆沟，蓄电池室的入室电缆沟，中央控制室的电缆竖井和电缆夹层)，次重点区域(一次设备的主电缆沟)以及非重点区域(一次设备的分支电缆沟)。主变压器、电抗器区域存在充油设备，易发生漏油而导致电缆沟浸油，火灾隐患大，属于重点区域，需要重点关注，适当增加探测器设备的数量与可见光视频监测的范围，并且配备灭火装置。户外电缆沟一般为非密闭空间，存在与排水沟共沟的情况，导致电缆沟内空气湿度大，易产生凝露，配置探测器时需要选择防水性能良好的设备。基于上述原因以及现场试验分析结果，火灾监控预警系统根据防火重点区域、次重点区域、非重点区域的电缆沟、电缆竖井、电缆夹层配置不同类型、数量的火灾探测器，能够在有限时间内及时探测到电缆火灾隐患的存在，实现火灾预警。
本发明变电站电缆防火重点区域布置方案，包括：
1)电缆沟
电缆沟沿电缆沟按正弦波形式在每层电缆上铺设缆式线型感温探测器(报警阈值可选择85℃和105℃)；同时，每个防火间隔两端各安装一台可见光摄像机。布线示意如图5所示。
电缆沟内需同时安装点型感烟火灾探测器和点型感温火灾探测器。在一个防火间隔内，从距防火墙5米处开始，两种探测器以5米间隔交叉安装。点型感烟探测器水平居中安装于电缆沟顶部，探测器的布线和安装按照GB 50116的规定执行。点型感温探测器水平居中安装于电缆沟顶部，探测器的布线和安装应按照GB 50116的规定执行。
吸气式感烟火灾探测器垂直悬挂于墙面侧壁，吸气管固定安装在电缆沟侧壁上，在每个防火间隔部署1套，探测器的布线和安装按照GB 50116的规定执行。
红紫外复合火焰探测器采用一个对太阳光不敏感的紫外线传感器和一个高信噪比的窄频带的红外线传感器，可确保卓越的探测灵敏度，提高对非火警源(光盲)的免疫力。红紫外复合火焰探测器中精心选择的传感器保证了其对火焰产生的发射谱频的高灵敏度；探测器的紫外传感器整合了逻辑电路，防止了阳光辐射所产生的误报警。红紫外火灾探测器与可见光摄像机安装在同一位置。
2)电缆竖井
电缆竖井布置点型感烟探测器、点型感温探测器、缆式线型感温探测器及可见光摄像机。
3)电缆夹层
电缆夹层布置点型感烟探测器、缆式线型感温探测器和可见光摄像机。
本发明变电站电缆防火次重点区域布置方案，包括：电缆沟：沿电缆沟按正弦波形式在最上层电缆铺设缆式线型感温探测器，布置点型感烟探测器、点型感温探测器，并且在每个防火间隔两端各安装一台可见光摄像机。本发明变电站电缆防火非重点区域布置方案，包括：电缆沟：非重点区域不布置火灾探测器。
本发明变电站电缆防火监控系统运行流程如下：
火灾探测系统的软件程序开始启动，先是将火灾探测控制系统全面初始化，再是检测有多少个火灾探测器探头，最后设定程序巡查指令的初始数据，发射火灾探测器的地址信号，收集火灾探测器的数据信息，应用多传感器数据融合算法来运算火灾发生的概率，判定电缆是否有火灾发生，如果火灾探测系统判断电缆发生了火灾，那么火灾探测系统将会自主调出火灾函数代码；如果火灾探测系统判定电缆上没有发生火情，系统将对元器件进行检测看看是不是有故障发生，如果元器件发生故障，那么系统就要调出故障处理代码，来判定火灾探测器的巡查指令是否执行完。在巡查指令没有执行完时，系统会持续收集火灾探测器的地址信号和监测数据，当整个系统完成对火灾探测器巡查指令时，火灾探测设备的软件程序就会结束执行。流程图如图6所示。
当火灾探测系统接收到多个物理量判定为发生火灾时，系统自动调用火警处理子程序流程图。火警处理子程序流程图如图7所示。
综上所述，本发明公开了一种变电站内电缆火灾预测监控系统及方法，预测监控系统包括点型感烟探测器、点型感温探测器、线型光束感烟探测器、吸气式感烟火灾探测器、缆式线型感温探测器、缆式多点型温度探测器、第一就地模块、水位探测器、温湿度探测器、表贴探测器、第二就地模块、第三站控层交换机、电缆火灾监控预警系统服务器和辅助设备火灾监控系统服务器。预测监控方法为通过自适应加权融合估计算法融合同类型传感器测量数据以获取其最小误差值，再采用D-S证据理论技术对火灾趋势做进一步判断以给出火灾报警信息。本发明可有效解决现有技术易受到环境干扰和噪声影响从而导致漏报概率和误报概率均较高的技术问题。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (3)
1.一种变电站内电缆火灾预测监控系统，其特征在于，包括：
电缆沟火灾探测装置，包括多种传感器；用于探测电缆沟内的烟、温及环境信息并发出；
密闭设施探测装置，包括多种传感器；用于探测密闭设施内的水位及温湿度信息并发出；
火灾监控系统服务器，用于接收电缆沟火灾探测装置和密闭设施探测装置发出的测量数据；将相同类型传感器的测量数据进行融合，获得各类型传感器的融合后的最优值和最小误差值；基于不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的验证，对火灾趋势做出判断，基于预设判断规则给出火灾报警信息；
其中，所述电缆沟火灾探测装置包括：
点型感烟探测器，用于探测电缆沟道中烟雾；用于安装在变电站内的电缆沟道内；
点型感温探测器，用于通过热敏元件来探测电缆沟道中的热量；用于安装在变电站内的电缆沟道内；
线型光束感烟探测器，用于探测电缆沟道内烟气参数；用于安装在变电站内的电缆沟道内；
吸气式感烟火灾探测器，用于通过空气采样管把保护区的空气吸入探测器进行分析，进行火灾的预警；用于安装在变电站内的电缆竖井内；
缆式线型感温探测器，用于安装在变电站内的动力电缆上；
缆式多点型温度探测器，用于安装在变电站内的电缆终端；
第一可见光摄像机，用于拍摄电缆沟道内情况；用于安装在变电站内沟道内；
干粉灭火装置，用于开展覆盖式灭火；用于安装在电缆竖井内；
所述密闭设施探测装置包括：
水位探测器，用于监测水位高度；用于安装在变电站的密闭设施内；
温湿度探测器，用于监测温湿度环境参数；用于安装在变电站的密闭设施内；
表贴探测器，用于固定温湿度传感器；
热成像摄像机，用于通过红外线监测温度变化；用于安装在变电站的密闭设施内；
第二可见光摄像机，用于安装在变电站的密闭设施内；
火灾监控系统服务器中，所述基于不同类型传感器输出的融合后的最优值和最小误差值，将火灾概率作为做出决策的验证，采用D-S证据理论技术对火灾趋势做出判断，基于预设判断规则给出火灾报警信息的具体步骤包括：
步骤1，将相同类型传感器的测量数据通过自适应加权融合估计算法进行融合，获得各类型传感器的最小误差值和融合后的最优值；
步骤2，基于步骤1获得的各类型传感器融合后的最优值，通过B-P神经网络算法进行不同类型传感器测量数据的二次信息融合，获得所述变电站内电缆火灾预测监控系统融合后的最优值；基于步骤1获得的各类型传感器的最小误差值，通过B-P神经网络算法进行不同类型传感器的误差值融合，获得所述变电站内电缆火灾预测监控系统的误差值；
步骤3，基于所述变电站内电缆火灾预测监控系统误差值和融合后的最优值进行火灾报警信息判断；如果判决为发生火灾，报警；如果判决为未发生火灾，重复步骤1至步骤3；
步骤1具体包括：
j表示其中的一类传感器；j类传感器得到的测量数据以自适应的方式寻找对应的权数，获得j类传感器融合的最优值
其中，假设n个j类传感器的方差分别为
j类传感器中各个传感器的测量值分别为j1，j2，…，jn，各个j类传感器的加权因子分别为X1，X2，…，Xn，则j类传感器融合的最优值表示为：
其中
j类传感器的总方差表示为：
式中，σ2 i为j类传感器的方差；
当
时，j类传感器融合输出结果的最小误差值
表示为：
步骤2中：通过B-P神经网络算法进行不同类型传感器测量数据的二次信息融合时，输入和输出的关系表示为：
式中，
表示j类传感器的输入值，wj表示j类传感器的权值，θj表示j类传感器的阈值，yj表示j类传感器的输出值；
设所述变电站内电缆火灾预测监控系统共拥有N种类型传感器，系统融合后的最优值Oj表示为：
所述变电站内电缆火灾预测监控系统的误差值Qj表示为：
步骤3中：进行火灾报警信息判断的判断规则为：
式中，M表示判断是否发生火灾的结果，k为环境修正补偿值。
2.根据权利要求1所述的一种变电站内电缆火灾预测监控系统，其特征在于，还包括：第一就地模块、第一交换机、第一站控层交换机和第二站控层交换机；
点型感烟探测器、点型感温探测器、线型光束感烟探测器和缆式线型感温探测器分别通过二总线与第一就地模块相连接；吸气式感烟火灾探测器、缆式多点型温度探测器和干粉灭火装置分别通过RS485总线与第一就地模块相连接；
第一就地模块经第一站控层交换机与火灾监控系统服务器相连接；
第一交换机通过以太网与第一可见光摄像机连接；第一交换机通过光纤网络与第二站控层交换机连接；第二站控层交换机通过以太网与火灾监控系统服务器相连接。
3.根据权利要求1所述的一种变电站内电缆火灾预测监控系统，其特征在于，还包括：第二就地模块、第二交换机、第三站控层交换机和第四站控层交换机；
水位探测器、温湿度探测器和表贴探测器分别通过RS485总线与第二就地模块相连接；第二可见光摄像机、热成像摄像机分别通过以太网与第二交换机连接；
第二就地模块通过光纤网络与第三站控层交换机相连接，第二交换机通过光纤网络与第四站控层交换机连接；第三站控层交换机、第四站控层交换机通过以太网与火灾监控系统服务器相连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011135183.XA CN112116776B (zh) | 2020-10-21 | 2020-10-21 | 一种变电站内电缆火灾预测监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011135183.XA CN112116776B (zh) | 2020-10-21 | 2020-10-21 | 一种变电站内电缆火灾预测监控系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112116776A CN112116776A (zh) | 2020-12-22 |
| CN112116776B true CN112116776B (zh) | 2022-05-31 |
Family
ID=73794235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011135183.XA Active CN112116776B (zh) | 2020-10-21 | 2020-10-21 | 一种变电站内电缆火灾预测监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112116776B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712664A (zh) * | 2020-12-28 | 2021-04-27 | 云南电网有限责任公司电力科学研究院 | 一种电气火灾预警方法和系统 |
| CN113096343B (zh) * | 2021-04-14 | 2023-01-24 | 合肥工业大学 | 多传感器协同的汽车电池火灾防范系统 |
| CN113435105A (zh) * | 2021-05-25 | 2021-09-24 | 杭州申弘智能科技有限公司 | 一种基于烟感检测的火灾预警系统及方法 |
| CN113420803A (zh) * | 2021-06-16 | 2021-09-21 | 杭州申弘智能科技有限公司 | 一种适用于变电站的多探测器联合火警判定方法 |
| CN113554843A (zh) * | 2021-07-29 | 2021-10-26 | 无锡圣敏传感科技股份有限公司 | 热解粒子火灾探测方法及探测器 |
| CN113744197B (zh) * | 2021-08-09 | 2024-01-02 | 福建工程学院 | 一种基于红紫外复合成像的电缆故障检测方法 |
| CN113741258B (zh) * | 2021-08-25 | 2023-01-13 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 基于物联网的轨道交通车站火灾监控系统及其优化方法 |
| CN114088867B (zh) * | 2021-11-17 | 2024-02-23 | 杭州仰仪科技有限公司 | 一种敞口加热炉燃烧状态自动检测装置及方法 |
| CN114360190B (zh) * | 2021-12-31 | 2024-03-22 | 上海震旦施密茨消防装备有限公司 | 一种用于地下电缆的火灾报警系统及其工作方法 |
| CN114187729A (zh) * | 2022-02-15 | 2022-03-15 | 山东冠嘉智能设备有限公司 | 一种配料生产线火灾报警装置 |
| CN115050155A (zh) * | 2022-04-25 | 2022-09-13 | 苏州光格科技股份有限公司 | 火灾预警方法、装置、计算机设备、存储介质 |
| CN117499424A (zh) * | 2023-08-23 | 2024-02-02 | 云南云岭高速公路交通科技有限公司 | 一种隧道水消防数据采集监测系统 |
| CN117079441B (zh) * | 2023-10-16 | 2024-03-12 | 合肥工业大学 | 一种基于变电站变压器物理状态的火灾预警方法 |
| CN117093904B (zh) * | 2023-10-19 | 2024-03-12 | 合肥工业大学 | 一种变电站火灾探测数据采集方法 |
| CN117612319A (zh) * | 2024-01-24 | 2024-02-27 | 上海意静信息科技有限公司 | 一种基于传感器和图片的报警信息分级预警方法及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3774184A (en) * | 1971-11-24 | 1973-11-20 | D Scarelli | Heat responsive cable assembly |
| CN102567640A (zh) * | 2011-12-29 | 2012-07-11 | 上海电机学院 | 矿井瓦斯监测方法 |
| CN109243129A (zh) * | 2018-09-07 | 2019-01-18 | 公安部四川消防研究所 | 火灾探测系统判断电缆是否发生火灾的方法 |
| CN109243130A (zh) * | 2018-09-07 | 2019-01-18 | 公安部四川消防研究所 | 多物理融合火灾监控系统及其预测火灾发生概率的方法 |
| CN209690749U (zh) * | 2019-04-15 | 2019-11-26 | 国网山东省电力公司海阳市供电公司 | 一种电缆沟井环境综合监测及预警装置 |
| CN110335436A (zh) * | 2019-07-02 | 2019-10-15 | 国网陕西省电力公司 | 一种变电站电缆防火监控系统及其方法 |
-
2020
- 2020-10-21 CN CN202011135183.XA patent/CN112116776B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112116776A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112116776B (zh) | 一种变电站内电缆火灾预测监控系统及方法 | |
| CN111107675B (zh) | 基于泛在电力物联网的电缆通道边缘物联终端及方法 | |
| CN108295407B (zh) | 机器人电缆管廊现场火灾预警及灭火方法、装置、系统 | |
| CN109243130A (zh) | 多物理融合火灾监控系统及其预测火灾发生概率的方法 | |
| CN109872491B (zh) | 火灾监控方法、装置、电子设备及系统 | |
| CN109040278A (zh) | 医院电气及动力系统安全智能管理云平台、方法及系统 | |
| CN110335436A (zh) | 一种变电站电缆防火监控系统及其方法 | |
| CN104332930A (zh) | 可监测火灾及自动灭火的电缆沟盖板 | |
| CN209821986U (zh) | 火灾监控系统 | |
| CN109166266A (zh) | 智能消防报警系统及方法 | |
| CN102495599A (zh) | 电缆隧道环境监控系统 | |
| CN116295595A (zh) | 基于多源异构信息的电气柜火灾风险评估预警方法 | |
| KR102062217B1 (ko) | 태양광발전 시스템 접속반 화재감지방법 | |
| KR20230105547A (ko) | 전력설비 이상징후 감지 시스템 및 감지 방법 | |
| CN109243129A (zh) | 火灾探测系统判断电缆是否发生火灾的方法 | |
| CN208172972U (zh) | 一种基于zigbee的智能家居系统 | |
| CN105488938B (zh) | 基于互联网+技术的家庭火灾及室内环境监测系统及其监测方法 | |
| CN117409526A (zh) | 一种电气火灾极早期预警监测系统及灭火方法 | |
| CN115766776A (zh) | 一种实现电力通道实时状态监测的方法及边缘物联终端 | |
| CN218630962U (zh) | 基于多源异构信息的电气柜火灾风险评估预警系统 | |
| KR102473778B1 (ko) | 인공지능 기반의 스마트 화재감지장치, 이를 포함하는 비화재보 분석 시스템 | |
| CN207115677U (zh) | 基于plc的火灾报警系统 | |
| CN115662041A (zh) | 一种基于变电站火灾感知与后果预测的消防系统 | |
| CN112915427B (zh) | 一种电动汽车充电桩防火方法及防火控制器 | |
| CN202383490U (zh) | 电缆隧道环境监控装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240510 Address after: No. 669, Hangtian Middle Road, Xi'an national civil aerospace industry base, Shaanxi 710100 Patentee after: Electric Power Research Institute of State Grid Shaanxi Electric Power Co.,Ltd. Country or region after: China Patentee after: State Grid Shaanxi Electric Power Co.,Ltd. Patentee after: STATE GRID CORPORATION OF CHINA Patentee after: National Network (Xi'an) Environmental Protection Technology Center Co.,Ltd. Address before: No.669, Hangtian Middle Road, Chang'an District, Xi'an City, Shaanxi Province Patentee before: STATE GRID SHAANXI ELECTRIC POWER Research Institute Country or region before: China Patentee before: STATE GRID SHAANXI ELECTRIC POWER Co. Patentee before: STATE GRID CORPORATION OF CHINA |