CN112419685A - 一种基于机器学习的生物质料场电气火灾预警系统 - Google Patents

Abstract

本发明公开了一种基于机器学习的生物质料场电气火灾预警系统，包括移动终端、管控平台、电气火灾监控主机和监控探测器，所述移动终端和管控平台相连接，所述管控平台包括神经网络数据处理模块、数据存储模块、显示模块、控制模块和报警模块；所述管控平台连接有电气火灾监控主机；所述电气火灾监控主机连接有监控探测器；所述监控探测器连接有电流互感器、剩余电流互感器和环境温度传感器。利用电气数据信息作为神经网络的输入数据，用于预警由于线路温度变化而引起的电气火灾。将处理后的数据与报警阀值对比，得出电气线路所处的状态，并进行可视化呈现，页面简单直观，便于掌握电气线路状态，减少电气火灾概率，提高电气安全性。

Description

一种基于机器学习的生物质料场电气火灾预警系统

技术领域

本发明涉及一种火灾监控系统领域，特别涉及一种基于机器学习的生物质料场电气火灾预警系统。

背景技术

生物质电厂用电情况复杂，工作环境恶劣，对料场管理人员的能力要求很高，稍有疏漏就有可能出现电气安全隐患。在现有电气火灾监控技术中，发明专利“一种火灾监控的配电柜系统”提供了一种针对临时施工的配电柜实施的一种电气火灾监控技术，给出了一种专门针对临时配电柜进行火灾电气监测的方法；发明专利“一种带电气火灾监控功能的电能表”提供了一种可检测电气线路温度、剩余电流的电气表，可防止电气火灾发生。但线路温度探测器的故障率高，后期维修保障不到位，容易出现线路温度升高而不报警的情况。

生物质料场中的燃料易燃，电气故障引起火灾的可能性大大增加，以上技术尚不能完全满足生物质料场火灾防控需求。

发明内容

本发明的目的在于至少部分地克服现有技术的缺陷，提供一种基于机器学习的生物质料场电气火灾预警系统。

本发明的目的还在于提供一种基于机器学习的生物质料场电气火灾预警系统，通过机器学习技术实现电气火灾提前预警，并不断提高电气火灾预警的精确性。

本发明的目的还在于提供一种基于机器学习的生物质料场电气火灾预警系统，通过监控生物质料场内电气线路上的各项电气参数，分析电气线路是否出现异常，从而总结出某种规律提前进行电气故障报警，能够有效的减少由于电气故障而引起的火灾。

本发明的目的还在于提供一种基于机器学习的生物质料场电气火灾预警系统，将每个监控探测器检测的数据分别作为训练后的神经网络的输入数据，利用运行后发生电气火灾数据进行更新，具有运用时间越久，预测电气火灾发生概率越准确的特性。

本发明的目的还在于提供一种基于机器学习的生物质料场电气火灾预警系统，智能管控平台是一个综合的管控平台，电气火灾预警系统可以结合视频监控、红外温度监控、火焰探测器、自动灭火系统等处理由于特殊原因造成的突发电气火灾，形成一套从电气火灾预防到发生后快速灭火的方法。

为达到上述目的或目的之一，本发明的技术解决方案如下：

一种基于机器学习的生物质料场电气火灾预警系统，包括移动终端、管控平台、电气火灾监控主机和监控探测器，其特征在于，所述移动终端和管控平台相连接，所述管控平台包括神经网络数据处理模块、数据存储模块、显示模块、控制模块和报警模块；所述管控平台连接有电气火灾监控主机；所述电气火灾监控主机连接有监控探测器；所述监控探测器连接有电流互感器、剩余电流互感器和环境温度传感器。

根据本发明的一个优选实施例，所述神经网络数据处理模块被配置为接收监控探测器传输的数据信息和对应线路位置信息，将每个监控探测器检测的数据分别作为神经网络数据处理模块的输入数据，得到发生电气火灾的概率，所述控制模块被配置为通过神经网络数据处理模块输出的数据与设定的阀值进行对比，分析每个监控探测器探测线路报警状态，并且所述显示模块被配置为将每个监控探测器监控的线路报警状态进行可视化呈现。

根据本发明的一个优选实施例，所述神经网络数据处理模块，通过以往电气火灾发生时监控探测器监测该线路的剩余电流值、电流值、环境温度值进行神经网络训练，得到一个预测电气火灾发生概率。

根据本发明的一个优选实施例，所述数据存储模块为Oracle、MicrosoftSQLServer、Mysql中的一种，所述数据存储模块存储的数据包括电气火灾监控主机传输的数据和经过神经网络数据处理模块处理后输出的数据。

根据本发明的一个优选实施例，所述监控探测器传输的数据包括电路的各种电气参数和所对应的电路位置信息。

根据本发明的一个优选实施例，所述报警模块对通过神经网络数据处理模块输出的电气火灾报警概率大于设定的阀值的线路进行报警。

根据本发明的一个优选实施例，所述显示模块根据通过神经网络数据处理模块处理后的每条线路发生电气火灾概率值在显示屏上进行显示。

根据本发明的一个优选实施例，所述监控探测器的线路状态分为三种：正常线路、报警线路、故障线路。

根据本发明的一个优选实施例，所述电气火灾监控主机与神经网络数据处理模块相连接，所述神经网络数据处理模块与数据存储模块相连接，所述数据存储模块分别与显示模块和控制模块相连接，所述控制模块与报警模块相连接。

根据本发明的一个优选实施例，所述神经网络数据处理模型可以接收多个电气火灾监控主机监测的电气数据，分别作为输入数据，得出电气火灾发生的概率。

根据本发明的一个优选实施例，所述神经网络数据处理模型运用时间越久，预测电气火灾发生概率越准确的特性。

根据本发明的一个优选实施例，所述显示模块主要是将各种数据进行可视化显示。

根据本发明的一个优选实施例，所述显示模块上的数据包含每个电路的位置信息、各电路对应发生电气火灾的概率、电气火灾监控主机监测的各种电气数据等。

根据本发明的一个优选实施例，所述默认显示页面显示的是每个电路发生电气火灾的概率，主要分为三个报警等级，正常线路、报警线路、故障线路。

根据本发明的一个优选实施例，所述监控探测器接收电流互感器、剩余电流互感器和环境温度传感器监测的电气参数，所述监控探测器监测的电气参数包括剩余电流值、电流值、环境温度值。

根据本发明的一个优选实施例，所述控制模块可以设置报警阀值。

根据本发明的一个优选实施例，所述接收监控探测器传输的各种电气数据作为训练后的神经网络的输入数据，输出电路发生电气火灾的概率，然后通过与设定报警阀值进行报警。

根据本发明的一个优选实施例，所述智能管控平台还包含视频监测系统、智能消防灭火系统、火焰探测系统等。

本发明的有益效果：本发明具有结构合理简单、生产成本低、安装方便，功能齐全，本发明目的是通过机器学习技术实现电气火灾提前预警，并不断提高电气火灾预警的精确性。随着物联网技术的不断发展，将各种数据信息通过物联网技术整合，然后进行数据处理，俨然成为一种新的应用方法。本发明是通过监控生物质料场内电气线路上的各项电气参数，根据电气参数的变化分析电气线路是否出现异常，从而总结出某种规律提前进行电气故障报警。各项电气参数作为神经网络的输入参数，输出发生电气火灾的概率并在智能管控一体化平台上进行可视化显示，并与设置的阀值进行对比，当发生电气火灾的可能性大于设定阀值时，就会发出预警，同时对电气火灾监控主机监测的各项数据进行保存，可以随时的调出查看。该方法对生物质电厂电气火灾防控，保证生物质电厂安全运行具有重要的意义。

附图说明

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明实施案例提供的电气火灾预警方法流程图；

图2为本发明实施案例提供的电气火灾监控设备的示意图。

具体实施方式

下面结合附图详细描述本发明的示例性的实施例，其中相同或相似的标号表示相同或相似的元件。另外，在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本披露实施例的全面理解。然而明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。在其他情况下，公知的结构和装置以图示的方式体现以简化附图。

如图1至图2所示，本具体实施方式采用以下技术方案：一种基于机器学习的生物质料场电气火灾预警系统，包括移动终端和管控平台，所述移动终端和管控平台相连接，所述管控平台包括神经网络数据处理模块、数据存储模块、显示模块、控制模块和报警模块；所述管控平台连接有电气火灾监控主机；所述电气火灾监控主机连接有监控探测器；所述监控探测器连接有电流互感器、剩余电流互感器和环境温度传感器。

其中，所述电气火灾预警系统流程如下：步骤一：接收监控探测器传输的数据信息和对应线路位置信息；步骤二：将每个监控探测器检测的数据分别作为神经网络数据处理模块的输入数据，得到发生电气火灾的概率；步骤三：通过神经网络数据处理模块输出的数据与设定的阀值进行对比，分析每个监控探测器探测线路报警状态；步骤四：将每个监控探测器监控的线路报警状态进行可视化呈现；所述神经网络数据处理模块，通过以往电气火灾发生时监控探测器监测该线路的剩余电流值、电流值、环境温度值进行神经网络训练，得到的一个预测电气火灾发生概率；所述数据存储模块为Oracle、MicrosoftSQLServer、Mysql中的一种，所述数据存储模块存储的数据包括电气火灾监控主机传输的数据和经过神经网络数据处理模块处理后输出的数据；所述报警模块通过神经网络数据处理模块输出的电气火灾报警概率大于设定的阀值的线路进行报警；所述显示模块通过神经网络数据处理模块处理后的每条线路发生电气火灾概率值在显示屏上进行显示；所述监控探测器的线路状态分为三种：正常线路、报警线路、故障线路；所述监控探测器接收各种互感器监测的电气参数，所述监控探测器主要监测的电气参数信息有剩余电流值、电流值、环境温度值；所述监控探测器传输的数据包括电路的各种电气参数和所对应的电路位置信息；所述电气火灾监控主机与神经网络数据处理模块相连接，所述神经网络数据处理模块与数据存储模块相连接，所述数据存储模块分别与显示模块和控制模块相连接，所述控制模块与报警模块相连接。

本发明的使用状态为：

图1给出了本发明实施案例提供的电气火灾预警方法流程图，图2给出具体实施案例的设备示意图。如图1所示，本发明提供的是一种基于机器学习的生物质料场电气火灾预警方法，所述方法包括：

步骤S101,接收监控探测器传输的数据信息和对应线路的位置信息。

具体的，如附图2所示电气火灾监控系统中，在电气火在监控末端由监控探测器和监控设备组成，监控设备是电流互感器、剩余电流互感器、故障电弧探测器、环境温度探测器等设备，它们由CAN总线与监控设备通信连接，将探测的数据传输给电气火灾监控主机。

步骤S102，将每个监控探测器检测的数据分别作为训练后的神经网络数据处理模型的输入数据，输出发生电气火灾的概率。

每个电气火灾监控主机将监控探测器检测的数据分别作为神经网络的输入数据，输出电气线路发生火灾的概率，将数据存储到数据库，同时将每个监控探测器监测的电气数据存储到数据库，供工作人员随时调用查看，数据库可选Oracle数据库。

步骤S103，通过神经网络输出的数据与设定的阀值进行对比，分析每个监控探测器监测线路的报警状态。

具体的线路状态包括三种：正常线路、报警线路、故障线路。报警线路指的是经过神经网络处理后得到线路发生电气火灾的概率超过了设定的阀值，主要针对的是由于某种原因引起线路温度逐渐上升进而引起的电气火灾。故障电路指的是由于突发原因而引起的电气故障。

步骤S104，将每个探测器监测线路所处的状态进行可视化显示。

通过可视化显示实现人机交互，默认显示页面为每条电气线路所处的状态，工作人员可以通过可视化显示页面随意调取监控探测器监测的电气数据。同时智能终端通过web功能可以访问数据库，能够及时将电气线路信息发送到智能终端。

监控探测器接收各种互感器监测的电气参数，主要监测的电气参数信息有剩余电流值、电流值、环境温度值；一台电气火灾监控主机可以接收多台监控探测器监测的电气参数和电路所对应的线路位置信息。

经过训练后的神经网络数据处理模型可以接收多个电气火灾监控主机监测的电气数据，分别作为输入数据，得出电气火灾发生的概率。该神经网络数据处理模型具有学习功能，具有运用时间越久，预测电气火灾发生概率越准确的特性。

数据存储模块为Oracle、MicrosoftSQLServer、Mysql中的一种。数据存储模块存储的数据包括监控探测器传输的数据和经过神经网络处理后输出的数据，监控探测器传输的数据包括电路的各种电气参数和所对应的电路位置信息。

显示模块主要是将各种数据进行可视化显示，这些数据包含每个电路的位置信息、各电路对应发生电气火灾的概率、电气火灾监控主机监测的各种电气数据等，这些数据可以被工作人员随时调出查看。默认显示页面显示的是每个电路发生电气火灾的概率，主要分为三个报警等级，正常线路、报警线路、故障线路。

通过计算机控制模块可以设置报警阀值，经过神经网络输出的数据与设置的报警阀值进行对比，判断出线路所处的状态，并在显示模块进行可视化显示，当数据超过设定的阀值时，控制模块控制报警模块进行报警，并将报警线路的位置信息传输到手机移动终端，在显示模块将该线路归为报警线路。

通过接收监控探测器传输的各种电气数据作为训练后的神经网络的输入数据，输出电路发生电气火灾的概率，然后通过与设定报警阀值进行报警。可以实现电气火灾提前预警的效果，可有效减小由于非突发性电气故障引起的电气火灾的概率。然后结合料场安全管控一体化平台上的视频监控、红外温度监控、火焰探测器、自动灭火系统，可以实现对突发性电气火灾进行有效的处理。

本发明的监控探测器连接有电流互感器、剩余电流互感器等监控设备，这些监控设备位于生物质料场的电气线路和装置的一线，直接探测电气线路和装置的电气参数，监控探测器距离这些监控设备较近，当现场发生火情时，本发明的电气火灾预警系统利用前述原理和方法确定是否发生真实的电气火灾，当判断发生火灾时，控制模块被配置为根据发生火灾的线路自动划定火场范围(关于如何划定火场范围后面会述及)，并将火场范围和该范围内的监控探测器显示在显示模块上，然后控制模块指示监控探测器进行火灾避险。

下面详细描述监控探测器的火灾避险，位于生物质料场中的监控探测器包括探测器主体、滑轮和电机，并且在生物质料场设置有固定轨道，监控探测器与电气火灾监控主机相连接的线路的一部分设置在滑轮和固定轨道之间，监控探测器与电流互感器、剩余电流互感器和环境温度传感器连接的线路不设置在滑轮和固定轨道之间，滑轮的旁侧设置有切割刀片；在生物质料场设置若干收集点，固定轨道的终端落在收集点处。当发生火情时，位于前述火场范围内的监控探测器在控制模块的指示下启动电机，电机致动滑轮沿既定的轨道路线向收集点行进，并且在行进过程中利用滑轮和固定轨道的夹持将二者之间的线路进行固定，在切割刀片的作用下降线路切断，以避免火势向电气火灾监控主机传递。

在收集点设置有集成的烟感器和消防喷头，当烟感器感测到一定浓度的烟气时消防喷头自动喷射灭火介质，因此，集中于收集点的一个或多个监控探测器如果已经着火可以迅速被扑灭，并且由于监控探测器与电气火灾监控主机的连接已经被切断，避免火势向电气火灾监控主机传递。

上述火场范围的确定是控制模块根据已经存储在其内部的存储器中的既定规则确定的，进一步地，控制模块在完成指示监控探测器进行火灾避险后，将已划定的火场范围以及火场范围内的监控探测器显示和标定在显示模块上，然后，在显示模块上显示比当前火场范围更大的火场范围，并指示报警模块发出提示音，提示操作人员是否扩大火场范围。操作人员可以在显示模块上选择扩大的火场范围或者重新圈定火场范围，然后控制模块指示在重新确定的火场范围内的监控探测器进行火灾避险。

当电气火灾预警系统监控到有新的线路发生火灾，控制模块被配置为响应该新的线路划定更新的火场范围，并指示更新的火场范围内的监控探测器进行火灾避险，在本发明的实施例中，火场范围是能够实时动态调整的，火场范围的确定可以结合设置在生物质料场的摄像头进行实施。

为保护本发明的电气火灾监控主机在火灾中免于损坏，本发明的电气火灾预警系统可以为电气火灾监控主机配置灭火或防火措施。作为一个优选的实施方式，在前述固定轨道上对应于电气火灾监控主机的位置分别设置触发器安装槽，灭火器的触发器可以安装在触发器安装槽内，并且灭火器的喷射口指向电气火灾监控主机，灭火器被配置为当触发器被破坏时灭火器的喷射口向外喷射灭火介质。采用本发明的该实施方案，当监控探测器进行火灾避险时，其滑轮在固定轨道上滚过，滑轮按压触发器出发灭火器工作，向电气火灾监控主机喷射灭火材料。

作为本发明的一个优选实施例，电气火灾预警系统还包括单独的输入模块和附加显示模块，该输入模块可以为手写板或操纵手柄，输入模块与控制模块连接，附加显示模块与电气火灾预警系统的控制模块通过无线连接，输入模块用于向电气火灾预警系统的数据存储模块写入数据，具体地，操作人员可以根据生物质料场的地理构造，通过输入模块画出可选的逃生路线和可选的灭火进入路线，并存储在数据存储模块中，附加显示模块用于显示可选的逃生路线和可选的灭火进入路线，附加显示模块可以设置在逃生出口处或生物质料场的入口处，附加显示模块可以设置多个，并且在生物质料场设置有多组烟感器，它们的位置预先存储在控制器的存储器中，监控探测器和电气火灾监控主机上分别设置有定位模块，控制模块根据生物质料场的布局、烟感器的反馈结果和监控探测器以及电气火灾监控主机的位置，规划出逃生路线和灭火进入路线，并发送给附加显示模块，在附加显示模块上显示出来。

该方法是建立在生物质料场智能一体化管控平台的基础上，智能管控平台还包含视频监测系统、智能消防灭火系统、火焰探测系统等。结合智能一体化管控平台可以实现更好的电气火灾预警及快速消防的效果。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于机器学习的生物质料场电气火灾预警系统，包括移动终端、管控平台、电气火灾监控主机和监控探测器，其特征在于，所述移动终端和管控平台相连接，所述管控平台包括神经网络数据处理模块、数据存储模块、显示模块、控制模块和报警模块；

所述管控平台连接有电气火灾监控主机；

所述电气火灾监控主机连接有监控探测器；

所述监控探测器连接有电流互感器、剩余电流互感器和环境温度传感器。

2.根据权利要求1所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于：

所述神经网络数据处理模块被配置为接收监控探测器传输的数据信息和对应线路位置信息，将每个监控探测器检测的数据分别作为神经网络数据处理模块的输入数据，得到发生电气火灾的概率，所述控制模块被配置为通过神经网络数据处理模块输出的数据与设定的阀值进行对比，分析每个监控探测器探测线路报警状态，并且所述显示模块被配置为将每个监控探测器监控的线路报警状态进行可视化呈现。

3.根据权利要求2所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述神经网络数据处理模块通过以往电气火灾发生时监控探测器监测该线路的剩余电流值、电流值、环境温度值进行神经网络训练，得到一个预测电气火灾发生概率。

4.根据权利要求3所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述数据存储模块为Oracle、MicrosoftSQLServer、Mysql中的一种，所述数据存储模块存储的数据包括电气火灾监控主机传输的数据和经过神经网络数据处理模块处理后输出的数据。

5.根据权利要求4所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述报警模块对通过神经网络数据处理模块输出的电气火灾报警概率大于设定的阀值的线路进行报警。

6.根据权利要求5所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述显示模块根据通过神经网络数据处理模块处理后的每条线路发生电气火灾概率值在显示屏上进行显示。

7.根据权利要求6所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述监控探测器的线路状态分为三种：正常线路、报警线路、故障线路。

8.根据权利要求7所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述监控探测器接收电流互感器、剩余电流互感器和环境温度传感器监测的电气参数，所述监控探测器监测的电气参数包括剩余电流值、电流值、环境温度值。

9.根据权利要求8所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述监控探测器传输的数据包括电路的各种电气参数和所对应的电路位置信息。

10.根据权利要求1-9所述的一种基于机器学习的生物质料场电气火灾预警系统，其特征在于，所述电气火灾监控主机与神经网络数据处理模块相连接，所述神经网络数据处理模块与数据存储模块相连接，所述数据存储模块分别与显示模块和控制模块相连接，所述控制模块与报警模块相连接。

Images