CN114330813A - 一种火灾报警探测器布置方法及系统 - Google Patents

一种火灾报警探测器布置方法及系统 Download PDF

Info

Publication number
CN114330813A
CN114330813A CN202111280719.1A CN202111280719A CN114330813A CN 114330813 A CN114330813 A CN 114330813A CN 202111280719 A CN202111280719 A CN 202111280719A CN 114330813 A CN114330813 A CN 114330813A
Authority
CN
China
Prior art keywords
fire alarm
equipment
cost
network
detector
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.)
Pending
Application number
CN202111280719.1A
Other languages
English (en)
Inventor
王亮
陈罕筠
张成炜
高献
张娜
李信红
陈卓琳
郭威
陈秉乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202111280719.1A priority Critical patent/CN114330813A/zh
Publication of CN114330813A publication Critical patent/CN114330813A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Fire Alarms (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及一种火灾报警探测器布置方法及系统，步骤S1：结合设备一次投资费用、设备运维检修成本和变电站设备停电损失成本构建全生命周期目标函数；步骤S2：以全生命周期目标函数为粒子适应度，以火灾报警设备接线网络熵函数和布置规则函数为约束条件，用粒子群算法进行寻优。本发明能够实现火灾报警探测器自动优化布置。

Description

一种火灾报警探测器布置方法及系统
技术领域
本发明涉及变电站安全领域，特别是一种火灾报警探测器布置方法及系统。
背景技术
变电站在运行过程中都有发生火灾的危险，比如说主变压器、电力电缆沟、控制电缆沟、电缆竖井、主控室、二次设备室、通信机房、直流屏柜室、蓄电池室、可燃介质电容器室、各级电压等级配电装置室等。这些不同的设备或露天布置或是敷设在变电站电缆沟管内或布置在变电站主控楼内，以上部位在具体运行过程中是引发火灾的最重要危险点。以上部位一旦发生火灾必将会对变电站乃至整个电网的安全稳定运行造成影响，对人民正常生活生产造成巨大损失，对企业造成巨大经济损失。
作为变电站智能辅助监控系统中的一个重要子系统，火灾报警系统对减少和预防火灾造成的危害，保护人民生命财产安全显得至关重要。
火灾报警探测器是变电站火灾报警系统中的重要设备，其主要作用是探测火灾的发生，并及时告警，将信号传送给变电站火灾报警主机。
目前，变电站火灾报警探测器的布置，主要是根据设计规范及变电站的总平布置图，由设计人员人工进行布置。
现有的火灾报警探测器布置方法会造成以下几点不足：
1、整个火灾报警系统的全生命周期成本过高；
2、整个火灾报警设备接线网络的抗干扰性差；
3、无法实现火灾报警探测器自动优化布置。
发明内容
有鉴于此，本发明的目的是提供一种基于多目标函数的火灾报警探测器布置方法及系统，实现火灾报警探测器自动优化布置。
本发明采用以下方案实现：一种基于多目标函数的火灾报警探测器布置方法，包括：
结合设备一次投资费用、设备运维检修成本和变电站设备停电损失成本构建全生命周期目标函数；
以全生命周期目标函数值为粒子适应度，确定不同的火灾报警探测器的布置样本对应的不同的粒子适应度，用粒子群算法对火灾报警探测器的布置方案进行粒子适应度寻优，找到火灾报警探测器的最优布置方案；其中，所述最优布置方案满足以火灾报警设备接线网络熵函数和布置规则函数构成的约束条件。
进一步地，所述构建的全生命周期目标函数为式(1)
LCC＝C1+C2+C3＝f(n1；n2；l)
(1)
C1为设备一次投资费用；C2为设备运维检修成本；C3为设备停电损失成本；
n1感温探测器数量；n2感烟探测器数量；l为电缆总敷设长度；
Figure BDA0003330624280000031
其中n＝n1+n2为火灾报警探测器总数，li为每个探测器所需的电缆敷设长度。
进一步地，一次投资成本包含设备的购买费、安装费和敷设费；
C1＝n1k1+n2k2+(n1+n2)k3+l(k4+k5)
k1为感温探测器单价；k2为感烟探测器单价；k3为火灾报警探测器安装费；k4为电缆单价；k5为单位长度的电缆敷设费用；n1k1+n2k2为探测器的购买费用；(n1+n2)k3为探测器的安装费用；l(k4+k5)为探测器的敷设费用。
进一步地，设备运维检修成本：
C2＝t×k6+t×s×C1
t为火灾报警探测器运行时长；t≤20年k6为电能损耗成本；s为每年维护费用占设备一次投资成本的比例；
进一步地，设备停电损失成本包括停电造成的断电成本和修复成本；
C3＝α×ω×T+λ×γ×m
α×ω×T为断电成本；λ×γ×m为修复成本；α为用户单位电量停电损失；ω为设备故障中断供电功率；T为设备年故障中断供电时间；λ为设备年平均故障数；
γ为故障设备平均修复成本；m为设备平均修复时间。
进一步地，所述构建约束条件的具体内容为：
将火灾报警设备接线网络作为一个网络，将火灾报警探测器作为网络的节点，将火灾报警探测器之间以及火灾报警探测器与火灾报警主机之间的连接作为复杂网络中的连边；
节点重要度α定义如下：
Figure BDA0003330624280000041
式中：n为网络中的节点数目，
Figure BDA0003330624280000042
为节点之间的平均最短路径dmin,ij是用边的数目表示的网络中任意两节点i和j之间的最短距离，V是网络中所有节点组成的集合；连边介数定义如下：
Figure BDA0003330624280000043
其中，k为连边编号，Nij为网络中任意两节点i和j之间的最短路径数目，
Figure BDA0003330624280000044
为网络中所有任意两节点之间的最短路径数目的总和；Nij(k)为网络中任意两节点i和j间最短路径经过连边k的次数，
Figure BDA0003330624280000045
为网络中所有任意两节点之间最短路径经过连边k的次数的总和；
以节点重要度和连边介数为基本元素，构建火灾报警设备接线网络熵函数：
Figure BDA0003330624280000046
Figure BDA0003330624280000047
设f(αij,Gij)为网络中任意两个节点及节点间的连边发生故障导致整个网络崩溃的概率；其中，
Figure BDA0003330624280000051
为网络节点重要度的平均值，G＝Gk，网络中连边总数为m，
Figure BDA0003330624280000052
为网络连边介数的平均值；
火灾报警设备接线网络熵函数为
Figure BDA0003330624280000053
设相邻的两个火灾报警探测器在水平面上投影的坐标分别为O1(x1，y1)和O2(x2，y2)；每个火灾报警探测器的保护半径为R，布置规则函数作为约束条件为：f(x1,y1,x2,y2)＝(x1-x2)2+(y1-y2)2≤(2R)2。
进一步地，步骤S2中所述用粒子群算法进行寻优具体包括以下步骤：
步骤S2中所述用粒子群算法进行寻优具体包括以下步骤：
步骤1：将变电站总平面布置区域离散化后形成的二维点坐标集合作为粒子群算法输入；
步骤2：根据总平面二维点坐标集合的输入，初始化粒子即火灾报警探测器布置的点坐标随机样本的集合，检查拓扑的连通性，连通性完好则进入步骤3，否则重新初始化；
步骤3：以全生命周期目标函数为粒子适应度对初始化的单个粒子进行迭代；
步骤4：当粒子演化达到最大迭代步数或满足适应值最小误差限，则找到最优粒子；
步骤5：判断迭代得到的最优粒子是否满足网络熵函数和布置规则约束函数构成的约束条件；
步骤6：若不满足，则本次迭代结果作废；重新进行粒子初始化，初始化后即为不同的粒子，也就是下一个粒子，确定重新从步骤2开始；若满足，则粒子演化结束，输出最优粒子，即完成火灾报警探测器自动优化布置。
本发明提供一种火灾报警探测器布置装置，包括全生命周期目标函数构建模块、约束条件构建模块和火灾报警探测器自动优化布置模块；所述全生命周期目标函数构建模块用于构建全生命周期目标函数；所述约束条件构建模块用于火灾报警设备接线网络熵函数和布置规则函数为约束条件完成约束条件构建；所述火灾报警探测器自动优化布置模块用于利用粒子群算法进行寻优实现火灾报警探测器自动优化布置。
本发明提供一种火灾报警探测器布置系统，包括存储器、处理器，所述存储器上存储有计算机程序，处理器在运行该计算机程序时能够实现如上文所述的方法步骤。
本发明提供一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序，处理器在运行该计算机程序时，执行如上文所述的方法步骤。
与现有技术相比，本发明具有以下有益效果：
(1)基于设备一次投资费用、设备运维检修成本和变电站设备停电损失成本的全生命周期最优；
(2)火灾报警系统设备接线网络的稳定性最优；
(3)满足火灾报警系统设备布置规则；
对变电站火灾报警系统设备进行自动优化布置。该方法及系统得到的火灾报警系统设备布置方案在整个火灾报警系统的全生命周期、设备接线网络的稳定性、布置效率等方面明显优于传统的布置方法。
附图说明
图1为本发明实施例的节点示意图。
图2为本发明实施例的连边介数计算示意图。
图3为本发明实施例的粒子群寻优流程图。
图4为本发明实施例的方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图4所示，本实施例提供一种火灾报警探测器布置方法，包括，
从设备全生命周期的角度出发，构建火灾报警系统全生命周期目标函数，以便在后期的寻优结果中可以得到全生命周期最优的火灾报警系统布置方案；
全生命周期理论主要是在保证设备自身性能和运作可靠性的基础上，考量设备从规划设计、设备采购，一直到后续维护修理、退役报废的各个步骤，立足于设备的长期经济效益，保证设备在整个生命周期中实现成本最小的一种管理方式。
首先要构建全生命周期目标函数的基本组成部分，防止对某些重要成本要素的忽略；
结合设备一次投资费用、设备运维检修成本和变电站设备停电损失成本构建全生命周期目标函数；
以全生命周期目标函数值为粒子适应度，确定不同的火灾报警探测器的布置样本对应的不同的粒子适应度，用粒子群算法对火灾报警探测器的布置方案进行粒子适应度寻优，找到火灾报警探测器的最优布置方案；其中，所述最优布置方案满足以火灾报警设备接线网络熵函数和布置规则函数构成的约束条件。
在本实施例中，构建全生命周期目标函数：
全生命周期成本，由设备一次投资成本、设备运维检修成本、设备停电损失成本构成；所述构建的全生命周期目标函数为式(1)
LCC＝C1+C2+C3＝f(n1；n2；l) (1)
C1为设备一次投资费用；C2为设备运维检修成本；C3为设备停电损失成本；
n1感温探测器数量；n2感烟探测器数量；l为电缆总敷设长度；
Figure BDA0003330624280000091
其中n＝n1+n2为火灾报警探测器总数，li为每个探测器所需的电缆敷设长度。
在本实施例中，一次投资成本包含设备的购买费、安装费和敷设费；
C1＝n1k1+n2k2+(n1+n2)k3+l(k4+k5)
k1为感温探测器单价；k2为感烟探测器单价；k3为火灾报警探测器安装费；k4为电缆单价；k5为单位长度的电缆敷设费用；n1k1+n2k2为探测器的购买费用；(n1+n2)k3为探测器的安装费用；l(k4+k5)为探测器的敷设费用。
在本实施例中，设备运维检修成本是指设备投入运行后，为保证安全运行必须对其进行检修和维护，在这一阶段所产生的费用称为设备的运维检修成本。
运维检修成本包括设备的巡视、消缺及检修三个部分的运维费用以及设备消耗的电能费用等。
C2＝t×k6+t×s×C1
t为火灾报警探测器运行时长；t≤20年k6为电能损耗成本；s为每年维护费用占设备一次投资成本的比例；
在本实施例中，目前，变电站一般为无人值守模式，需要定期派专人巡检。一旦出现不利于设备正常运行的故障时，就会影响配电系统正常运行。如果火灾报警探测设备配置不够，安全隐患不能及时获知并立即处理时，就有可能损坏电气设备，造成严重后果。
设备停电损失成本包括停电造成的断电成本和修复成本；
C3＝α×ω×T+λ×γ×m
α×ω×T为断电成本；λ×γ×m为修复成本；α为用户单位电量停电损失；ω为设备故障中断供电功率；T为设备年故障中断供电时间；λ为设备年平均故障数；
γ为故障设备平均修复成本；m为设备平均修复时间。
在本实施例中，一个常规的220kV枢纽变电站的火灾报警系统中，单单火灾报警探测器通常就要布置100只以上。因此，庞大的火灾报警设备接线网络可以看成是一个复杂网络。火灾报警探测器可以看成是复杂网络的节点。火灾报警探测器之间以及火灾报警探测器与火灾报警主机之间的连接可以看成是复杂网络中的连边。
从复杂网络理论出发，构建网络稳定性评价目标函数，以便在后期的寻优结果中可以得到最优的视频监控系统布置方案。
在本实施例中，约束条件的具体内容为：
将火灾报警设备接线网络作为一个网络，将火灾报警探测器作为网络的节点，将火灾报警探测器之间以及火灾报警探测器与火灾报警主机之间的连接作为复杂网络中的连边；
计算节点重要度：节点重要度是研究复杂网络拓扑结构的基本参数，用于描述在网络中节点所产生的直接影响力，其值为与该节点直接相连的节点数；
下面以图1所示网络为例，节点9的节点重要度是8。
节点重要度α定义如下：
Figure BDA0003330624280000111
式中：n为网络中的节点数目，
Figure BDA0003330624280000112
为节点之间的平均最短路径dmin,ij是用边的数目表示的网络中任意两节点i和j之间的最短距离，V是网络中所有节点组成的集合；从定义可以看出，若节点处在网络的枢纽位置，其重要性就愈高。
连边的介数也是研究复杂网络拓扑结构的基本参数。它是指该连边被网络中所有节点之间最短路径经过的次数，能够反映该连边对网络影响的重要程度。
连边介数定义如下：
Figure BDA0003330624280000113
其中，k为连边编号，Nij为网络中任意两节点i和j之间的最短路径数目，
Figure BDA0003330624280000114
为网络中所有任意两节点之间的最短路径数目的总和；Nij(k)为网络中任意两节点i和j间最短路径经过连边k的次数，
Figure BDA0003330624280000115
为网络中所有任意两节点之间最短路径经过连边k的次数的总和；如图2所示；
在追求最优的布置时，我们不希望网络中出现节点重要度远远高于其他节点，以至于某个关键的节点一旦损坏就会给整个网络带来不可估量的后果。同样的，我们不希望网络中出现某个连边的介数远远高于其他连边，以至于某个关键的连边一旦损坏就会给整个网络带来不可估量的后果。
以节点重要度和连边介数为基本元素，构建火灾报警设备接线网络熵函数：
Figure BDA0003330624280000121
Figure BDA0003330624280000122
设f(αij,Gij)为网络中任意两个节点及节点间的连边发生故障导致整个网络崩溃的概率；其中，
Figure BDA0003330624280000123
为网络节点重要度的平均值，G＝Gk，网络中连边总数为m，
Figure BDA0003330624280000124
为网络连边介数的平均值；
火灾报警设备接线网络熵函数为
Figure BDA0003330624280000125
该网络熵函数值越小，网络越稳定。
设相邻的两个火灾报警探测器在水平面上投影的坐标分别为O1(x1，y1)和O2(x2，y2)；每个火灾报警探测器的保护半径为R，布置规则函数作为约束条件为：f(x1,y1,x2,y2)＝(x1-x2)2+(y1-y2)2≤(2R)2。
在本实施例中，以全生命周期目标函数为粒子适应度，以火灾报警设备接线网络的抗干扰性和布置规则函数为约束条件，用粒子群算法进行寻优，得出火灾报警探测器自动优化布置方法。
如图3所示，步骤S2中所述用粒子群算法进行寻优具体包括以下步骤：
步骤1：将变电站总平面布置区域离散化后形成的二维点坐标集合作为粒子群算法输入；
步骤2：根据总平面二维点坐标集合的输入，初始化粒子即火灾报警探测器布置的点坐标随机样本的集合，检查拓扑的连通性，连通性完好则进入步骤3，否则重新初始化；
步骤3：以全生命周期目标函数为粒子适应度对初始化的粒子进行迭代；
步骤4：当粒子演化达到最大迭代步数或满足适应值最小误差限，则找到最优粒子；
步骤5：判断迭代得到的最优粒子是否满足网络熵函数和布置规则约束函数构成的约束条件；
步骤6：若不满足，则本次迭代结果作废；重新进行粒子初始化，初始化后即为不同的粒子，也就是下一个粒子，确定重新从步骤2开始；若满足，则粒子演化结束，输出最优粒子，即完成火灾报警探测器自动优化布置。
本实施例提供一种火灾报警探测器布置装置，包括全生命周期目标函数构建模块、约束条件构建模块和火灾报警探测器自动优化布置模块；所述全生命周期目标函数构建模块用于构建全生命周期目标函数；所述约束条件构建模块用于火灾报警设备接线网络熵函数和布置规则函数为约束条件完成约束条件构建；所述火灾报警探测器自动优化布置模块用于利用粒子群算法进行寻优实现火灾报警探测器自动优化布置。
本实施例提供一种火灾报警探测器布置系统，包括存储器、处理器，所述存储器上存储有计算机程序，处理器在运行该计算机程序时能够实现如上文所述的方法步骤。
本实施例还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序，处理器在运行该计算机程序时，执行上文所述的方法步骤。
较佳的，本实施例结合设备一次投资费用、设备运维检修成本和变电站设备停电损失成本构建全生命周期目标函数；
以全生命周期目标函数值为粒子适应度，不同的火灾报警探测器的布置样本对应不同的粒子适应度，粒子适应度最优的样本必须满足以火灾报警设备接线网络熵函数和布置规则函数构成的约束条件，用粒子群算法对火灾报警探测器的布置方案进行寻优，找到火灾报警探测器最优布置样本，作为火灾报警探测器的最优布置方案。
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。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (10)

1.一种火灾报警探测器布置方法，其特征在于：包括：
结合设备一次投资费用、设备运维检修成本和变电站设备停电损失成本构建全生命周期目标函数；
以全生命周期目标函数值为粒子适应度，确定不同的火灾报警探测器的布置样本对应的不同的粒子适应度，用粒子群算法对火灾报警探测器的布置方案进行粒子适应度寻优，找到火灾报警探测器的最优布置方案；其中，所述最优布置方案满足以火灾报警设备接线网络熵函数和布置规则函数构成的约束条件。
2.根据权利要求1所述的一种火灾报警探测器布置方法，其特征在于：所述构建的全生命周期目标函数为式(1)
LCC＝C1+C2+C3＝f(n1；n2；l) (1)
C1为设备一次投资费用；C2为设备运维检修成本；C3为设备停电损失成本；
n1感温探测器数量；n2感烟探测器数量；l为电缆总敷设长度；
Figure FDA0003330624270000011
其中n＝n1+n2为火灾报警探测器总数，li为每个探测器所需的电缆敷设长度。
3.根据权利要求2所述的一种火灾报警探测器布置方法，其特征在于：一次投资成本包含设备的购买费、安装费和敷设费；
C1＝n1k1+n2k2+(n1+n2)k3+l(k4+k5)
k1为感温探测器单价；k2为感烟探测器单价；k3为火灾报警探测器安装费；k4为电缆单价；k5为单位长度的电缆敷设费用；
n1k1+n2k2为探测器的购买费用；(n1+n2)k3为探测器的安装费用；l(k4+k5)为探测器的敷设费用。
4.根据权利要求2所述的一种火灾报警探测器布置方法，其特征在于：设备运维检修成本：
C2＝t×k6+t×s×C1
t为火灾报警探测器运行时长，t≤20年；k6为电能损耗成本；s为每年维护费用占设备一次投资成本的比例。
5.根据权利要求2所述的一种火灾报警探测器布置方法，其特征在于：
设备停电损失成本包括停电造成的断电成本和修复成本；
C3＝α×ω×T+λ×γ×m
α×ω×T为断电成本；λ×γ×m为修复成本；α为用户单位电量停电损失；ω为设备故障中断供电功率；T为设备年故障中断供电时间；λ为设备年平均故障数；γ为故障设备平均修复成本；m为设备平均修复时间。
6.根据权利要求1所述的一种火灾报警探测器布置方法，其特征在于：所述约束条件的具体内容为：
将火灾报警设备接线作为一个网络，将火灾报警探测器作为网络的节点，将火灾报警探测器之间以及火灾报警探测器与火灾报警主机之间的连接作为网络中的连边；
节点重要度α定义如下：
Figure FDA0003330624270000021
式中：n为网络中的节点数目，
Figure FDA0003330624270000031
为节点之间的平均最短路径dmin,ij是用边的数目表示的网络中任意两节点i和j之间的最短距离，V是网络中所有节点组成的集合；
连边介数定义如下：
Figure FDA0003330624270000032
其中，k为连边编号，Nij为网络中任意两节点i和j之间的最短路径数目，
Figure FDA0003330624270000033
为网络中所有任意两节点之间的最短路径数目的总和；Nij(k)为网络中任意两节点i和j间最短路径经过连边k的次数，
Figure FDA0003330624270000034
为网络中所有任意两节点之间最短路径经过连边k的次数的总和；
以节点重要度和连边介数为基本元素，构建火灾报警设备接线网络熵函数：
Figure FDA0003330624270000035
Figure FDA0003330624270000036
f(αij,Gij)为网络中任意两个节点及节点间的连边发生故障导致整个网络崩溃的概率；其中，
Figure FDA0003330624270000037
为网络节点重要度的平均值，G＝Gk，网络中连边总数为m，
Figure FDA0003330624270000038
为网络连边介数的平均值；
火灾报警设备接线网络熵函数为
Figure FDA0003330624270000041
设相邻的两个火灾报警探测器在水平面上投影的坐标分别为O1(x1，y1)和O2(x2，y2)；每个火灾报警探测器的保护半径为R，布置规则函数作为约束条件为：f(x1,y1,x2,y2)＝(x1-x2)2+(y1-y2)2≤(2R)2。
7.根据权利要求1所述的一种火灾报警探测器布置方法，其特征在于：步骤S2中所述用粒子群算法进行寻优具体包括以下步骤：
步骤1：将变电站总平面布置区域离散化后形成的二维点坐标集合作为粒子群算法输入；
步骤2：根据总平面二维点坐标集合的输入，初始化粒子即火灾报警探测器布置的点坐标随机样本的集合，检查拓扑的连通性，连通性完好则进入步骤3，否则重新初始化；
步骤3：以全生命周期目标函数为粒子适应度对初始化的单个粒子进行迭代；
步骤4：当粒子演化达到最大迭代步数或满足适应值最小误差限，则找到最优粒子；
步骤5：判断迭代得到的最优粒子是否满足网络熵函数和布置规则约束函数构成的约束条件；
步骤6：若不满足，则本次迭代结果作废；重新进行粒子初始化，初始化后即为不同的粒子，也就是下一个粒子，确定重新从步骤2开始；若满足，则粒子演化结束，输出最优粒子，即完成火灾报警探测器自动优化布置。
8.一种火灾报警探测器布置装置，其特征在于：包括全生命周期目标函数构建模块、约束条件构建模块和火灾报警探测器自动优化布置模块；所述全生命周期目标函数构建模块用于构建全生命周期目标函数；所述约束条件构建模块用于火灾报警设备接线网络熵函数和布置规则函数为约束条件完成约束条件构建；所述火灾报警探测器自动优化布置模块用于利用粒子群算法进行寻优实现火灾报警探测器自动优化布置。
9.一种火灾报警探测器布置系统，其特征在于：包括存储器、处理器，所述存储器上存储有计算机程序，处理器在运行该计算机程序时能够实现如权利要求1至7任一项所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有能够被处理器运行的计算机程序，处理器在运行该计算机程序时，执行如权利要求1-7任一项中所述的方法步骤。
CN202111280719.1A 2021-10-31 2021-10-31 一种火灾报警探测器布置方法及系统 Pending CN114330813A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111280719.1A CN114330813A (zh) 2021-10-31 2021-10-31 一种火灾报警探测器布置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111280719.1A CN114330813A (zh) 2021-10-31 2021-10-31 一种火灾报警探测器布置方法及系统

Publications (1)

Publication Number Publication Date
CN114330813A true CN114330813A (zh) 2022-04-12

Family

ID=81045290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111280719.1A Pending CN114330813A (zh) 2021-10-31 2021-10-31 一种火灾报警探测器布置方法及系统

Country Status (1)

Country Link
CN (1) CN114330813A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454496A (zh) * 2023-12-25 2024-01-26 合肥坤颐建筑科技合伙企业(有限合伙) 消防广播布置方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004334760A (ja) * 2003-05-12 2004-11-25 Shimizu Corp 火災リスク評価システムおよび火災リスク評価方法
CN103226886A (zh) * 2013-04-16 2013-07-31 哈尔滨工程大学 一种确定船舶火灾自动报警系统关键子系统建模方法
CN105975991A (zh) * 2016-05-18 2016-09-28 浙江工业大学 一种改进的极限学习机的火灾种类识别方法
KR20190078687A (ko) * 2017-12-13 2019-07-05 셀로코주식회사 인공지능을 이용한 화재경보 시스템
WO2021057839A1 (zh) * 2019-09-25 2021-04-01 青鸟消防股份有限公司 温度探测器、感温火灾探测系统及其布置方法、控制方法
CN113053053A (zh) * 2021-03-01 2021-06-29 淮阴工学院 基于粒子群优化的区间论证多传感器融合的灾难蜂窝报警联动系统
CN113223264A (zh) * 2021-05-08 2021-08-06 南通理工学院 基于qpso-bp神经网络的火灾智能预警系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004334760A (ja) * 2003-05-12 2004-11-25 Shimizu Corp 火災リスク評価システムおよび火災リスク評価方法
CN103226886A (zh) * 2013-04-16 2013-07-31 哈尔滨工程大学 一种确定船舶火灾自动报警系统关键子系统建模方法
CN105975991A (zh) * 2016-05-18 2016-09-28 浙江工业大学 一种改进的极限学习机的火灾种类识别方法
KR20190078687A (ko) * 2017-12-13 2019-07-05 셀로코주식회사 인공지능을 이용한 화재경보 시스템
WO2021057839A1 (zh) * 2019-09-25 2021-04-01 青鸟消防股份有限公司 温度探测器、感温火灾探测系统及其布置方法、控制方法
CN113053053A (zh) * 2021-03-01 2021-06-29 淮阴工学院 基于粒子群优化的区间论证多传感器融合的灾难蜂窝报警联动系统
CN113223264A (zh) * 2021-05-08 2021-08-06 南通理工学院 基于qpso-bp神经网络的火灾智能预警系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
尚胜美: "FPSO火焰探测器的优化布置研究", 中国优秀硕士学位论文全文数据库工程科技Ⅰ辑, 15 July 2016 (2016-07-15) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454496A (zh) * 2023-12-25 2024-01-26 合肥坤颐建筑科技合伙企业(有限合伙) 消防广播布置方法、装置、设备及存储介质
CN117454496B (zh) * 2023-12-25 2024-03-22 合肥坤颐建筑科技合伙企业(有限合伙) 消防广播布置方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107506854B (zh) 一种考虑差异化场景的220kV电网网架结构规划方法
Lu et al. Robust optimal design of renewable energy system in nearly/net zero energy buildings under uncertainties
Cai et al. A framework for the reliability evaluation of grid-connected photovoltaic systems in the presence of intermittent faults
CN109617134B (zh) 计及不确定量预测误差时空相关性的鲁棒机组组合方法
Yan et al. A multi-level energy performance diagnosis method for energy information poor buildings
Li et al. Experimental validation of the simulation module of the water-cooled variable refrigerant flow system under cooling operation
WO2012162360A2 (en) Simulation based fault diagnosis using extended heat flow models
JP7085336B2 (ja) 電力分配マイクログリッドを制御する方法
CN111082749B (zh) 光伏组串运行状态的识别方法、装置及存储介质
Amin et al. Performance analysis of an experimental smart building: Expectations and outcomes
CN114330813A (zh) 一种火灾报警探测器布置方法及系统
Zhao et al. Reliability evaluation of community integrated energy systems based on fault incidence matrix
Sun et al. Application and evaluation of a pattern-based building energy model calibration method using public building datasets
Hemmati et al. Identification of cyber-attack/outage/fault in zero-energy building with load and energy management strategies
Maile et al. A method to compare measured and simulated data to assess building energy performance
WO2022227679A1 (zh) 基于概率安全分析的核电厂电缆防火保护选取方法及装置
Kasza et al. Risk analysis about lightning protection for buildings focusing on risk of loss of human life
Dong et al. Development and calibration of a reduced-order energy performance model for a mixed-use building
Deng et al. Evaluation of deploying data-driven predictive controls in buildings on a large scale for greenhouse gas emission reduction
CN111429299B (zh) 一种预想故障集生成方法、系统及存储介质
Papic et al. Overview of common mode outages in power systems
Xu et al. Resilience enhancement of distribution networks based on demand response under extreme scenarios
CN110797906B (zh) 风电基地最大装机容量的确定方法、装置及存储介质
Mongiovì et al. A New Efficient Method for Evaluating the Level of Coverage of Distributed Monitoring Systems, supporting the recent European Standard EN17267 for Energy Efficiency
WO2020181377A1 (en) Systems, methods, and computer systems for enabling a private utility

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