CN114613110A - 基于消防物联网的消防水系统故障检测预警系统及方法 - Google Patents

Abstract

本发明提出了一种基于消防物联网的消防水系统故障检测预警系统及方法，实现对建筑物内的消防水系统单点的实时故障以及健康水平进行实时监控，综合考虑物联网水系统中单点处的历史数据以及实时数据的关系，能够有效快速地发现各个水系统单点可能发生的故障问题并给出警报或者预警；根据算法的结果反馈，能够帮助建筑单位快速锁定消防水系统中需要提升的方面，有助于社会单位进行消防水系统安全风险自查自改，有助于消防监督部门监督执法，有助于降低各建筑单位的消防水系统在灭火时的故障发生率，有助于提高社会单位消防自救能力，有助于提高政府监管部门对各个建筑单位的消防水系统安全水平的实时监管能力。

Description

基于消防物联网的消防水系统故障检测预警系统及方法

技术领域

本发明涉及消防设备检测预警领域，特别是涉及一种基于消防物联网数据的消防水系统故障检测与预警系统。

背景技术

随着居民安全意识的提升，对于消防安全水平也愈发重视。为了提高地区消防安全水平，通常会就地设置消防水系统以及其他消防设施，便于消防人员或群众快速获取消防设备和资源，第一时间完成灭火工作。由于消防设施的使用特殊性，要求消防设施保持能够使用的状态，因此对于消防设施的故障检测和预警极其重要。其中对灭火器等设备一类的消防设施，能够通过定期更换设备，有效避免故障等问题，但是对于消防水系统，难以进行更换，还存在大量隐患，包括漏压、过压、漏液、管体破裂等，另一方面，根据火灾调查报告的数据显示，消防水系统设备的运行健康情况对灭火效果起到了极其关键的作用，因此需要对其进行检测。

在现有的方法中，通常采用相关的消防维保工作人员对消防水系统定期进行故障检测与健康状况监督，包括人工抽样、统计和分析检查等方式，这样的方法存在如下弊端：其一，消防维保工作人员的定期、抽样检查，难以确保消防水系统在每个单点处的实时性能；其二，检测数据由人员记录并上传，数据量小，缺少系统化的检测评估和预警过程；其三，由人工核查，数据收集的效率低下，且容易出现舞弊现象。

另外，在目前的消防水系统中，虽然在水系统中安装了大量用于检测各重要节点液位液压数值的物联设备，但是这些数据通常仅用于辅助维保人员判断水系统是否正常，各个设备的实时数据和历史数据所包含的信息并没有被充分的利用。另一方面，通过火灾调查报告的数据，不难发现，消防水系统设备的运行健康情况对灭火效果起到了极其关键的作用。因此，基于消防物联网数据，实现实时地、自动化地消防水系统故障检测与预警，对于建筑单位提高消防水系统的健康水平，增强水系统扑灭火灾能力，帮助安全责任人进行日常运维是十分重要的。

发明内容

本发明的目的是解决现有技术的不足，提供一种基于消防物联网数据的消防水系统故障检测与预警系统。

为了解决上述问题，本发明采用如下技术方案：

一种基于消防物联网的消防水系统故障检测预警方法，包括如下步骤：

步骤1：检测传感器获取自身采集的模拟量数据，并单向传输至边缘计算网关；

步骤2：边缘计算网关接收检测传感器采集的数据；

步骤3：边缘计算网关根据X Control Chart方法，对于检测数据所对应的单点部位是否发生故障进行判断；

步骤4：边缘计算网关获取传感器采集的历史数据，基于CUSUM Control Chart方法对数据进行分析，完成风险预警；

步骤5：将故障判断结果以及风险预警结果，通过通信方式发送到接收的设备上，其中接收的设备包括手机、电脑以及物联网数据中心；

步骤6：物联网数据中心接收数据并进行存储。

进一步的，所述步骤3中，对单点部位的故障判断，首先需要获取单点部位在正常状态下的历史数据集X_IC，X_IC＝{X₁,X₂,X₃,…,X_n}；根据历史数据集X_IC获得均值数据

表示为：

根据均值数据

以及历史数据集X_IC，获得样本标准差σ为：

根据样本标准差，获得上界限UCL_s以及下界限LCL_s，上界限LCL_s和下界限LCL_s表示为：

其中，参数t_n-1,α代表Student t分布在自由度为n-1，Ⅰ型误差为α时的临界值；根据获得的上界限UCL_s以及下界限LCL_s对当前数据X进行分析。

进一步的，所述α设置为2.5％。

进一步的，所述根据获得的上界限UCL_s以及下界限LCL_s对当前数据X进行分析的过程包括：若LCL_s≤X≤UCL_s,则认为该模拟量的数据是正常的，进而推断该点处的消防水系统的工作状态是正常的；若LCL_s≥X,从统计意义上，认为该模拟量的数据低于历史数据，则推断该点处的消防水系统出现了漏压、欠压、泄露情况；若UCL_s≤X,从统计意义上，认为该模拟量的数据高于历史数据，则推断该点处的消防水系统出现了过压情况。

进一步的，所述步骤4中，基于CUSUM Control Chart方法完成风险预警的过程包括：首先获得正常状态的历史数据集X_IC＝{X₁,X₂,X₃,…,X_n}，并计算其均值数据

为了判断传感器采集的模拟量数据的平均值是否存在增加的趋势，做出如下假设：

H₀：检测传感器采集的数据平均值为μ₀，

H₁：检测传感器采集的数据平均值为μ₁，(μ₁>μ₀)；

对于当新的时间段t内的模拟量数据集X_T＝{X_T1,X_T2,X_T3,…,X_Tt}，定义变量

来衡量模拟量数据集X_T中的数据与平均值μ₀之间的差距：

其中，Δ₁＝μ₁-μ₀；为了检测在时间段t内的模拟量数据集X_T的均值变化情况，以预测未来均值增大的趋势，计算上界限二UCL_CUSUM以及下界限二LCL_CUSUM，表示为：

其中，α和β为设定值；根据上界限二UCL_CUSUM以及下界限二LCL_CUSUM，判断模拟数据集X_T的均值是否存在增大趋势。

进一步的，所述步骤4中，为了判断传感器采集的模拟量数据的平均值是否存在降低的趋势，做出如下假设：

H₀：检测传感器采集的数据平均值为μ₀，

H₂：检测传感器采集的数据平均值为μ₂，(μ₂<μ₀)；

对于新的时间段t内的模拟量数据集X_T＝{X_T1,X_T2,X_T3,…,X_Tt}，定义变量

来衡量模拟量数据集X_T中的数据与平均值μ₀之间的差距：

其中，Δ₂＝μ₂-μ₀；为了检测在时间段t内的模拟量数据集X_T的均值变化情况，以预测未来均值降低的趋势，计算上界限三UCL_CUSUM以及下界限三LCL_CUSUM，表示为：

其中，α和β为设定值，α为I型误差，β为II型误差；根据上界限三UCL_CUSUM以及下界限三LCL_CUSUM，判断模拟数据集X_T的均值是否存在降低趋势。

一种基于消防物联网的消防水系统故障检测预警系统，所述系统基于上述的方法，所述系统包括检测传感器、边缘计算网关以及物联网数据中心；其中检测传感器设置于消防水系统；边缘计算网关与若干检测传感器连接，能够接收检测传感器检测的实时数据；边缘计算网关还与物联网数据中心连接。

进一步的，所述消防水系统包括自动喷水灭火系统、泡沫灭火系统、消防水池和水箱以及管道，消防水池和水箱通过管道与自动喷水灭火系统、泡沫灭火系统相连接。

进一步的，所述检测传感器包括液压传感器、液位传感器，其中液压传感器设置于管道的汇接、拐角部位；液位传感器设置于消防水池和水箱部位。

进一步的，所述边缘网关包括存储模块、处理模块以及通信模块；处理模块用于处理检测传感器采集的数据；通信模块用于连接物联网数据中心以及外部设备；存储模块用于存储检测传感器采集的检测数据。

本发明的有益效果为：

通过对消防水系统中单点处的水压、水位等数据进行采集，并将采集的数据传输至边缘计算网关，由边缘计算网关将数据统一上传，形成系统化的自动检测布局，提高对消防水系统的实时监管以及复查水平，有效保障消防水系统正常运行；

通过X Control Chart方法对消防水系统的单点进行故障检测，并基于CUSUMControl Chart方法对消防水系统单点进行预警，及时地向业主或有关部分反馈水系统中可能出现的故障，并对潜在的问题提前进行预警，提高消防水平，保障社会安全。

附图说明

图1为本发明实施例一的系统连接示意图；

图2为本发明实施例一中通过X Control Chart方法检测的结果示意图；

图3为本发明实施例一中通过CUSUM Control Chart方法预测增大趋势的结果示意图一；

图4为本发明实施例一中通过CUSUM Control Chart方法预测增大趋势的结果示意图二。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

实施例一：

如图1所示，一种基于消防物联网的消防水系统故障检测预警系统，包括检测传感器、边缘计算网关以及物联网数据中心；其中检测传感器设置于消防水系统；边缘计算网关与若干检测传感器连接，能够接收检测传感器检测的实时数据；边缘计算网关还与物联网数据中心连接。

所述消防水系统包括自动喷水灭火系统、泡沫灭火系统、消防水池和水箱以及管道，消防水池和水箱通过管道与自动喷水灭火系统、泡沫灭火系统相连接，实现将消防水池和水箱中的储水运输到建筑中的各处部位。

所述检测传感器包括液压传感器、液位传感器，其中液压传感器设置于管道的汇接、拐角等部位，这个管道部位对于整个消防水系统具备重要意义，并且容易出现隐患；在本例中液压传感器的设置部位还包括楼层末端试水装置部位。液位传感器设置于消防水池和水箱部位。

所述边缘网关包括存储模块、处理模块以及通信模块；处理模块用于处理检测传感器采集的数据；通信模块用于连接物联网数据中心以及外部设备，比如手机、电脑、平板电脑等；存储模块用于存储检测传感器采集的检测数据。

一种基于消防物联网的消防水系统故障检测预警方法，包括如下步骤：

步骤1：检测传感器获取自身采集的模拟量数据，并单向传输至边缘计算网关；

步骤2：边缘计算网关接收检测传感器采集的数据，包括液位、液压数据；

步骤3：边缘计算网关根据设定算法，对于检测数据所对应的单点部位是否发生故障进行判断；

步骤4：边缘计算网关获取该传感器采集的历史数据，根据设定算法对数据进行分析，完成单点风险预警；

步骤5：将故障判断结果以及风险预警结果，通过通信方式发送到接收的设备上，其中接收的设备包括手机、电脑以及物联网数据中心；通信方式包括4G/5G、无线网络等；

步骤6：物联网数据中心接收数据并进行存储。

所述步骤3中，设定算法为X Control Chart方法，其中对单点部位的故障判断，首先需要获取单点部位在正常状态下的历史数据集X_IC，X_IC＝{X₁,X₂,X₃,…,X_n}；根据历史数据集X_IC获得均值数据

表示为：

根据均值数据

以及历史数据集X_IC，获得样本标准差σ为：

根据样本标准差，获得上界限UCL_s以及下界限LCL_s，上界限LCL_s和下界限LCL_s表示为：

其中，参数t_n-1,α代表Student t分布在自由度为n-1，Ⅰ型误差(Type I error)为α时的临界值；在本例中α设置为2.5％。

根据获得的上界限UCL_s以及下界限LCL_s对当前数据X进行分析：若LCL_s≤X≤UCL_s,则认为该模拟量的数据是正常的，进而推断该点处的消防水系统的工作状态是正常的；若LCL_s≥X,从统计意义上，认为该模拟量的数据低于历史数据，则推断该点处的消防水系统出现了漏压、欠压、泄露等情况；若UCL_s≤X,从统计意义上，认为该模拟量的数据高于历史数据，则推断该点处的消防水系统出现了过压情况。

所述步骤4中，设定算法为CUSUM Control Chart方法，其中风险预警的过程包括：

首先获得正常状态的历史数据集X_IC＝{X₁,X₂,X₃,…,X_n}，以及均值数据

为了判断传感器采集的模拟量数据的平均值是否存在增加的趋势，做出如下假设：

H₀：检测传感器采集的数据平均值为μ₀，

H₁：检测传感器采集的数据平均值为μ₁，(μ₁>μ₀)；

对于新的时间段t内，由所有检测传感器采集的模拟量数据集X_T＝{X_T1,X_T2,X_T3,…,X_Tt}，在本例中为当前时刻所采集的最新的时间段t内的模拟量数据，定义变量

来衡量模拟量数据集X_T中的数据与平均值μ₀之间的差距：

其中，Δ₁＝μ₁-μ₀；为了检测在时间段t内的模拟量数据集X_T的均值变化情况，以预测未来均值增大的趋势，计算上界限二UCL_CUSUM以及下界限二LCL_CUSUM，表示为：

其中，α和β为设定值，α为I型误差，β为II型误差；根据上界限二UCL_CUSUM以及下界限二LCL_CUSUM，判断模拟数据集X_T的均值是否存在增大趋势，其中：若

判断为平均值没有变高，不做预警；若

判断为平均值存在增大趋势,认为此时在消防水系统中，可能存在有过压的风险，并发出预警；若

则认为需要更多的数据做出判断，当前的数据量不足以做出统计学意义上的结论，不做预警。

类似的，为了判断传感器采集的模拟量数据的平均值是否存在降低的趋势，做出如下假设：

H₀：检测传感器采集的数据平均值为μ₀，

H₂：检测传感器采集的数据平均值为μ₂，(μ₂<μ₀)；

对于新的时间段t内，由所有检测传感器采集的模拟量数据集X_T＝{X_T1,X_T2,X_T3,…,X_Tt}，在本例中为当前时刻所采集的最新的时间段t内的模拟量数据，定义变量

来衡量模拟量数据集X_T中的数据与平均值μ₀之间的差距：

其中，Δ₂＝μ₂-μ₀；为了检测在时间段t内的模拟量数据集X_T的均值变化情况，以预测未来均值降低的趋势，计算上界限三UCL_CUSUM以及下界限三LCL_CUSUM，表示为：

其中，α和β为设定值，α为I型误差，β为II型误差；根据上界限三UCL_CUSUM以及下界限三LCL_CUSUM，判断模拟数据集X_T的均值是否存在降低趋势，其中：若

判断为平均值没有变高，不做预警；若

判断为平均值存在降低趋势,认为此时在消防水系统中，可能存在有漏压、欠压的风险，并发出预警；若

则认为需要更多的数据做出判断，当前的数据量不足以做出统计学意义上的结论，不做预警。

如图2所示，在实施的过程中，首先根据步骤3中的过程，计算获得X ControlChart的控制下界限LCL_s＝637.92kPa，以及上界限UCL_s＝644.89kPa。对于获得的水压变化曲线，能够发现存在两处数据低于下界限LCL_s，并认为这两处数据部位可能存在漏压、欠压的情况。

如图3、4所示，其次根据步骤4中的过程，判断传感器检测水压数据的增大趋势，首先获取检测传感器的历史数据，计算出上界限二UCL_CUSUM＝3.77，以及下界限二LCL_CUSUM＝-3.77；在情况一中，变量

持续降低，并保持低于上界限二UCL_CUSUM，长期低于下界限二LCL_CUSUM，表示该点位在这段时间内工作状态处于正常情况，结合附图，能够看出平均值变化(|Δ₁|,|Δ₂|)在2kPa以内，水压较为稳定；在情况二中，变量

持续上升，并保持高于上界限二UCL_CUSUM，表示该点位在这段时间内的工作状态异常，平均值增大，结合附图，能够看出平均值高于设定水压的2kPa以上，存在过压风险，发出预警。

实施例二：

本实施例是基于实施例一改进获得的，其中在步骤3中，完成检测数据所对应的单点部位是否故障的判断后，还会根据对应消防水系统采集的整体数据，对整体消防水系统进行判断，其中判断的方法为Multivariate Shewhart Control Chart方法。判断的过程包括：首先需要获取消防水系统整体在正常状态下的历史数据X_IC＝{X₁,X₂,X₃,…,X_n}，每个数据变量X_i的向量表示为X_i＝[X_i1X_i2…X_im]^T，m表示该数据变量的向量维数，在本例中m表示消防水系统中的检测传感器数量；计算获得均值数据

表示为：

样本方差S表示为：

对于新获得数据X，用Mahalanobis距离来描述向量与IC数据形成的分布之间的距离T，其中距离T存在如下关系：

其中T²近似服从F分布，因此，能够获得T²的控制上限UCL_MSCC为：

其中，F_α(m,n-m)表示Ⅰ型误差(Type I error)为α，自由度分别为m,n-m时的F分布的临界值(critical value)；在本例中，α为2.5％。

判断T²与控制上限UCL_MSCC的关系，若T²>UCL_MSCC，则认为新获得的数据X对应时刻的消防水系统整体工作状态存在异常；否则认为工作状态正常。

实施例三：

本实施例是基于实施例一改进获得的，其中在步骤4，完成单点风险预警后，还会根据整个消防水系统采集的历史数据，基于Multivariate CUSUM Control Chart(MCUSUM)方法，判断整个消防水系统的平均属性是否发生偏移。在判断过程中，首先需要获取消防水系统整体在正常状态下的历史数据X_IC＝{X₁,X₂,X₃,…,X_n}，每个数据变量X_i的向量表示为X_i＝[X_i1X_i2…X_im]^T，m表示该数据变量的向量维数，在本例中m表示消防水系统中的检测传感器数量，等同某时刻所有传感器获得的模拟量数据。计算获得均值数据

表示为：

样本方差S表示为：

对于新的一段时间内获得的传感器组数据，表示为Y₁,Y₂,Y₃,…,Y_t，其中每个变量Y_i均为m维向量Y_i＝[Y_i1Y_i2…Y_im]^T；获取这段时间内的传感器组数据均值，其中对每个检测传感器的采集的数据需要各自求取均值，最终获得的数据均值表示为μ。为了判断模拟量平均值是否存在变化的趋势，做出如下假设：

H₃:

H₄:

在MCUMSUM方法中，以迭代的形式设置了两个变量s_i和C_i，分别表示为：

其中，参数k通过下式获得：

其中，p为m维向量，向量中的每一个数值p_i∈[-1,1],i＝1,2,…,m；100·p_i％表示第i个传感器所允许的最大均值偏差百分比。

通过变量s_i和C_i获得检测均值判断位Z_i：

将上述的式子代入检测均值判断位Z_i中，获得：

将获取的检测均值判断位Z_i与设定值h进行比较，其中若Z_i>h，则认为在该段检测时间内，消防水系统的状态变化较大，因当发出预警；否则认为消防水系统稳定工作。需要说明的是设定值h表示为MCUSUM方法中的消防水系统的控制上限；该参数受Average RunLength(ARL)的影响，ARL表示通过大量的多组实验样本数的平均值，在本例中样本数会随着传感器不断采集数据而增加，也就是说设定值h会随着传感器采集的数据，并根据设定算法发生改变[参考文献：Mahmoud A Mahmoud and Petros E Maravelakis.Theperformance of multivariate cusum control charts with estimatedparameters.Journal of Statistical computation and Simulation,83(4):721–738,2013]。

以上描述仅是本发明的一个具体实例，不构成对本发明的任何限制。显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于消防物联网的消防水系统故障检测预警方法，其特征在于，包括如下步骤：

步骤1：检测传感器获取自身采集的模拟量数据，并单向传输至边缘计算网关；

步骤2：边缘计算网关接收检测传感器采集的数据；

步骤3：边缘计算网关根据X Control Chart方法，对于检测数据所对应的单点部位是否发生故障进行判断；

步骤4：边缘计算网关获取该传感器采集的历史数据，根据CUSUM Control Chart算法对数据进行分析，完成单点风险预警；

步骤5：将故障判断结果以及风险预警结果，通过通信方式发送到接收的设备上，其中接收的设备包括手机、电脑以及物联网数据中心；

步骤6：物联网数据中心接收数据并进行存储。

2.根据权利要求1所述的一种基于消防物联网的消防水系统故障检测预警方法，其特征在于，所述步骤3中，对单点部位的故障判断，首先需要获取单点部位在正常状态下的历史数据集X_IC，X_IC＝{X₁，X₂，X₃，…，X_n}；根据历史数据集X_IC获得均值数据

表示为：

根据均值数据

以及历史数据集X_IC，获得样本标准差σ为：

根据样本标准差，获得上界限UCL_s以及下界限LCL_s，上界限UCL_s和下界限LCL_s表示为：

其中，参数t_n-1，α代表Student t分布在自由度为n-1，I型误差为α时的临界值；根据获得的上界限UCL_s以及下界限LCL_s对当前数据X进行分析。

3.根据权利要求2所述的一种基于消防物联网的消防水系统故障检测预警方法，其特征在于，所述α设置为2.5％。

4.根据权利要求2所述的一种基于消防物联网的消防水系统故障检测预警方法，其特征在于，所述根据获得的上界限UCL_s以及下界限LCL_s对当前数据X进行分析的过程包括：若LCL_s≤X≤UCL_s，则认为该模拟量的数据是正常的，进而推断该点处的消防水系统的工作状态是正常的；若LCL_s≥X，从统计意义上，认为该模拟量的数据低于历史数据，则推断该点处的消防水系统出现了漏压、欠压、泄露情况；若UCL_s≤X，从统计意义上，认为该模拟量的数据高于历史数据，则推断该点处的消防水系统出现了过压情况。

5.根据权利要求1所述的一种基于消防物联网的消防水系统故障检测预警方法，其特征在于，所述步骤4中，基于CUSUM Control Chart方法完成风险预警的过程包括：首先获得正常状态的历史数据集X_IC＝{X₁，X₂，X₃，…，X_n}，并计算均值数据

为了判断传感器采集的模拟量数据的平均值是否存在增加的趋势，做出如下假设：

H₀：平均值为μ₀，

H₁：平均值为μ₁，(μ₁＞μ₀)；

对于新的时间段t内的模拟量数据集X_T＝{X_T1，X_T2，X_T3，…，X_Tt}，定义变量

来衡量模拟量数据集X_T中的数据与平均值μ₀之间的差距：

其中，Δ₁＝μ₁-μ₀；为了检测在时间段t内的模拟量数据集X_T的均值变化情况，以预测未来均值增大的趋势，计算上界限二UCL_CUSUM以及下界限二LCL_CUSUM，表示为：

其中，α和β为设定值；根据上界限二UCL_CUSUM以及下界限二LCL_CUSUM，判断模拟数据集X_T的均值是否存在增大趋势。

6.根据权利要求1所述的一种基于消防物联网的消防水系统故障检测预警方法，其特征在于，所述步骤4中，为了判断传感器采集的模拟量数据的平均值是否存在降低的趋势，做出如下假设：

H₀：平均值为μ₀，

H₂：平均值为μ₂，(μ₂＜μ₀)；

对于新的时间段t内的模拟量数据集X_T＝{X_T1，X_T2，X_T3，…，X_Tt}，定义变量

来衡量模拟量数据集X_T中的数据与平均值μ₀之间的差距：

其中，Δ₂＝μ₂-μ₀；为了检测在时间段t内的模拟量数据集X_T的均值变化情况，以预测未来均值降低的趋势，计算上界限三UCL_CUSUM以及下界限三LCL_CUSUM，表示为：

其中，α和β为设定值，α为I型误差，β为II型误差；根据上界限三UCL_CUSUM以及下界限三LCL_CUSUM，判断模拟数据集X_T的均值是否存在降低趋势。

7.一种基于消防物联网的消防水系统故障检测预警系统，其特征在于，所述系统基于权利要求1-6中任意一项所述的方法，所述系统包括检测传感器、边缘计算网关以及物联网数据中心；其中检测传感器设置于消防水系统；边缘计算网关与若干检测传感器连接，能够接收检测传感器检测的实时数据；边缘计算网关还与物联网数据中心连接。

8.根据权利要求7所述的一种基于消防物联网的消防水系统故障检测预警系统，其特征在于，所述消防水系统包括自动喷水灭火系统、泡沫灭火系统、消防水池和水箱以及管道，消防水池和水箱通过管道与自动喷水灭火系统、泡沫灭火系统相连接。

9.根据权利要求8所述的一种基于消防物联网的消防水系统故障检测预警系统，其特征在于，所述检测传感器包括液压传感器、液位传感器，其中液压传感器设置于管道的汇接、拐角部位；液位传感器设置于消防水池和水箱部位。

10.根据权利要求7所述的一种基于消防物联网的消防水系统故障检测预警系统，其特征在于，所述边缘网关包括存储模块、处理模块以及通信模块；处理模块用于处理检测传感器采集的数据；通信模块用于连接物联网数据中心以及外部设备；存储模块用于存储检测传感器采集的检测数据。

Images