CN115171319A - 电气火灾预警系统、方法、电子设备及存储介质 - Google Patents

Abstract

本申请涉及电气消防与火灾监测技术领域，特别涉及一种电气火灾预警系统、方法、电子设备及存储介质，其中，系统包括：至少一个检测器，用于采集电气系统处于当前采样时刻的关键电力参数；中继通信装置，中继通信装置与至少一个检测器通信连接；云服务器，云服务器与中继通信装置通信连接，云服务器接收中继通信装置发送的关键电力参数，并利用关键电力参数预测电气系统的实际状态的同时，控制一个或多个检测器按照实际状态匹配的目标采样周期进行采样，及在基于实际状态进行电气火灾预警提醒。从而实现了对电气系统存在的火灾风险进行提前有效的预警，改善了传统火灾报警时常出现的漏报、误报等问题。

Description

电气火灾预警系统、方法、电子设备及存储介质

技术领域

本申请涉及电气消防与火灾监测预警技术领域，特别涉及一种电气火灾预警系统、方法、电子设备及存储介质。

背景技术

现有的电气火灾防控技术，除了提高电气系统本身的质量和安全防护性能以外，通常采用在线监测的方式。传统电气火灾监测预警主要采取设置阈值的形式，当监测的电力参数超过某一阈值时，发出报警信号。这种模式往往忽略了参数间的关联性，形成信息孤岛，导致大量的误报和漏报发生，而且没有发挥出大数据平台深度挖掘数据的能力，亟待解决。

发明内容

本申请提供一种电气火灾预警系统、方法、电子设备及存储介质，以改善传统火灾报警时常出现的漏报、误报等问题。

本申请第一方面实施例提供一种电气火灾预警系统，包括：至少一个检测器，用于采集电气系统处于当前采样时刻的关键电力参数；中继通信装置，所述中继通信装置与所述至少一个检测器通信连接；以及云服务器，所述云服务器与所述中继通信装置通信连接，所述云服务器接收所述中继通信装置发送的所述关键电力参数，并利用所述关键电力参数预测所述电气系统的实际状态的同时，控制所述一个或多个检测器按照所述实际状态匹配的目标采样周期进行采样，以及基于所述实际状态进行电气火灾预警提醒。

可选地，在本申请的一个实施例中，所述至少一个检测器的每个检测器包括：探测单元，所述探测单元包括三相电流探测组件、三相电压探测组件、三相电流探测组件及剩余电流探测组件，以检测三相电流、三相电压、三相电流及剩余电流；通信调频单元，所述通信调频单元与所述探测单元相连，所述通信调频单元包括高频通信通道、低频通信通道、数据通信接口及变频触发开关，以上传由所述三相电流、三相电压、三相电流及剩余电流生成的关键电力参数。

可选地，在本申请的一个实施例中，所述中继通信装置包括：数据传输单元，所述数据传输单元包括高频传输链路和低频传输链路；中继处理单元，所述中继处理单元包括预处理组件和处理反馈组件，对所述关键电力参数进行预处理，并将预处理后的关键电力参数基于所述目标采样周期利用所述数据传输单元传输中高频传输链路或低频传输链路至所述中继通信装置。

可选地，在本申请的一个实施例中，所述云服务器包括：数据存储单元，所述数据存储模块故障库组件和数据库组件，以存储所述预处理后的关键电力参数；综合处理单元，所述综合处理单元包括故障识别组件和智能处置组件，以由所述预处理后的关键电力参数分析所述实际状态，并生成用于电气火灾预警提醒的预警信息。

可选地，在本申请的一个实施例中，所述实际状态包括未来预设时间段的所述电气系统的实际风险等级。

本申请第二方面实施例提供一种电气火灾预警方法，包括以下步骤：采集电气系统处于当前采样时刻的关键电力参数；利用所述关键电力参数预测所述电气系统的实际状态；控制所述电气系统中一个或多个检测器所述实际状态匹配的目标采样周期进行采样，并基于所述实际状态进行电气火灾预警提醒。

可选地，在本申请的一个实施例中，利用所述关键电力参数预测所述电气系统的实际状态之前，还包括：对所述关键电力参数进行预处理，以使所述关键电力参数标准化。

可选地，在本申请的一个实施例中，所述基于所述实际状态进行电气火灾预警提醒，包括：对所述实际状态进行分析，生成所述电力系统的电气火灾预警提醒的预警信息，根据所述预警信息进行电气火灾预警。

可选地，在本申请的一个实施例中，所述实际状态包括未来预设时间段的所述电气系统的实际风险等级。

本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的电气火灾预警方法。

本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现上述实施例所述的电气火灾预警方法。

由此，本申请至少具有如下有益效果：

本申请主要包括硬件系统软件系统和预警处置机制三大系统及其组成部分，以及前端探测与关键电力参数采样、数据传输与中继处理、云端电力参数综合分析处置与结果反馈与分级预警四项关键技术。本申请所涉及电气火灾预警系统具有自动调频功能，当电气系统处于正常工作模式时，当电气系统正常运行时，预警系统以较低的频率对电力参数进行采样和分析，当预警系统研判电气系统出现故障并达到一定严重程度时，系统自动改变工作模式，使得前端高频率抓取电力参数，并通过中继通信系统传递至云平台进行综合分析研判，使故障分析具有更高的精确度。一方面可在故障发生时及时准确对故障信息作出研判；另一方面，通过变频处置机制让系统不至于持续处于高频工作状态，增加了系统使用寿命，节省了使用成本。从而实现了对电气系统存在的火灾风险进行提前有效的预警。由此，改善了传统火灾报警时常出现的漏报、误报等问题。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的一种电气火灾预警系统的结构示意图；

图2为根据本申请一个实施例提供的一种具体地电气火灾预警系统的结构示意图；

图3为根据本申请一个实施例提供的一种电气火灾预警系统的执行逻辑示意图；

图4为根据本申请实施例提供的一种电气火灾预警方法的流程图；

图5为根据本申请实施例的电气火灾预警系统装置的示例图。

附图标记说明：至少一个检测器-100、中继通信装置-200、云服务器-300、存储器-501、处理器-502、通信接口-503。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的电气火灾预警系统、方法、电子设备及存储介质。针对上述背景技术中提到的传统的电气火灾报警系统通过设置阈值的方式实现报警。虽然也有后台支撑，但后台功能过于单一，仅采纳前端回传的少量数据，进行单一的门限值计算，超过所设定阈值就发出报警信号，忽略了各类信息的关联性，大量产生漏报或误报。这种模式并不能充分发挥大数据云平台的优势。此外，预警分析软件在高频计算模式下需要占用大量的空间。一方面受硬件使用寿命和存储容量等的影响，前端无法持续向后台高频率传递监测到的数据；另一方面，考虑到故障识别的有效性和实时性，后台对高频率数据有现实需求等问题，本申请提供了一种电气火灾预警系统，该系统主要包括硬件系统、软件系统以及预警处置机制三大系统及其组成部分，本申请主要包括前端探测与关键电力参数采样、数据传输与中继处理、云端电力参数综合分析处置与结果反馈与分级预警四项关键技术。本申请所涉及电气火灾预警系统具有自动调频功能，当电气系统处于正常工作模式时，当电气系统正常运行时，预警系统以较低的频率对电力参数进行采样和分析，当预警系统研判电气系统出现故障并达到一定严重程度时，系统自动改变工作模式，使得前端高频率抓取电力参数，并通过中继通信系统传递至云平台进行综合分析研判，使故障分析具有更高的精确度。一方面可在故障发生时及时准确对故障信息作出研判；另一方面，通过变频处置机制让系统不至于持续处于高频工作状态，增加了系统使用寿命，节省了使用成本。从而实现了对电气系统存在的火灾风险进行有效的提前预警。由此，改善了传统火灾报警时常出现的漏报、误报等问题。

图1为根据本申请实施例提供的一种电气火灾预警系统结构示意图。

如图1所示，该电气火灾预警系统包括：至少一个检测器100、中继通信装置200和云服务器300。

其中，至少一个检测器100，用于采集电气系统处于当前采样时刻的关键电力参数；中继通信装置200，中继通信装置200与至少一个检测器100通信连接；以及云服务器300，云服务器300与中继通信装置200通信连接，云服务器300接收中继通信装置200发送的关键电力参数，并利用关键电力参数预测电气系统的实际状态的同时，控制一个或多个检测器100按照实际状态匹配的目标采样周期进行采样，以及基于实际状态进行电气火灾预警提醒。

需要说明的是，本申请主要描述实现电气火灾提前预警在硬件、软件和预警机制等方面的基本要素，具体包括硬件系统、软件系统和预警处置机制三部分。硬件系统，主要描述实现电气火灾信号的探测与采集、传输与中继处理、后台综合处理反馈在硬件层面所需要素，具体包括前端多维参数探测系统、中继通信系统及云端处置系统共三大子系统。

可选地，在本申请的一个实施例中，至少一个检测器的每个检测器包括：探测单元，探测单元包括三相电流探测组件、三相电压探测组件、三相电流探测组件及剩余电流探测组件，以检测三相电流、三相电压、三相电流及剩余电流；通信调频单元，通信调频单元与探测单元相连，通信调频单元包括高频通信通道、低频通信通道、数据通信接口及变频触发开关，以上传由三相电流、三相电压、三相电流及剩余电流生成的关键电力参数。

在本申请的实施例中，首先进行前端探测与关键电力参数采样。具体地，通过前端多维参数探测系统的探测单元附加的三相电流探测组件、三相电压探测组件、三相温度探测组件以及剩余电流探测组件分别实现对反映电气系统工作状态的电气线路电流、电压、温度和剩余电流等关键参数的实时监测、采样并短暂存储。以一定时间间隔抓取临时存储的电力参数，且以一定的频率传递至通信调频单元，在本申请的实施例中其采样频率为MHz级，数据存储方式为滚动存储，容量级为10¹条。

根据电气系统运作状态自动选择数据记录与传输频率。当电气系统正常工作时，以10¹/h 速率级抓取探测器100临时存储的电力参数，上述通信调频单元自行选择适合的传输通道，将采集的电力参数通过数据通信接口传输至中继通信系统。如当变频触发开关处于关闭状态，默认选择低频通信通道，通过数据通信接口向中继通信系统上传抓取到的数据；而当电气系统出现异常时，变频触发开关开启，高频通信通道开启，以KHz速率级抓取电力参数，并实时上传，从而完成前端探测、关键电力参数采样与数据上传。上述电气系统工作状态研判与变频触发方式下述将进行详细介绍。

可以理解的是，通过前端多维参数探测系统的探测器100，对预警所需关键电力参数实时监测，并将监测结果实时传递给通信调频单元，以完成前端探测与关键电力参数采样，从而为后续电力参数的传输与预处理做好准备。

可选地，在本申请的一个实施例中，中继通信装置200包括：数据传输单元，数据传输单元包括高频传输链路和低频传输链路；中继处理单元，中继处理单元包括预处理组件和处理反馈组件，对关键电力参数进行预处理，并将预处理后的关键电力参数基于目标采样周期利用数据传输单元传输中高频传输链路或低频传输链路至中继通信装置200。

可以理解的是，在获取上述电力参数后，通过中继通信装置200的数据传输单元接收由通信调频单元的数据通信接口上传的电力参数，并由中继处理单元完成电力参数的预处理与临时存储，为后续电力参数的综合分析与电气消防安全的研判与处置提供基本数据支持。

具体地，在本申请的实施例中，通过中继通信装置200中的数据传输单元接收前端多维参数探测系统上传的电力参数，并根据连接中继通信系统的用户数量和单个用户通信速率，考虑传输损失等问题，自动选择高频传输链路或低频传输链路向云端处置系统传递数据。

中继通信链路确定以后，通过预处理组件对接收到的电力参数进行预处理。通过数据清洗与标准化处理，提高数据质量。其中，数据清洗主要用于处理缺省值与高频模式下的数据降噪，而标准化处理则是为了提高后续综合分析处理的效率。考虑到云端处置系统的电力参数预测模型为深度学习构架，将电力参数转化为区间为[x’_i,min,x’_i,max]的无量纲数值有利于提高计算效率。

x’_i,min表示某一电力参数x_i的无量纲化下限值，x’_i,max表示上限值，x’_i为无量纲化后的值；

考虑到后续电力参数预测模型的响应效率，给出以上参数参考值，其中，x’_i,min的参考范围为[0.1,0.5]，x’_i,max的参考范围为[0.4,0.9]，且x’_i,max-x’_i,min≥0.3。

预处理完成后，根据所接收数据所在位置，自动为预处理后的数据贴上场景类型标签、打包，将打包后的预处理数据与场景标签通过处理反馈组件上传以高频或低频链路上传至云端处置系统，从而完成电力参数的中继传输与预处理。

可选地，在本申请的一个实施例中，云服务器300包括：数据存储单元，数据存储模块故障库组件和数据库组件，以存储预处理后的关键电力参数；综合处理单元，综合处理单元包括故障识别组件和智能处置组件，以由预处理后的关键电力参数分析实际状态，并生成用于电气火灾预警提醒的预警信息。

可以理解的是，通过云端处置系统的数据存储单元接收中继通信系统预处理后的电力参数标准化数值，并在数据存取组件中长期存储，由综合处理单元实时读取，以完成云端电力参数综合分析与处置，即电气系统消防安全状态的分析研判并生成预警信息。

具体地，在本申请的实施例中，通过由云端处置系统的数据存储模块接收数据存储模块接收中继通信装置200中处理反馈组件上传预处理后的打包数据，并转入长期存储。通过数据库组件自动解析，并按场景类型分类，以时间序列存储预处理后的各项电力参数。当数据库组件内的数据更新后，综合处理单元实时读取更新的数据，包括场景类型、电流、电压、温度和剩余电流，并通过其中的故障识别组件和智能处置组件对读取的数据进行智能分析和研判，并与故障库组件积累的包括各种场景下各类电气故障数据进行对比分析和智能识别。其中，故障识别组件和智能处置组件内置有电气线路消防安全状态分析研判软件，综合处理单元读取到数据后，首先进行电气消防安全系统分析，具体步骤如下：

1、通过云端预警综合计算软件系统中的电气消防安全系统分析功能自动完成电气火灾预警关键指标计算。通过电力参数预测模型对未来一定时间范围内的电力参数进行预测。

需要注意的是，本申请预警的主要故障类型包括电气系统或线路的超温运行、线路老化、接触不良以及非一次性破坏的稳态或次稳态电气短路，这些故障对电气系统的破坏往往具有累积效应，从故障的产生到最终引发电气火灾往往具有较长的过程。因此，故障全过程的电力参数将呈现间歇性或持续性异常的故障规律。而上述几类电气故障体现的故障规律在数值上的呈现又受到故障场景以及故障程度的影响。利用深度学习方法可充分挖掘不同故障类型、不同场景和不同故障程度下的电力参数异常波动规律，区分和识别电气系统分别处于正常状态和异常状态时的电力参数变化规律。

上述电力参数预测模型采用单层变体长短期记忆神经网络(LSTM)网络构架。该网络分别具有长期记忆L和短期记忆S功能。L功能可长期吸收和大量继承电力参数历史规律，S功能则可适度响应参数的局部突变。通过该网络可实现对未来某一段时间电力参数的预测。就具体计算过程而言，首先向网络输入当前状态的电力参数，接下来根据网络结构计算网络中的各类门限和节点值，然后输出对未来一定时间步长范围内电力参数的预测值，最后根据电力参数预测值与实际值之间的误差，采用误差反向传递的形式对网络中各节点的连接权重进行修正，从而完成一次完整的学习过程。模型根据待处理数据的场景，参考故障库组件提供的样本，自动选择初始参数，主要包括神经元个数n_c、单步长计算输入向量维度n_d以及连接网络的初始权重矩阵w₀。其输入向量为多维电力参数预处理值X′，输出为某一类或某几类待预测电力参数在一定时间步长s下的无量纲值Y′，其中，预测时间步长 s可取多个值，用于不同时间长度的预测与预警，其计算过程为变体LSTM网络构架，权重更新机制为误差前馈，其损失函数为平方损失函数，表达式为：

式中，E表示损失函数，用于权重更新；

预测完成后，对模型训练效果进行评价，以便在系统运行间隙对模型进行优化，主要以绝对误差加权的平均百分误差δ_p作为评价模型运行效果的关键指标，其表达式为：

式中，t_max代表一个运行周期的总时间步长。需要指出的是该式仅适用于电气系统正常运行状态下的模型运行效果评判，其结果用于相同场景下电力参数预测模型初始参数选定机制的修正，修正后的参数选定机制可提高相同场景下电力参数预测精度，最大程度控制模型本身误差，为后续分析提供更高质量的数据；

需要说明的是，电力参数预测结果的时间范围由模型自行选定，可以是多个值，代表的是预测时间的长短。由此，完成累积误差的计算过程，该指标反映了电力系统偏离正常运行状态的程度，是需要预警的关键信息之一。

2、电力参数预测完成后，通过累积误差计算模型计算电力参数理论值与实际值之差绝对值在一定时间范围内的累积量；通过故障谐波计算模型计算电力参数在不同奇次倍工频下的频域统计值。

需要说明的是，LSTM网络的核心思想是通过误差反向传递机制让预测误差随时间的推移而逐渐降低，从而使预测结果尽可能靠近系统正常运行时的规律。该机制决定了：当电气系统处于正常状态时，电力参数呈现明显的波动规律，因此其预测误差也会随时间减小；而当系统出现故障时，电力参数无序波动，且故障越严重时，其波动偏离正常范围的程度越大，模型通过调整参数使网络回归正常状态的阻力越大，因此，预测误差呈现增大趋势。

具体地，在本申请的实施例中，由累积误差计算模型计算一定时间窗长

下基于变体 LSTM得到的预测值与实际值的误差积累，该值为预警的中间变量之一，其可量化电力系统偏离正常运行状态的程度，其主要表达式为：

式中，ω(t)表示截止到时间步长t在固定时间窗长

下的预测值与实际值误差的累积量， y_i’()为某一时间步长t下电力参数x_i的无量纲化预测值；δ为累积误差函数，为非负值。

本领域技术人员应该理解到的是，如果不对计算的时间范围做限定，该参数在故障状态下必然不收敛，因此需要规定计算的时间窗长

当电气系统故障程度越严重时，固定时间窗长

下的累积误差ω的增大趋势越明显。在不同场景下，计算不同故障类型在不同时间窗长

下的累积误差ω，即实现对电气系统偏离正常程度的量化。

其中，累积误差时间窗长

累积误差函数δ的选定需要考虑数据来源场景以及电气系统的正常与否，由故障库提供参考值，上述步骤均自动执行。同时，以上过程的执行离不开故障数据库支持，在电气火灾预警系统的研发时期，通过对典型场景和典型故障类型下电力参数变化规律进行大量学习，可形成关于电力参数预测模型的故障数据库；

3、当电气系统处于故障运行状态时，由于电磁信号相互干扰或三相不平衡等因素引起谐振效应，从而产生频率数倍与电力参数基波信号的谐波信号。因此除了表现出电力参数波动的数值特征外，还表现出频率特性，因此需要计算谐波信号，其是预警的另一中间变量。

可以理解的是，不同场景和不同故障类型下，谐波信号表现出不同的频域和时域特性。是电气故障的另一类特征。同时考虑到电气火灾本身的复杂性、监测场景的多样性以、预警系统本身运行的稳定性以及单一方法失效的偶然性，需要多种分析手段同时运用以确保分析结果的可靠性。因此引入故障谐波计算模型分析故障状态下电力参数的频域特征。

在故障模式下，预警系统会加速电力参数的记录和传递，通常可达到KHz速率级，通过故障谐波计算模型解算输入信号的谐波分布。输入信号为电流、电压和剩余电流的无量纲值，通过傅里叶级数分解上述信号。当前端检测器100抓取和上传电力参数的频率为 f(KHz速率级)时，在第m+1个基波周期范围内，对某一电力信号x_i的傅里叶级数分解可以表示成如下形式：

式中，k表示在某一电力参数的某一个基波周期内抓取的第k个点，

v₀表示工频频率，通常为50Hz；n表示n次谐波频率相对于工频的倍数；

表示级数分解截断误差，

和

表示离散误差，当数据抓取频率足够高时，上述误差可忽略；

分解完成后，固定时间范围，在不同频率下记录谐波的频域信号特征：

式中，x’_i，m，max(v)表示频率为v的谐波在第m+1个基波周期范围内的波动幅值， 1＜v≤f；

同时，固定谐波频率，在不同时间范围内记录同次谐波的时序信号特征：

式中，

表示频率为v₁的谐波在第m+1个基波周期内的波动值；

上述电力参数x_i的谐波信号x’_i，m，max(v)和

即为预警的另一中间变量。由此完成了电力参数谐波计算，即为预警的另一类关键信息。

电气消防安全系统分析完成后，利用分析得到的预警所需的关键中间变量，即电气火灾预警关键指标计算结果，通过电气消防安全系统研判功能对电气系统安全状态进行自动研判，具体步骤如下：

1、根据所得到的预警中间变量，包括监测电力参数所在地点的场景类型、累积误差ω(t)及其时间窗长

谐波信号

和

等故障识别所需特征量，即可生成关于某一故障场景、下的特征信号。利用故障类型识别模型对电气故障类型进行识别，该过程的分析比对由前期积累的故障库组件存储的各类故障特征提供参考，后续处理结果也可入库以完善故障库，由此得到关于故障类型的最大似然解，即得到了该特征信号最有可能反映的故障类型，从而完成了故障类型的识别。上述数据库包含了不同场景与不同故障模式下的特征量，其故障模式主要指稳态类故障，主要包括具有电气火灾风险的电气系统或线路的超温运行、线路老化、接触不良、非一次性破坏的稳态或次稳态电气短路等因素引起的电气系统持续性破坏；

可以理解的是，以上得到的故障概率和风险数值是实时变化，也可以是多个值，它们监测数据的改变以及电力参数预测模型预测结果时间范围选择不同而发生改变。由此，将预警的中间变量累积误差ω和谐波特征x’_i,m,max、

这些抽象的概念转化成可直观感受的故障概率和风险数值，更便于指导预警信息生成后的处置。

2、完成故障类型识别后，通过故障概率计算模型，主要采用D-S证据推理的方式，将上述特征信号和故障场景、故障类型做特异性匹配，根据所识别故障类型及其故障识别特征量融合计算此场景下所识别故障在未来一定时间范围内发生的概率。

3、根据故障所在场景、故障类型、故障发生的概率及故障所在地点财产的大致分布，利用安全风险研判模型估算该地点的风险数值，计算电气系统风险大小，该数值是绝对值，在不同场景类型下不具有可比性，因此需根据该类场景最大风险数值将绝对风险数值转化成0-100间的相对风险数值，该数值越大，表示电气系统存在的火灾风险越大；

4、将故障所在地点的场景类型、故障类型、故障概率、相对风险数值和上述信息预计出现的时间打包，作为电气系统消防安全状态分析研判结果，生成未来某段时间内关于电气系统故障概率和风险大小的预警关键信息，待电气消防安全系统处置功能进一步处置。

可以理解的是，本申请充分利用后端大数据云平台优势，加入了电力参数预测、累积误差计算、谐波计算、故障识别、故障概率计算和风险数值计算等复杂的模型，从而充分考虑了电力参数的时序特性和参数间的关联性，可以对电力参数进行高效、动态和快速的分析，最大限度减少传统报警大量出现的误报和漏报。

可选地，在本申请的一个实施例中，上述综合处理单元通过预处理后的关键电力参数分析实际状态，并生成用于电气火灾预警提醒的预警信息。上述实际状态包括未来预设时间段的电气系统的实际风险等级。

需要说明的是，在获取上述电气消防安全分析研判结果后，根据云端处置系统内置的云端综合计算软件系统对电力参数处理的结果进行风险分级，将电气系统故障概率、火灾风险大小、预警等级以及不同预警等级下的处置措施打包，生成最终的分级预警信息，并反馈给系统。系统一方面根据预警等级采取不同的动作，另一方面将分析研判结果输入故障库，在数据维护时完成数据库的学习和更新。

在本申请的实施例中，预警处理机制主要描述基于电气消防安全分析研判结果，从电气火灾预警系统智能调节和人员管理两方面实现电气火灾风险分级处置的方法和模式。具体指高度疑似真警、中度疑似真警、高风险警情和中风险警情四种不同风险等级下的电气火灾处置，在操作层面完成预警信息与预警处置工作的对接。

具体地，在本申请的实施例中，结果反馈与分级预警的具体步骤如下：

1、预警关键信息生成后，根据场景类型、故障类型、故障概率、相对风险数值和预警时间，对故障地点进行风险分级，在不同的风险等级下，系统的反馈动作和人员需要采取的措施不同。由场景类型、故障类型、故障概率、相对风险数值、预警时间、风险等级及不同风险等级下提示人员采取的措施共同组成预警信息，预警等级与风险等级一一对应；

2、基于上述电气消防安全分析研判结果，根据计算得到的电气系统故障概率和风险大小，按照不同的预警等级对电气系统进行分级预警，将预警等级按照火灾风险从大到小依次分为预警等级共分为高度疑似真警、中度疑似真警、高风险警情和中风险警情共四个等级，每个预警等级对应不同强度的处置措施，故而采取的处置措施不同，需分级处置，具体如下所述：

(1)当系统研判为中风险警情或未触发预警信号时，系统维持原来正常状态下的工作模式，无需人为干预，系统托管；

(2)当系统研判为中度疑似真警或高风险警情时，系统触发异常工作模式；云端预警综合计算软件系统的通信调频功能向中继软件计算系统发出变频指令，由变频分析与识别功能识别分析；通过变频指令控制功能发送变频控制信号，触发前端多维参数探测系统的高频工作模式；检测器100以高频通信方式向后台发送更高频率的数据，并通过高频传输链路将电力传输传输至云端处置系统；该系统以更高频率实时监控电气系统故障概率、火灾风险和预警等级，并研判是否有风险升级的趋势，同时提醒相关人员根据故障信息和预警等级采取适当合理的措施；

可以理解的是，本申请采用“变频通信”的技术，即当预警系统识别到电气系统处于正常工作状态时，前端检测器100以10¹/h速率级抓取、存储和上传监测到的各项电力参数，主要通过电力参数预测模型和累积分析误差模型计算累积误差的大致变化趋势。当累积误差变化超过临界范围时，系统认定出现故障，通过数据库快速寻找可能的故障类型，并计算对应的概率和风险数值。当累积误差、故障概率和风险数值超过临界范围时，系统认定故障的趋向严重，并自行调整系统工作模式。通过中继通信系统向前端数据发送“变频”指令，前端进入“高频”工作模式，以KHz速率级向抓取、记录并上传监测到的各项电力参数，并通过中继通信系统将电力参传递至后端云平台处理系统，云平台在KHz速率级下，通过电力参数预测、累积误差计算、谐波计算、故障识别、故障概率计算和风险数值计算等复杂的模型，完成故障类型的快速识别和故障概率、风险的高频计算，同时分不同等级发布关于故障地点、故障类型、故障概率和风险数值的预警信息，指导相关人员视情况采取不同的处置措施，从而实现了对电气系统的实时监控。

(3)当系统研判为高度疑似真警时，系统立刻发出报警信号，警示内容包括故障类型、故障概率、火灾风险和灾害时间窗，并提示相关人员立刻采取必要措施。若相关人员未及时采取措施，系统将自动切断电源，最大限度避免电气火灾的发生。

3、在电气系统恢复正常工作状态后，将数据处理过程中得到的关键信息输入故障库，主要包括场景类型、故障类型2个标签量，累积误差ω(t)、时间窗长

谐波信号x’_i,m,max(ν)谐波信号

4个特征量，以及故障概率、相对风险数值、风险等级3个结果量。数据维护期间，利用系统运行间隙，由系统自动完成故障库的再学习和更新，更新后，不同场景下和不同故障类型下的累积误差ω(t)、时间窗长

谐波信号x’_i,m,max(ν)、谐波信号

特、故障概率、相对风险数值和风险等级的参考值不断修正、丰富和完善，使得下一次预警分析由更高的效率和准确度。

可以理解的是，本申请的执行过程有数据库作为支撑，可根据数据库记录的不同场景、不同故障类型下电力参数特征对电力参数的分析处置提供数据支持。同时还可将每一次处置的过程记录下来，填充数据库，使得预警系统更加完善，从而形成数据处理工作良性循环。

需要注意的是，本申请的实施例中的软件系统主要描述实现电气火灾预警在中继通信系统和后台大数据云平台处理系统所分别需要的分析与处置软件要素，具体包括云端综合计算软件系统和中继计算软件系统共两大子系统。

其中，上述云端综合计算软件系统，具体包括电气消防安全系统分析、电气消防安全系统研判、电气消防安全系统处置三大分析处置功能。电气消防安全系统分析包括电力参数预测模型、累积误差计算模型和故障谐波计算模型；电气消防安全系统研判包括故障类型识别模型、故障概率计算模型和安全风险研判模型；电气消防安全系统处置包括通信调频、分级预警和分级处置；

中继计算软件系统具体包括采样数据预处理和云端处理结果前馈两大功能。采样数据预处理包括数据清洗和标准化处理；云端处理结果前馈包括变频指令控制和变频分析与识别。

本申请对电气火灾预警系统展开顶层设计，并详细阐述硬件、软件和预警机制等领域及其相结合实现电气火灾提前预警的新方式。如图2所示，其主要包含硬件系统、软件系统和预警处置机制三大系统及其附属的各子系统和组成单元，并通过不同层级进行展现。此外，图2还通过箭头展示本申请实施例的具体执行过程，图中a-i为实线，表示从前端到后端电力参数的处理分析过程，j-r为虚线，表示系统将处理结果从后端往前端反馈，并改变工作方式的过程，从而形成从前端探测，继而进行中继传输与辅助处理，最后后台进行综合分析与处置的电气火灾预警模式，实现对电气系统存在的火灾风险进行有效的提前预警。

下面通过一个具体实施例对本申请的一种电气火灾预警系统进行详细说明。

如图3所示，其展示了本申请电气火灾预警系统的执行逻辑。基于本申请的相关内容，从参数采集到火灾提前预警执行全流程的具体实施步骤如下所示：

1)电力参数的探测与采集。通过附加探测单元，对三相系统的电流、电压、温度和剩余电流进行实时监测，并按一定时间间隔抓取、记录和上传数据。正常模式下为10¹/h速率级，故障模式下为KHz速率级；

2)通信通道的选择。通信调频单元根据检测器100抓取速率匹配通信通道，并将抓取的数据通过数据通信接口上传。正常模式下选择低频通信通道，故障模式下选择高频通信通道；

3)数据上传与通信链路匹配。将前端抓取到的电力参数打包发送至中继通信系统，并以接收数据的频率自动匹配通信链路；

4)低频链路传输。正常模式下，中继通信以低频链路完成数据中继传输，将数据传递至中继处理装置；

5)中继处理与结果反馈：

5-1)利用预处理组件对电力参数进行数据清洗和归一化处理；

5-2)将预处理结果发送至处理反馈组件；

5-3)通过处理反馈组件将预处理后的数据传递至云端处置系统；

6)云端数据存取。将接受到的数据存入数据存取组件，以便记录原始数据，同时为综合处理模块的调用做准备；

7)预警分析计算：

7-1)利用故障库组件记录的不同场景和不同故障类型下的预警关键参数提供预警分析的数据支持；

7-2)通过故障识别组件对故障类型进行识别，通过电力参数预测、累积误差计算、故障谐波计算、故障类型识别、故障概率计算和风险数值研判等方法和模型的计算，生成包括不同时间尺度下的故障场景、故障类型、故障概率和风险数值等预警关键信息；

7-3)通过智能处置组件，按照故障类型、故障概率和风险数值对电气火灾进行分级预警，系统自动调整的工作模式，并提示相关人员采取不同程度的处置措施；

8)通信调频。当系统研判电气系统故障趋向严重并且达到一定的电气火灾预警等级时，系统自主决策并自动调整工作模式，由正常模式下的低频抓取、记录、上传与分析处理数据转变为高频处理模式，并向中继通信系统发送变频指令；

9)变频分析与控制。由中继通信系统识别并解析变频指令，并控制前端探测的工作频率；

10)故障处理过程记录。将电力参数的分析研判、分级处置、通信调频等信息，按照预警关键信息格式进行整理，并存入故障库，提供电气火灾预警系统更新维护的依据；

11)处理结果中继反馈。在处理反馈组件中将变频分析和控制处理结果打包，做好变频控制指令向前端探测系统反馈的准备；

12)变频指令前馈。将中继通信系统接收并解析的变频通信指令前馈至变频触发开关；

13)变频触发。变频触发开关被触发后，前端探测系统改变工作模式；

14)高频录参。工作模式改变后，检测器100以KHz速率级抓取和上传电力参数；

15)通信变频。将低频通信通道自动切换至高频通信通道；

16)高频上传数据。在高频通信通道内，以KHz速率级上传数据；

17)通信链路再匹配。重新匹配中继通信链路，采用高频传输链路进行中级传输；

18)电力参数高频预处理。对KHz频率的电力参数进行快速预处理，并重复e-q，完成下一次预警分析研判与处置。

根据本申请实施例提出的电气火灾预警系统，综合考虑硬件、软件以及预警处理机制，详细阐述硬件、软件和预警机制等领域及其相结合实现电气火灾提前预警的新方式，同时，充分考虑了大数据平台的数据深度挖掘功能，通过电气消防系统分析、系统研判、系统处置和中继处理等软件构建了强大的电气火灾预警分析软件，实现对监测数据的全面解析，兼顾了数据的时效性和数据间的关联性，由此充分发挥了大数据云平台的优势，对电力参数进行准确、有效和快速的分析，保证了预警结果的准确性和时效性。同时，以“变频”工作模式，在电气系统正常运行时，以低频率采集和分析数据，故障时，提高数据采集和分析频率，控制了系统运行维护成本。从而实现了对电气系统存在的火灾风险进行提前有效的预警。

其次参照附图描述根据本申请实施例提出的电气火灾预警方法。

图4为根据本申请实施例提供的一种电气火灾预警方法的流程图。

如图4所示，该电气火灾预警方法包括以下步骤：

步骤S1，采集电气系统处于当前采样时刻的关键电力参数。

步骤S2，利用关键电力参数预测电气系统的实际状态。

步骤S3，控制电气系统中一个或多个检测器实际状态匹配的目标采样周期进行采样，并基于实际状态进行电气火灾预警提醒。

可选地，在本申请的一个实施例中，利用关键电力参数预测电气系统的实际状态之前，还包括：对关键电力参数进行预处理，以使关键电力参数标准化。

可选地，在本申请的一个实施例中，基于实际状态进行电气火灾预警提醒，包括：对实际状态进行分析，生成电力系统的电气火灾预警提醒的预警信息，根据预警信息进行电气火灾预警。

可选地，在本申请的一个实施例中，实际状态包括未来预设时间段的电气系统的实际风险等级。

需要说明的是，前述对电气火灾预警系统实施例的解释说明也适用于该实施例的电气火灾预警方法，此处不再赘述。

根据本申请实施例提出的电气火灾预警方法，通过采用软件和硬件相结合的形式对电气火灾进行提前预警的新模式，通过前端探测器对各项电力参数实时采样，通过中继通信系统预处理和中继传递，并通过后端云平台系统进行综合分析研判。当电气系统正常运行时，预警系统以较低的频率对电力参数进行采样和分析，当预警系统研判电气系统出现故障并达到一定严重程度时，系统自动改变工作模式，使得前端高频率抓取电力参数，并通过中继通信系统传递至云平台进行综合分析研判，使故障分析具有更高的精确度。一方面可在故障发生时及时准确对故障信息作出研判；另一方面，通过变频处置机制让系统不至于持续处于高频工作状态，增加了系统使用寿命，节省了使用成本。

图5为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：

存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。

处理器502执行程序时实现上述实施例中提供的电气火灾预警方法。

进一步地，电子设备还包括：

通信接口503，用于存储器501和处理器502之间的通信。

存储器501，用于存放可在处理器502上运行的计算机程序。

存储器501可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。

处理器502可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的电气火灾预警方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种电气火灾预警系统，其特征在于，包括：

至少一个检测器，用于采集电气系统处于当前采样时刻的关键电力参数；

中继通信装置，所述中继通信装置与所述至少一个检测器通信连接；以及

云服务器，所述云服务器与所述中继通信装置通信连接，所述云服务器接收所述中继通信装置发送的所述关键电力参数，并利用所述关键电力参数预测所述电气系统的实际状态的同时，控制所述一个或多个检测器按照所述实际状态匹配的目标采样周期进行采样，以及基于所述实际状态进行电气火灾预警提醒。

2.根据权利要求1所述的系统，其特征在于，所述至少一个检测器的每个检测器包括：

探测单元，所述探测单元包括三相电流探测组件、三相电压探测组件、三相电流探测组件及剩余电流探测组件，以检测三相电流、三相电压、三相电流及剩余电流；

通信调频单元，所述通信调频单元与所述探测单元相连，所述通信调频单元包括高频通信通道、低频通信通道、数据通信接口及变频触发开关，以上传由所述三相电流、三相电压、三相电流及剩余电流生成的关键电力参数。

3.根据权利要求2所述的系统，其特征在于，所述中继通信装置包括：

数据传输单元，所述数据传输单元包括高频传输链路和低频传输链路；

中继处理单元，所述中继处理单元包括预处理组件和处理反馈组件，对所述关键电力参数进行预处理，并将预处理后的关键电力参数基于所述目标采样周期利用所述数据传输单元传输中高频传输链路或低频传输链路至所述中继通信装置。

4.根据权利要求3所述的系统，其特征在于，所述云服务器包括：

数据存储单元，所述数据存储模块故障库组件和数据库组件，以存储所述预处理后的关键电力参数；

综合处理单元，所述综合处理单元包括故障识别组件和智能处置组件，以由所述预处理后的关键电力参数分析所述实际状态，并生成用于电气火灾预警提醒的预警信息。

5.根据权利要求4所述的系统，其特征在于，所述实际状态包括未来预设时间段的所述电气系统的实际风险等级。

6.一种电气火灾预警方法，其特征在于，包括以下步骤：

采集电气系统处于当前采样时刻的关键电力参数；

利用所述关键电力参数预测所述电气系统的实际状态；

控制所述电气系统中一个或多个检测器所述实际状态匹配的目标采样周期进行采样，并基于所述实际状态进行电气火灾预警提醒。

7.根据权利要求6所述的方法，其特征在于，利用所述关键电力参数预测所述电气系统的实际状态之前，还包括：

对所述关键电力参数进行预处理，以使所述关键电力参数标准化。

8.根据权利要求7所述的方法，其特征在于，所述基于所述实际状态进行电气火灾预警提醒，包括：

对所述实际状态进行分析，生成所述电力系统的电气火灾预警提醒的预警信息，根据所述预警信息进行电气火灾预警。

9.根据权利要求8所述的方法，其特征在于，所述实际状态包括未来预设时间段的所述电气系统的实际风险等级。

10.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求6-9任一项所述的电气火灾预警方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求6-9任一项所述的电气火灾预警方法。

Images