【摘要】針對現(xiàn)有電氣火災(zāi)預(yù)警技術(shù)存在監(jiān)測功能不夠全面以及智能決策不夠完善等問題，開發(fā)了一種新型電氣火災(zāi)預(yù)警系統(tǒng)。首先，使用多個不同類型的單參量采集模塊來采集火情現(xiàn)場數(shù)據(jù)，再將采集到的數(shù)據(jù)匯集到參量匯集模塊，完成多參量采集；其次，參量匯集模塊通過兩級制數(shù)據(jù)傳輸網(wǎng)絡(luò)，即ZigBee本地?zé)o線通訊和NB-IoT遠程聯(lián)網(wǎng)通訊，將火情現(xiàn)場數(shù)據(jù)上傳至云平臺；*后，云平臺對數(shù)據(jù)進行相應(yīng)運算與處理，運用智能識別算法，實現(xiàn)火災(zāi)預(yù)警。基于該系統(tǒng)，可及時預(yù)警和提前預(yù)判火情現(xiàn)場，減少人員傷亡和財產(chǎn)損失。

【關(guān)鍵詞】電氣火災(zāi)預(yù)警，ZigBee,NB-IoT,智能識別算法

0引言

近年來，我國電氣火災(zāi)多發(fā)，造成重大人員傷亡和財產(chǎn)損失。據(jù)統(tǒng)計,2020年，因違反電氣安裝使用規(guī)定引發(fā)的火災(zāi)共8.5萬起，占總數(shù)的33.6%,重特大火災(zāi)中電氣火災(zāi)占比高達55.4%，目前，已有一些電氣火災(zāi)預(yù)警問題的相關(guān)研究:葉研等研究了基于CAN總線的實驗樓火災(zāi)預(yù)警系統(tǒng)，將數(shù)據(jù)通過CAN總線發(fā)送到控制部分完成數(shù)據(jù)處理，提高了火災(zāi)預(yù)警系統(tǒng)的可靠性和反饋速度;張夢媛設(shè)計了一款基于物聯(lián)網(wǎng)技術(shù)的無線火災(zāi)智能預(yù)警系統(tǒng)，采用ZigBee協(xié)議，利用各傳感器進行檢測，通過蜂窩移動通信技術(shù)將火災(zāi)情況發(fā)送至消防站，達到火災(zāi)預(yù)警的目的，于蘭等研究了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的電氣火災(zāi)預(yù)警系統(tǒng)，利用BP神經(jīng)網(wǎng)絡(luò)判斷電氣火災(zāi)是否發(fā)生故障，增強了電氣火災(zāi)系統(tǒng)的預(yù)警能力。但當(dāng)前電氣火災(zāi)預(yù)警系統(tǒng)仍存在一些不足，例如，傳感器采集參數(shù)不夠全面，影響評價結(jié)果；使用多個不同類型的傳感器采集數(shù)據(jù)，但這些參量之間部分或全部存在非線性依賴關(guān)系，單純通過這些數(shù)值進行不夠科學(xué)智能決策不夠完善等。本文提出一種新型電氣火災(zāi)預(yù)警系統(tǒng)，通過多個參量采集模塊,將采集到的現(xiàn)場火情數(shù)據(jù)發(fā)送給參量匯集模塊；數(shù)據(jù)傳輸模塊（含ZigBee協(xié)調(diào)器）接收參量匯集模塊（即ZigBee終端節(jié)點）發(fā)送的有關(guān)數(shù)據(jù)，再通過NB-IoT模塊將數(shù)據(jù)上傳給云平臺，由此構(gòu)成兩級制無線通信物聯(lián)網(wǎng)架構(gòu)。云平臺對傳感器采集到的多個變量參數(shù)進行融合分析,建立火災(zāi)狀態(tài)與多變量參數(shù)之間的非線性數(shù)學(xué)模型?；谠撃Ｐ?，根據(jù)多變量數(shù)據(jù)，計算得出火災(zāi)發(fā)生的概率，從而達到預(yù)警的目的。

1系統(tǒng)整體設(shè)計

系統(tǒng)整體結(jié)構(gòu)如圖1所示，由參量采集模塊、參量匯集模塊、數(shù)據(jù)傳輸模塊、云平臺及客戶端組成。參量采集模塊負責(zé)連接傳感器，感知火情現(xiàn)場;參量匯集模塊負責(zé)匯集與上傳火情現(xiàn)場數(shù)據(jù)；數(shù)據(jù)傳輸模塊作為通信橋梁，負責(zé)參量匯集模塊與云平臺之間的信息傳遞；云平臺則負責(zé)運算及處理數(shù)據(jù)信息，計算得出火災(zāi)發(fā)生的概率，并發(fā)送信息至客戶端，客戶端可相應(yīng)呈現(xiàn)火災(zāi)預(yù)警信息。

2硬件構(gòu)成

單參量采集模塊、參量匯集模塊硬件構(gòu)成如圖2所示。火情現(xiàn)場數(shù)據(jù)的采集由單參量采集模塊和參量匯集模塊共同完成。

參量采集模塊包括傳感器、信號處理電路、MCU,并通過工業(yè)標準接口（232、485、I2C、SPI等）與參量匯集模塊連接。根據(jù)火情現(xiàn)場情況，選取煙霧、溫度、火焰、電參數(shù)（包括入戶母線電壓、電流、有功功率、無功功率或功率因數(shù)）等傳感器進行數(shù)據(jù)采集，經(jīng)信號處理電路處理后送入MCU,再通過標準接口。根據(jù)約定的通訊協(xié)議，將火情現(xiàn)場數(shù)據(jù)傳輸給參量匯集模塊。參量匯集模塊以無線MCU（ZigBee終端節(jié)點）為核心。通過標準接口與單參量采集模塊有線連接，接收單參量采集模塊發(fā)送的火情現(xiàn)場數(shù)據(jù)，再通過ZigBee網(wǎng)絡(luò)轉(zhuǎn)發(fā)給

ZigBee協(xié)調(diào)器。數(shù)據(jù)傳輸模塊結(jié)構(gòu)如圖3所示，主要由ARM微處理器.ZigBee協(xié)調(diào)器以及NB-IoT模塊組成。

各參量匯集模塊作為ZigBee終端節(jié)點加入網(wǎng)絡(luò),ZigBee協(xié)調(diào)器接收多個參量匯集模塊上傳的火情現(xiàn)場數(shù)據(jù)。ARM微處理器負責(zé)統(tǒng)籌處理數(shù)據(jù)本地傳輸、遠程傳輸,以及相應(yīng)的解析及轉(zhuǎn)換,NB-IoT模塊將火情現(xiàn)場數(shù)據(jù)等信息遠程發(fā)送至云平臺進行處理。

3軟件設(shè)計

3.1數(shù)據(jù)采集

數(shù)據(jù)采集過程完成對火情現(xiàn)場數(shù)據(jù)的采集,其軟件流程如圖4所示。

初始化完成后，參量采集模塊需要通過相應(yīng)的傳感器采集現(xiàn)場數(shù)據(jù)，處理完相關(guān)數(shù)據(jù)后，將數(shù)據(jù)傳輸至參量匯集模塊。

3.2數(shù)據(jù)傳輸

數(shù)據(jù)傳輸是指將參量匯集模塊接收到的多組火情現(xiàn)場數(shù)據(jù)上傳至云平臺的過程，其軟件流程如圖5所示。

ZigBee協(xié)調(diào)器檢測周圍網(wǎng)絡(luò)狀態(tài)，建立網(wǎng)絡(luò)。參量匯集模塊作為終端節(jié)點入網(wǎng)后，將數(shù)據(jù)轉(zhuǎn)發(fā)至ZigBee協(xié)調(diào)器,協(xié)調(diào)器接收到上傳的火情現(xiàn)場數(shù)據(jù)，通過串口通信將數(shù)據(jù)發(fā)送給ARM微處理器,ARM微處理器對數(shù)據(jù)解析、打包后，由NB-IoT模塊上傳至云平臺完成數(shù)據(jù)處理，*終實現(xiàn)火災(zāi)預(yù)警。

3.3數(shù)據(jù)處理

數(shù)據(jù)處理是指在云平臺對上傳的火情現(xiàn)場數(shù)據(jù)進行運算與處理的過程，其軟件流程如圖6所示。

云平臺完成初始化后，首先接收火災(zāi)監(jiān)測現(xiàn)場的位置以及火情現(xiàn)場數(shù)據(jù)等信息，運算與處理上傳數(shù)據(jù)中的多個變量，隨后建立火災(zāi)現(xiàn)場狀態(tài)與多變量參數(shù)之間的非線性數(shù)學(xué)模型?；谠撃Ｐ停罁?jù)采集的多變量數(shù)據(jù)，通過智能算法計算得出火災(zāi)發(fā)生的概率，然后發(fā)送火災(zāi)預(yù)警信息至客戶端。

4智能識別算法

本文提出的火災(zāi)預(yù)警智能識別算法，可融合分析傳感器采集的多個變量，基于半監(jiān)督學(xué)習(xí)方法，自動實現(xiàn)變量分類，并通過求解算法,建立火災(zāi)現(xiàn)場狀態(tài)與多變量參數(shù)之間的非線性數(shù)學(xué)模型?；谠撃Ｐ?依據(jù)采集的多變量數(shù)據(jù)，*后得出火災(zāi)發(fā)生的概率，達到預(yù)警的目的。算法包含兩部分。

（1）基于稀疏編碼的結(jié)構(gòu)特征提取方法

其對應(yīng)的學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示。

記樣本數(shù)量為N,樣本維度為D,則第i個樣本可表示為ai=,則自動編碼器參數(shù)訓(xùn)練的目標為輸出數(shù)據(jù)接近輸入數(shù)據(jù),即

：

式中=為輸入樣本集合狙為相應(yīng)的輸出值集合。

(2)多類SVM的實現(xiàn)

SVM在解決小樣本、非線性以及高緯模式識別問題中具有優(yōu)勢，但傳統(tǒng)的SVM僅用于解決兩類分類問題,不能直接用于多類分類。本文采用一對一訓(xùn)練策略來實現(xiàn)多類SVM的分類，為每類構(gòu)造一個SVM,通過粒子群(PSO)算法實現(xiàn)對SVM參數(shù)的優(yōu)化,并采用稀疏自編碼器獲取的特征參數(shù)訓(xùn)練多類SVM,從而實現(xiàn)完整的智能識別算法。云平臺對各參量匯集模塊傳來的數(shù)據(jù)進行智能計算與分析，判斷當(dāng)前是否有預(yù)警發(fā)生，若有，云平臺首先通過嵌入式網(wǎng)關(guān)的IMEI碼,定位當(dāng)前發(fā)生預(yù)警的監(jiān)測點位置。再通過該監(jiān)測點對應(yīng)的ZigBee網(wǎng)絡(luò)，定位該監(jiān)測點區(qū)域內(nèi)發(fā)生預(yù)警的參量匯集模塊對應(yīng)的位置。此外，云平臺還可判斷出當(dāng)前預(yù)警的嚴重等級，可保證在多個監(jiān)測點同時發(fā)生預(yù)警時，工作人員可根據(jù)嚴重等級，合理安排處理順序，云平臺可將這些定位及預(yù)警等級信息推送到計算機或智能手機客戶端上，工作人員可接收到推送的預(yù)警信息，及時采取相應(yīng)的處理措施。

5安科瑞電氣火災(zāi)監(jiān)控系統(tǒng)

（1）概述

Acre1-6000電氣火災(zāi)監(jiān)控系統(tǒng)，是根據(jù)中心的消防電子產(chǎn)品試驗認證，并且均通過嚴格的EMC電磁兼容試驗，保證了該系列產(chǎn)品在低壓配電系統(tǒng)中的安全正常運行，現(xiàn)均已批量生產(chǎn)并在全國得到廣泛地應(yīng)用。該系統(tǒng)通過對剩余電流、過電流、過電壓、溫度和故障電弧等信號的采集與監(jiān)視，實現(xiàn)對電氣火災(zāi)的早期預(yù)防和，當(dāng)必要時還能聯(lián)動切除被檢測到剩余電流、溫度和故障電弧等超標的配電回路;并根據(jù)用戶的需求，還可以滿足與AcreIEMS企業(yè)微電網(wǎng)管理云平臺或火災(zāi)自動系統(tǒng)等進行數(shù)據(jù)交換和共享。

（2）應(yīng)用場合

適用于智能樓宇、高層公寓、賓館、飯店、商廈、工礦企業(yè)、重點消防單位以及石油化工、文教衛(wèi)生、金融、電信等領(lǐng)域。

（3）系統(tǒng)結(jié)構(gòu)

（4）系統(tǒng)功能

監(jiān)控設(shè)備能接收多臺探測器的剩余電流、溫度信息，時發(fā)出聲、光信號，同時設(shè)備上紅色“"指示燈亮，顯示屏指示部位及類型，記錄時間，聲光一直保持，直至按設(shè)備的“復(fù)位"按鈕或觸摸屏的“復(fù)位"按鍵遠程對探測器實現(xiàn)復(fù)位。對于聲音信號也可以使用觸摸屏“消聲"按鍵手動消除

當(dāng)被監(jiān)測回路時，控制輸出繼電器閉合，用于控制被保護電路或其他設(shè)備，當(dāng)消除后，控制輸出繼電器釋放。

通訊故障：當(dāng)監(jiān)控設(shè)備與所接的任一臺探測器之間發(fā)生通訊故障或探測器本身發(fā)生故障時，監(jiān)控畫面中相應(yīng)的探測器顯示故障提示，同時設(shè)備上的黃色“故障"指示燈亮，并發(fā)出故障聲音。電源故障：當(dāng)主電源或備用電源發(fā)生故障時，監(jiān)控設(shè)備也發(fā)出聲光信號并顯示故障信息，可進入相應(yīng)的界面查看詳細信息并可解除聲

當(dāng)發(fā)生剩余電流、超溫或通訊、電源故障時，將部位、故障信息、時間等信息存儲在數(shù)據(jù)庫中，當(dāng)解除、排除故障時，同樣予以記錄。歷史數(shù)據(jù)提供多種便捷、快速的查詢方法。

（5）配置方案

6結(jié)語

本文利用參量采集模塊采集火情現(xiàn)場數(shù)據(jù)并上傳至參量匯集模塊，通過ZigBee網(wǎng)絡(luò)和NB-IoT模塊將數(shù)據(jù)上傳至云平臺，云平臺融合分析傳感器采集到的多個變量，并通過求解算法，得出火災(zāi)發(fā)生的概率并將其發(fā)送至客戶端，據(jù)此提醒工作人員及時采取措施?；谠撓到y(tǒng)，及時預(yù)警火情現(xiàn)場，提前預(yù)判。從而減少人員傷亡和財產(chǎn)損失。

參考文獻

[1] 閆傳令，李紅艷.冶山礦業(yè)公司“六大系統(tǒng)"的建設(shè)及應(yīng)用[J]. 現(xiàn)代礦業(yè)，2014,30(12):186-187.

[2] 張紀飛.煤礦井下自動化供水索統(tǒng)的設(shè)計應(yīng)用[J].山東煤炭科技,2021,39(7)：135-137.

[3] 馬莉.煤礦供水系統(tǒng)優(yōu)化改造的研究[J].當(dāng)代化工研究，2021(5) :92-93.

[4] 劉文峰，孟祥忠.煤礦深井多水平恒壓供水系統(tǒng)的研究與應(yīng)用[J].工業(yè)儀表與自動化裝置,2020(4)：25-28+47.

[5] 孫派，吳志強，蘇瑞.礦井供水管網(wǎng)在線監(jiān)測自控技術(shù)研究實踐[J].中小企業(yè)管理與科技(下旬刊),2013(4):240.

[6]魏立明，楊坤，陳妍希.建筑電氣火炎預(yù)警系統(tǒng)的綜述研究[J]. 吉林建筑大學(xué)學(xué)報,2017,34(3):112-115.

[7] 藍雄，劉勝永.軸承故障稀疏編碼特征提取與多分類SVM識別[J].機械設(shè)計與制造,2020(10):182-186.

[8]周文潮，周子涵，靳沖.基于SVM的變壓器局部放電故障診斷研究[J].鐵路通信信號工程技術(shù),2022,19(S1):137-140.

[9] 范婕，許欣怡，周詩崠等.基于PSO-SVM的天然氣水合物生成條件預(yù)測[J].天然氣化工—C1化學(xué)與化工,2022,47(5):171-176.

[10]龍興林，俞鑒鋒，劉學(xué)勇，方永達.一種新型電氣火災(zāi)預(yù)警系統(tǒng)研究 [A].傳感檢測與儀器儀表.2023(13)-1133

[11] 安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊2022.05版．