[发明专利]密集绝缘型母线槽的早期火灾预警系统及方法在审
申请号: | 202211382292.0 | 申请日: | 2022-11-07 |
公开(公告)号: | CN115909646A | 公开(公告)日: | 2023-04-04 |
发明(设计)人: | 熊虎;李家源;江晓光;李文佩;向彬 | 申请(专利权)人: | 国网湖北省电力有限公司电力科学研究院 |
主分类号: | G08B17/12 | 分类号: | G08B17/12;G08B17/10;G06V10/80;G06V10/774;G06V10/764;G01N33/00;G01K13/00;G08B25/10 |
代理公司: | 武汉楚天专利事务所 42113 | 代理人: | 胡盛登 |
地址: | 430077 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 密集 绝缘 母线槽 早期 火灾 预警系统 方法 | ||
1.一种密集绝缘型母线槽的早期火灾预警系统,其特征在于,包括安装在配线间的气体和温度传感器(2)以及红外相机(3),所述气体和温度传感器(2)用以采集密集绝缘型母线槽(1)安装位置的环境温度数据以及气体浓度数据,所述红外相机(3)用以采集密集绝缘型母线槽(1)外壳的红外图像数据,所述气体和温度传感器(2)以及红外相机(3)均连接到WIFI网关(4),WIFI网关连接到局域网(5),局域网(5)连接到服务器(6),气体和温度传感器(2)以及红外相机(3)通过WIFI网关和局域网(5)将采集的环境温度数据、气体浓度数据以及红外图像数据传输到服务器(6),服务器(6)将环境温度数据、气体浓度数据以及红外图像数据进行特征提取和特征融合后,输入到训练好的SVM模型中,进行判别,如果判断识别出火灾,则推送报警信息给运维人员(7)。
2.根据权利要求1所述的一种密集绝缘型母线槽的早期火灾预警系统,其特征在于,所述气体和温度传感器(2)以及红外相机(3)通过WIFI无线传输的方式将采集的数据传输给WIFI网关。
3.根据权利要求1所述的一种密集绝缘型母线槽的早期火灾预警系统,其特征在于,所述服务器(6)通过短信或小程序将报警信息推送给运维人员(7)。
4.一种密集绝缘型母线槽的早期火灾预警方法,其特征在于,应用如权利要求1-3任一所述的密集绝缘型母线槽的早期火灾预警系统,方法包括以下具体步骤:
气体和温度传感器(2)以及红外相机(3)通过WIFI网关和局域网(5)将采集的环境温度数据、气体浓度数据以及红外图像数据传输到服务器(6);
服务器(6)对环境温度数据、气体浓度数据以及红外图像数据分别进行特征提取;
对特征提取后的环境温度数据特征、气体浓度数据特征以及红外图像特征进行特征融合;
进行特征融合后的融合特征输入到分类决策单元中SVM模型,由训练好的模型输出分类结果,也即判别结果;
当分类决策单元判别出火灾则输出报警信息,服务器(6)推送报警信息给运维人员(7)。
5.根据权利要求4所述的一种密集绝缘型母线槽的早期火灾预警方法,其特征在于,所述密集绝缘型母线槽火灾分为3类,即没有火灾发生时标签类别为0,不需要告警;有烟雾发生时标签类别为1,需要进行告警;着火时标签类别为2,需要告警,当输出为1或2时,触发报警机制,发出报警,需要工作人员进行查看,并采取进一步的措施,以softmax计算输入所属类别的概率,
其中,p(x)为输入x=[g,t,i]时的条件概率;y为标签类别,x=[s,t,i]为数据输入,g为气体浓度数据,t为温度数据,i为红外图像数据。
6.根据权利要求5所述的一种密集绝缘型母线槽的早期火灾预警方法,其特征在于,所述气体浓度数据具体为烟雾浓度时间序列,包含CO和PM2.5两组浓度数据,针对气体浓度数据特征提取,对其进行最大值Max、最小值Min、平均值Avg以及方差特征δ2的提取,具体见如下公式:
其中,xi为待求解的向量,分别为输入中的烟雾浓度g,n为向量的长度,式(2)-(5)中i分别为1,2,n=5,每5个数据为一组,即针对2种浓度数据,每种数据有1组特征,每组特征量为4个,即分别为CO浓度数据的特征FG1,PM2.5浓度数据的特征FG2,表示如下:
FG1={max(G1),min(G1),mean(G1),var(G1)} (6)
FG2={max(G2),min(G2),mean(G2),var(G2)} (7)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网湖北省电力有限公司电力科学研究院,未经国网湖北省电力有限公司电力科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211382292.0/1.html,转载请声明来源钻瓜专利网。