摘要：針對(duì)現(xiàn)有電氣火災(zāi)預(yù)警技術(shù)監(jiān)測(cè)功能不全面、智能決策不完善等問(wèn)題，開(kāi)發(fā)了新型電氣火災(zāi)預(yù)警系統(tǒng)。首先，利用多種不同類(lèi)型的單參量采集模塊收集火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)，然后將收集到的數(shù)據(jù)收集到參數(shù)采集模塊中，完成多參量采集；其次，參數(shù)采集模塊通過(guò)兩級(jí)數(shù)據(jù)傳輸網(wǎng)絡(luò)，即ZigBee本地?zé)o線通信和NB-IoT遠(yuǎn)程聯(lián)網(wǎng)通信，將火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)上傳到云平臺(tái)；*之后，云平臺(tái)對(duì)數(shù)據(jù)進(jìn)行了相應(yīng)的運(yùn)算和處理，并使用了智能識(shí)別算法。

關(guān)鍵字：電氣火災(zāi)預(yù)警，ZigBee,NB-IoT,智能化識(shí)別算法

引言

近幾年，我國(guó)電氣火災(zāi)頻發(fā)，造成重大人員傷亡和財(cái)產(chǎn)損失。據(jù)統(tǒng)計(jì)，2020年，違反電氣安裝使用規(guī)定引發(fā)的火災(zāi)有8.5萬(wàn)起，占總數(shù)的33.6%，重特大火災(zāi)中電氣火災(zāi)占比高達(dá)55.4%。目前，一些關(guān)于電氣火災(zāi)預(yù)警的研究:葉研等研究了基于CAN總線的實(shí)驗(yàn)樓火災(zāi)預(yù)警系統(tǒng)，通過(guò)CAN總線將數(shù)據(jù)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(mèng)媛設(shè)計(jì)了一個(gè)基于物聯(lián)網(wǎng)技術(shù)的無(wú)線火災(zāi)智能預(yù)警系統(tǒng)，采用ZigBee協(xié)議，利用各種傳感器進(jìn)行移動(dòng)通信。但是目前電氣火災(zāi)預(yù)警系統(tǒng)還存在一些不足，比如傳感器采集參數(shù)不全面，影響評(píng)價(jià)結(jié)果；采集數(shù)據(jù)使用多種不同類(lèi)型的傳感器，但這些參數(shù)之間存在一些或全部的非線性依賴關(guān)系。僅僅通過(guò)這些數(shù)值來(lái)判斷警報(bào)是不科學(xué)的，智能決策是不完善的。本文提出了一種新型的電氣火災(zāi)預(yù)警系統(tǒng)，將收集到的現(xiàn)場(chǎng)火災(zāi)數(shù)據(jù)通過(guò)多個(gè)參數(shù)采集模塊發(fā)送到參數(shù)采集模塊；數(shù)據(jù)傳輸模塊(包括ZigBee協(xié)調(diào)器)接收參數(shù)采集模塊(即ZigBee終端節(jié)點(diǎn))發(fā)送的相關(guān)數(shù)據(jù)，然后通過(guò)NB-IoT模塊將數(shù)據(jù)上傳到云平臺(tái)，從而形成兩級(jí)無(wú)線通信物聯(lián)網(wǎng)架構(gòu)。云平臺(tái)整合分析傳感器采集的多個(gè)變量參數(shù)，在火災(zāi)狀態(tài)和多個(gè)變量參數(shù)之間建立非線性數(shù)學(xué)模型。基于這個(gè)模型，根據(jù)多變數(shù)據(jù)，計(jì)算出火災(zāi)發(fā)生的概率，從而達(dá)到預(yù)警的目的。

1系統(tǒng)整體設(shè)計(jì)

如圖1所示，系統(tǒng)的整體結(jié)構(gòu)由參數(shù)采集模塊、參數(shù)采集模塊、數(shù)據(jù)傳輸模塊、云平臺(tái)和客戶端組成。參數(shù)采集模塊負(fù)責(zé)連接傳感器，感知火災(zāi)現(xiàn)場(chǎng)；參數(shù)采集模塊負(fù)責(zé)采集和上傳火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)；數(shù)據(jù)傳輸模塊作為通信橋梁，負(fù)責(zé)參數(shù)采集模塊與云平臺(tái)之間的信息傳輸；云平臺(tái)負(fù)責(zé)數(shù)據(jù)信息的計(jì)算和處理，計(jì)算火災(zāi)發(fā)生的概率，并向客戶端發(fā)送信息?？蛻舳丝梢韵鄳?yīng)地顯示火災(zāi)預(yù)警信息。

2硬件構(gòu)成

如圖2所示，單參數(shù)采集模塊和參數(shù)采集模塊的硬件構(gòu)成?；馂?zāi)現(xiàn)場(chǎng)數(shù)據(jù)的采集由單參數(shù)采集模塊和參數(shù)采集模塊共同完成。

參數(shù)采集模塊包括傳感器、信號(hào)處理電路、MCU,并且通過(guò)工業(yè)標(biāo)準(zhǔn)接口(2322、485、I2C、SPI等。)與參數(shù)收集模塊連接。根據(jù)火災(zāi)現(xiàn)場(chǎng)情況，選擇煙霧、溫度、火焰、電參數(shù)(包括入戶母線電壓、電流、有功功率、無(wú)功功率或功率因數(shù))等傳感器進(jìn)行數(shù)據(jù)采集，經(jīng)過(guò)信號(hào)處理電路處理后送入MCU，然后通過(guò)標(biāo)準(zhǔn)接口。根據(jù)約定的通信協(xié)議，將火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)傳輸給參數(shù)收集模塊。參數(shù)收集模塊的核心是無(wú)線MCU(ZigBee終端節(jié)點(diǎn))。通過(guò)標(biāo)準(zhǔn)接口與單參數(shù)收集模塊有線連接，接收單參數(shù)收集模塊發(fā)送的火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)，然后通過(guò)Zi。

ZigBee協(xié)調(diào)器。ARM微處理器主要由ARM微處理器組成，如圖3所示。.由ZigBee協(xié)調(diào)器和NB-IoT模塊組成。

作為ZigBee終端節(jié)點(diǎn)，每個(gè)參數(shù)聚集模塊都被添加到網(wǎng)絡(luò)中，ZigBee協(xié)調(diào)器接收到多個(gè)參數(shù)聚集模塊上傳的火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)。ARM微處理器負(fù)責(zé)統(tǒng)籌處理數(shù)據(jù)的本地傳輸、遠(yuǎn)程傳輸和相應(yīng)的分析和轉(zhuǎn)換。NB-IoT模塊將火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)等信息遠(yuǎn)程發(fā)送到云平臺(tái)進(jìn)行處理。

3軟件設(shè)計(jì)

3.1數(shù)據(jù)采集

在數(shù)據(jù)采集過(guò)程中，完成了對(duì)火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)的采集，軟件流程如圖4所示。

初始化后，參數(shù)采集模塊需要通過(guò)相應(yīng)的傳感器采集現(xiàn)場(chǎng)數(shù)據(jù)，處理相關(guān)數(shù)據(jù)后，將數(shù)據(jù)傳輸?shù)絽?shù)采集模塊。

3.2數(shù)據(jù)傳輸

數(shù)據(jù)傳輸是指將參數(shù)收集模塊接收到的多組火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)上傳到云平臺(tái)的過(guò)程，其軟件流程如圖5所示。

ZigBee協(xié)調(diào)器檢測(cè)周?chē)W(wǎng)絡(luò)狀態(tài)，建立網(wǎng)絡(luò)。作為終端節(jié)點(diǎn)進(jìn)入網(wǎng)絡(luò)后，參數(shù)匯集模塊將數(shù)據(jù)轉(zhuǎn)發(fā)給ZigBee協(xié)調(diào)器，協(xié)調(diào)器接收上傳的火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)，通過(guò)串口通信將數(shù)據(jù)發(fā)送給ARM微處理器，ARM微處理器對(duì)數(shù)據(jù)進(jìn)行分析和包裝，然后通過(guò)NB-IoT模塊上傳到云平臺(tái)完成數(shù)據(jù)處理，*最終實(shí)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(tái)上運(yùn)算和處理上傳的火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)的過(guò)程，其軟件流程如圖6所示。

云平臺(tái)初始化后，首先接收火災(zāi)監(jiān)測(cè)現(xiàn)場(chǎng)的位置和火災(zāi)現(xiàn)場(chǎng)的數(shù)據(jù)，在上傳的數(shù)據(jù)中計(jì)算和處理多個(gè)變量，然后在火災(zāi)現(xiàn)場(chǎng)狀態(tài)和多變量參數(shù)之間建立非線性數(shù)學(xué)模型。基于該模型，根據(jù)采集的多變量數(shù)據(jù)，通過(guò)智能算法計(jì)算火災(zāi)發(fā)生的概率，然后向客戶端發(fā)送火災(zāi)預(yù)警信息。

4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)測(cè)系統(tǒng)是根據(jù)中心的消防電子產(chǎn)品試驗(yàn)認(rèn)證，并通過(guò)了嚴(yán)格的EMC電磁兼容試驗(yàn)，確保了該系列產(chǎn)品在低壓配電系統(tǒng)中的安全正常運(yùn)行，目前已在全國(guó)范圍內(nèi)批量生產(chǎn)和廣泛應(yīng)用。該系統(tǒng)通過(guò)收集和監(jiān)控剩余電流、過(guò)流、過(guò)壓、溫度和故障電弧等信號(hào)，實(shí)現(xiàn)了對(duì)電氣火災(zāi)的早期預(yù)防和報(bào)警。如有必要，它還可以聯(lián)動(dòng)切斷超標(biāo)的配電電路，如剩余電流、溫度和故障電弧。根據(jù)用戶的需求，還可以通過(guò)電源管道和電源管道進(jìn)行報(bào)警或電源管道。

（2）應(yīng)用場(chǎng)合

適用于石化、文教衛(wèi)生、金融、電信等領(lǐng)域的智能建筑、高層公寓、酒店、酒店、商業(yè)建筑、工礦企業(yè)、國(guó)家重點(diǎn)消防單位。

（3）系統(tǒng)結(jié)構(gòu)

（4）配置方案

5結(jié)語(yǔ)

本文利用參數(shù)采集模塊采集火災(zāi)現(xiàn)場(chǎng)數(shù)據(jù)，上傳到參數(shù)采集模塊，通過(guò)ZigBee網(wǎng)絡(luò)和NB-IoT模塊將數(shù)據(jù)上傳到云平臺(tái)。云平臺(tái)整合分析傳感器采集的多個(gè)變量，通過(guò)求解算法獲得火災(zāi)發(fā)生的概率并發(fā)送到客戶端，提醒工作人員及時(shí)采取措施?；谠撓到y(tǒng)，及時(shí)警告火災(zāi)現(xiàn)場(chǎng)，提前預(yù)測(cè)。從而減少人員傷亡和財(cái)產(chǎn)損失。

參考文獻(xiàn)

[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(jì)飛.煤礦井下自動(dòng)化供水索統(tǒng)的設(shè)計(jì)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(dòng)化裝置,2020(4)：25-28+47.

[5] 孫派，吳志強(qiáng)，蘇瑞.礦井供水管網(wǎng)在線監(jiān)測(cè)自控技術(shù)研究實(shí)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(bào),2017,34(3):112-115.

[7] 藍(lán)雄，劉勝永.軸承故障稀疏編碼特征提取與多分類(lèi)SVM識(shí)別[J].機(jī)械設(shè)計(jì)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(hào)工程技術(shù),2022,19(S1):137-140.

[9] 范婕，許欣怡，周詩(shī)崠等.基于PSO-SVM的天然氣水合物生成條件預(yù)測(cè)[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(dá).一種新型電氣火災(zāi)預(yù)警系統(tǒng)研究 [A].傳感檢測(cè)與儀器儀表.2023(13)-1133

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