摘要：針對現(xiàn)有電氣火災預警技術監(jiān)測功能不全面、智能決策不完善等問題，開發(fā)了新型電氣火災預警系統(tǒng)。首先，利用多種不同類型的單參量采集模塊收集火災現(xiàn)場數(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)采集模塊通過兩級數(shù)據(jù)傳輸網(wǎng)絡，即ZigBee本地無線通信和NB-IoT遠程聯(lián)網(wǎng)通信，將火災現(xiàn)場數(shù)據(jù)上傳到云平臺；*之后，云平臺對數(shù)據(jù)進行了相應的運算和處理，并使用了智能識別算法。

關鍵字：電氣火災預警，ZigBee,NB-IoT,智能化識別算法

引言

近幾年，我國電氣火災頻發(fā)，造成重大人員傷亡和財產(chǎn)損失。據(jù)統(tǒng)計，2020年，違反電氣安裝使用規(guī)定引發(fā)的火災有8.5萬起，占總數(shù)的33.6%，重特大火災中電氣火災占比高達55.4%。目前，一些關于電氣火災預警的研究:葉研等研究了基于CAN總線的實驗樓火災預警系統(tǒng)，通過CAN總線將數(shù)據(jù)發(fā)送到控制部分完成數(shù)據(jù)處理，提高了火災預警系統(tǒng)的可靠性和反饋速度。張夢媛設計了一個基于物聯(lián)網(wǎng)技術的無線火災智能預警系統(tǒng)，采用ZigBee協(xié)議，利用各種傳感器進行移動通信。但是目前電氣火災預警系統(tǒng)還存在一些不足，比如傳感器采集參數(shù)不全面，影響評價結果；采集數(shù)據(jù)使用多種不同類型的傳感器，但這些參數(shù)之間存在一些或全部的非線性依賴關系。僅僅通過這些數(shù)值來判斷警報是不科學的，智能決策是不完善的。本文提出了一種新型的電氣火災預警系統(tǒng)，將收集到的現(xiàn)場火災數(shù)據(jù)通過多個參數(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)調器)接收參數(shù)采集模塊(即ZigBee終端節(jié)點)發(fā)送的相關數(shù)據(jù)，然后通過NB-IoT模塊將數(shù)據(jù)上傳到云平臺，從而形成兩級無線通信物聯(lián)網(wǎng)架構。云平臺整合分析傳感器采集的多個變量參數(shù)，在火災狀態(tài)和多個變量參數(shù)之間建立非線性數(shù)學模型。基于這個模型，根據(jù)多變數(shù)據(jù)，計算出火災發(fā)生的概率，從而達到預警的目的。

1系統(tǒng)整體設計

如圖1所示，系統(tǒng)的整體結構由參數(shù)采集模塊、參數(shù)采集模塊、數(shù)據(jù)傳輸模塊、云平臺和客戶端組成。參數(shù)采集模塊負責連接傳感器，感知火災現(xiàn)場；參數(shù)采集模塊負責采集和上傳火災現(xiàn)場數(shù)據(jù)；數(shù)據(jù)傳輸模塊作為通信橋梁，負責參數(shù)采集模塊與云平臺之間的信息傳輸；云平臺負責數(shù)據(jù)信息的計算和處理，計算火災發(fā)生的概率，并向客戶端發(fā)送信息。客戶端可以相應地顯示火災預警信息。

2硬件構成

如圖2所示，單參數(shù)采集模塊和參數(shù)采集模塊的硬件構成。火災現(xiàn)場數(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、信號處理電路、MCU,并且通過工業(yè)標準接口(2322、485、I2C、SPI等。)與參數(shù)收集模塊連接。根據(jù)火災現(xiàn)場情況，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、無功功率或功率因數(shù))等傳感器進行數(shù)據(jù)采集，經(jīng)過信號處理電路處理后送入MCU，然后通過標準接口。根據(jù)約定的通信協(xié)議，將火災現(xiàn)場數(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線MCU(ZigBee終端節(jié)點)。通過標準接口與單參數(shù)收集模塊有線連接，接收單參數(shù)收集模塊發(fā)送的火災現(xiàn)場數(shù)據(jù)，然后通過Zi。

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

作為ZigBee終端節(jié)點，每個參數(shù)聚集模塊都被添加到網(wǎng)絡中，ZigBee協(xié)調器接收到多個參數(shù)聚集模塊上傳的火災現(xiàn)場數(shù)據(jù)。ARM微處理器負責統(tǒng)籌處理數(shù)據(jù)的本地傳輸、遠程傳輸和相應的分析和轉換。NB-IoT模塊將火災現(xiàn)場數(shù)據(jù)等信息遠程發(fā)送到云平臺進行處理。

3軟件設計

3.1數(shù)據(jù)采集

在數(shù)據(jù)采集過程中，完成了對火災現(xiàn)場數(shù)據(jù)的采集，軟件流程如圖4所示。

初始化后，參數(shù)采集模塊需要通過相應的傳感器采集現(xiàn)場數(shù)據(jù)，處理相關數(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現(xiàn)場數(shù)據(jù)上傳到云平臺的過程，其軟件流程如圖5所示。

ZigBee協(xié)調器檢測周圍網(wǎng)絡狀態(tài)，建立網(wǎng)絡。作為終端節(jié)點進入網(wǎng)絡后，參數(shù)匯集模塊將數(shù)據(jù)轉發(fā)給ZigBee協(xié)調器，協(xié)調器接收上傳的火災現(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)進行分析和包裝，然后通過NB-IoT模塊上傳到云平臺完成數(shù)據(jù)處理，*最終實現(xiàn)火災預警。

3.3數(shù)據(jù)處理

數(shù)據(jù)處理是指在云平臺上運算和處理上傳的火災現(xiàn)場數(shù)據(jù)的過程，其軟件流程如圖6所示。

云平臺初始化后，首先接收火災監(jiān)測現(xiàn)場的位置和火災現(xiàn)場的數(shù)據(jù)，在上傳的數(shù)據(jù)中計算和處理多個變量，然后在火災現(xiàn)場狀態(tài)和多變量參數(shù)之間建立非線性數(shù)學模型。基于該模型，根據(jù)采集的多變量數(shù)據(jù)，通過智能算法計算火災發(fā)生的概率，然后向客戶端發(fā)送火災預警信息。

4安科瑞電氣火災監(jiān)控系統(tǒng)

（1）概述

Acre1-6000電氣火災監(jiān)測系統(tǒng)是根據(jù)中心的消防電子產(chǎn)品試驗認證，并通過了嚴格的EMC電磁兼容試驗，確保了該系列產(chǎn)品在低壓配電系統(tǒng)中的安全正常運行，目前已在全國范圍內批量生產(chǎn)和廣泛應用。該系統(tǒng)通過收集和監(jiān)控剩余電流、過流、過壓、溫度和故障電弧等信號，實現(xiàn)了對電氣火災的早期預防和報警。如有必要，它還可以聯(lián)動切斷超標的配電電路，如剩余電流、溫度和故障電弧。根據(jù)用戶的需求，還可以通過電源管道和電源管道進行報警或電源管道。

（2）應用場合

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

（3）系統(tǒng)結構

（4）配置方案

5結語

本文利用參數(shù)采集模塊采集火災現(xiàn)場數(shù)據(jù)，上傳到參數(shù)采集模塊，通過ZigBee網(wǎng)絡和NB-IoT模塊將數(shù)據(jù)上傳到云平臺。云平臺整合分析傳感器采集的多個變量，通過求解算法獲得火災發(fā)生的概率并發(fā)送到客戶端，提醒工作人員及時采取措施。基于該系統(tǒng)，及時警告火災現(xiàn)場，提前預測。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)"的建設及應用[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)的設計應用[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.建筑電氣火炎預警系統(tǒng)的綜述研究[J]. 吉林建筑大學學報,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,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測[J].天然氣化工—C1化學與化工,2022,47(5):171-176.

[10]龍興林，俞鑒鋒，劉學勇，方永達.一種新型電氣火災預警系統(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)設計與應用手冊2022.05版．