超高压变电站开放空间火灾烟雾检测与识别方法与流程

本发明属于变电站火灾检测，具体涉及超高压变电站开放空间火灾烟雾检测与识别方法。

背景技术：

1、变电站火灾具有突发性强、影响广、损失大的特点，近年来，变电站火灾事故时有发生，一旦发生火灾，往往会出现“火烧连营”的连锁效应，轻则造成设备故障，重则造成电网大面积停电、甚至出现人身事故，特别是500kv及以上超高变电站在电力系统中承担关键的枢纽作用，其中的充油设备装备大量绝缘油，一旦发生火灾后果尤为严重，超特高压变电站处在大型室外开放空间，一直以来其火灾的早期探测和识别都是业界难题，目前变电站内常见的感烟火灾探测器受限于器接触式的探测原理，容易受非火灾颗粒的干扰，且不能适用于室内大空间和室外开放空间的火灾报警的不足；因此，提供一种基于深度学习、智能预警、提升火灾预警与防控能力、降低设备安全风险的超高压变电站开放空间火灾烟雾检测与识别方法是非常有必要的。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，而提供一种基于深度学习、智能预警、提升火灾预警与防控能力、降低设备安全风险的超高压变电站开放空间火灾烟雾检测与识别方法。

2、本发明的目的是这样实现的：超高压变电站开放空间火灾烟雾检测与识别方法，所述的方法包括以下步骤：

3、步骤1：评估超高压变电站电气设备火灾预警及防火灭火现状的实用性，并提取超高压变电站典型设备发生火灾的前兆敏感因子；

4、步骤2：基于多物理量监测数据的超高压变电站火灾可能性主控敏感指标建立；

5、步骤3：基于智慧消防的火灾预警应急处置，确定火灾预警的动态阈值；

6、步骤4：基于变电站现有的视频摄像头系统采用深度学习对超高压变电站开放空间进行火灾烟雾检测与识别；

7、步骤5：构建基于智慧消防的超高压变电站火灾预警与灭火智能化平台。

8、所述的步骤1具体包括以下步骤：

9、步骤1.1：梳理超高压变电站大型充油设备、电力电容器、干式电抗器设备的致火机理，并对可能发生的雷击过电压、外来施工动火作业、节假日活动外在诱发火灾的因素进行归纳总结；

10、步骤1.2：分析超高压变电站现有火灾监测手段及灭火装置，并对其实用性进行评估；

11、步骤1.3：结合不同电气火灾灭火介质的特点，选择适用于扑灭变电站不同设备火灾的灭火介质；

12、步骤1.4：基于现有灭火设备，针对变电站火灾灭火装置进行合理布置策略，采用系统安全分析法对火灾隐患设进行正向演化推理，深入分析其运行过程中可能导致火灾发生的情况，得到超高压变电站主要电气设备火灾的前兆敏感因子，对超高压变电站当前火灾预警与灭火措施的现状及实用性进行综合评估。

13、所述的步骤2具体包括以下步骤：

14、步骤2.1：将引起火灾的因素分为内部电气设备因素和外在诱因；

15、步骤2.2：对于内部电气设备因素，监测电流和电压致热型设备红外图谱、红外温度状态信息，并结合现场已有的感温、感烟探头、感温电缆、红外测温摄像头、视频摄像头、有源无线遥感测温装置和油色谱在线监测装置设备；

16、步骤2.3：采用有线电力专网与5g通讯网相结合的方式快速进行各类监测数据的全方位采集和传输；

17、步骤2.4：采用lora无线物联网技术实现变电站消防系统间的低功耗安全通信，获得完整的数据图谱，包含温度、烟雾浓度、气味、油色谱信息；

18、步骤2.5：分别针对电压致热型和电流致热型电气设备采用半定量分析即事件树分析法对各自的监测指标在火灾发生过程中的控制程度进行半定量描述，确定超高压变电站火灾发生可能性的主控敏感指标；

19、步骤2.6：针对外在诱火因素，分别通过变电站安防视频系统和避雷器在线监测系统实时监测外来火源和雷击过电压情况。

20、所述的步骤2.5中的事件树分析法具体为：事件树分析法是系统安全分析方法一种常用的运用归纳推理的风险分析方法，它在给定的一个初始事件的前提下，分析由初始事件导致的各种可能的事故和描述事故的发生发展过程以及确定导致事故的初始事件与后续事件的关系；事件树是用一系列二叉分支点表示事故的可能发展情况，这些分支点代表后续事件是否发生这两种可能的状态，在分支节点处，事件树分成上下两条路径，通常上分支表示“是”，下分支表示“否”，依次考虑每个后续事件的两种状态，将成功或起作用的状态画在下一级分支的上分支中，而将失败或不起作用的状态画在下一级分支的下分支中，层层递进，以此类推直到结果事件为止；如果后续事件发生与否对输入事件的发展没有影响，那么事件树在该节点处就没有分支，直到下一后续事件；首先需要确定各分支节点事件的概率即成功或失败，再计算每个最终事件结果的概率，该值为初始事件概率与各分支节点概率之积，最终事件概率为：式中，a表示初始事件；b、c、d表示后续事件发生的状态；和表示后续事件不发生的状态；若结果事件s2、s4、s6、s7为事故事件，则发生事故的总概率等于它们的概率总和，即p＝p(s2)+p(s4)+p(s6)+p(s7)(8)。

21、所述的步骤3具体包括以下步骤：

22、步骤3.1：通过变电站火灾灵敏度分析预警机制，分别针对电流致热型和电压致热型设备的不同负载情况，确定其发生火灾可能性的动态阈值；

23、步骤3.2：若火灾敏感指标超过阈值，联动工业视频信息，将视频片段输入深度自编码高斯混合模型进行异常检测，进一步确认火灾发生的可能性，降低火灾报警的误报率；

24、步骤3.3：搭建消防设施智慧日常管控系统，利用无线传感、物联网、大数据技术，对消防设施、器材状态进行智能化感知、识别、定位与跟踪，进行实时有效监控，实现站内消防系统运行数据的智能化采集和高效监管定位；

25、步骤3.4：制定火灾应急处置方案，通过调动着火附近区域内所有工业视频以及变电站内智能巡检机器人进行火势观察，对消控室、现场人员灭火行为、带电安全距离和设备隔离实施远方协调和指挥，依据实际设备着火情况启动相应的灭火消防设施，实现火灾的全方位、信息化智能控制与灭火，确保变电站安全。

26、所述的步骤3.2中的深度自编码高斯混合模型具体为：深度自编码高斯混合模型包括压缩网络和估计网络两个子结构；

27、其中压缩网络是一个深度全卷积自编码网络，通过这个自编码可以得到输入视频块x的低维表示zr，同时得到输入x与重构的x′之间的重构误差zc，然后进行拼接操作形成z；

28、估计网络是一个多层的全连接前馈神经网络，输入为z，经过多层全连接得到一个概率分布，这个概率分布的长度即为混合高斯分布中高斯成分的个数，通过输出概率判断输入是否为异常。

29、所述的步骤4具体包括以下步骤：

30、步骤4.1：基于深度域适应的变电站火灾烟雾图像检测模型：

31、步骤4.2：基于深度迁移学习的变电站火灾烟雾图像分类模型。

32、所述的步骤4.1具体包括以下步骤：

33、步骤4.11：综合考虑检测火灾烟雾检测模型的准确率与运行速度，采用具有相似结构的快速检测模型单步多框目标检测算法即ssd算法与多尺度卷积神经网络即mscnn分别作为烟雾图像检测的基础模型；

34、步骤4.12：采用变分自编码器生成火灾烟雾图像，采用生成的图像和域适应方法来提升检测模型的泛化性能；

35、步骤4.13：依托两种模型采用卷积层分支作为检测分支的结构特点，在网络结构上增加卷积层分支作为域分支，检测分支与域分支分别执行检测任务与域鉴别任务；

36、步骤4.14：在模型训练过程中，在执行检测任务的同时，通过整体网络结构中的权重更新控制，采用对抗训练策略执行域鉴别和域混淆，从而保证模型检测性能与域不变性。

37、所述的步骤4.2具体包括以下步骤：

38、步骤4.21：采用不同域适应结构构造真实烟雾特征空间，提取烟雾域不变特征，训练得到泛化性更高的烟雾图像分类模型；

39、步骤4.22：针对现场特高压变电站烟雾图像样本不足的问题，采用变分自编码器即vae编码器生成模型生成丰富多样的合成火灾烟雾图像，用来训练烟雾图像分类模型；

40、步骤4.23：使用域适应方法构造烟雾图像分类网络，使用生成烟雾图像集作为源数据集，真实烟雾图像集作为目标集，同时训练烟雾图像分类模型；

41、步骤4.24：网络执行烟雾与非烟雾的类别分类任务，以及生成与真实的属性分类任务，通过梯度反转层使得训练过程中属性分类的损失逐渐增大，即混淆合成与真实的属性类别；

42、步骤4.25：为进一步对齐两者的特征分布，采用相关性对齐的方法使得合成烟雾与真实烟雾的特征分布均匀混合；

43、步骤4.26：分析训练集中生成烟雾图像与真实烟雾图像样本的数量比例以及烟雾与非烟雾图像样本的数量比例对模型训练的影响。

44、所述的步骤5具体包括以下步骤：

45、步骤5.1：搭建超高压变电站视频系统、火灾探测系统、火灾报警控制系统、灭火装置系统之间的组网模式和联动控制机制；

46、步骤5.2：根据各分区域内设备及各自可燃物的燃烧特性，选择相应的探测器进行组合，并分布在变电站各分区域内；

47、步骤5.3：搭建分区域内的火灾探测器对各分区域内的温度、气体浓度、烟雾浓度探测信息的通讯策略；

48、步骤5.4：结合步骤2中的主控敏感指标、步骤3中的智慧消防管理与火灾预警机制，在火灾报警控制器及主服务器经信息综合判断，将报警及状态信号发送到有人值守的中心站，中心站自动或远程手动启动火灾报警器的灭火联动功能，形成超高压变电站的多区域智慧消防集中监控平台。

49、本发明的有益效果：本发明为超高压变电站开放空间火灾烟雾检测与识别方法，适用于各电压等级变电站电力设备火灾风险实时状态评估、监测预警、应急响应及快速有效处置，切实提高其运行安全性和经济性，促进变电站消防管控能力整体提升，提升公司电气设备火灾防控能力，在使用中，本发明采用基于多物理量的火灾监测技术，实现火灾的有效感知，采用有线专网与5g通讯网相结合的方式快速进行各类监测数据的全方位采集和传输，利用lora无线技术搭建不同监测设备和消防设备之间的物联网，实现消防信息的快速高效传递；采用基于大数据与深度学习的火灾预警诊断与联动应急处置方案，最终搭建一个能够兼顾超高压变电站内外致火因素，充分考虑不同设备类型的火灾预警与灭火智能化平台，切实提升变电站消防安全，对各类火灾隐患及时预警，提前隔离故障设备，减少设备受损程度及过火面积，减少经济损失，能够进一步提高变电站火灾防控效率，降低设备安全风险，减少供电负荷损失，从而提升电网供电可靠性；本发明采用基于多物理量融合监控技术、采用基于灵敏度分析的预警机制，有助于实现对变电站设备过热、外来火灾隐患侵入、着火等异常状况的提前预判和及时告警，为运维检修决策提供依据，可解决超高压电气监测设备提取到的火灾特征信号类型单一，信息较少等问题；本发明具有基于深度学习、智能预警、提升火灾预警与防控能力、降低设备安全风险的优点。