一种电气火灾监测方法、装置及服务器与流程

本发明属于火灾监测技术领域，尤其涉及一种电气火灾监测方法、装置及服务器。

背景技术：

现有的电气火灾监测系统利用互感器检测电路中的剩余电流，当判断测得的剩余电流超过阈值时，发出警报并控制断路器将电源与电路断开，但由于实际应用环境较为复杂，容易受到噪声等因素干扰，导致误判率较高，给生产生活造成不便，因此需要改进检测方法，提高系统抗干扰能力，降低误判率。

技术实现要素：

有鉴于此，本发明实施例提供了一种电气火灾监测方法、装置及服务器，以解决现有技术中存在的问题。

本发明实施例的第一方面提供了一种电气火灾监测方法，包括获取多个关于电路的电气火灾特征参数的检测数据；融合电气火灾特征参数的检测数据，获得监测结果；其中，电气火灾特征参数包括剩余电流参数和环境参数中的一种或组合，所述剩余电流参数包括剩余电流、剩余电流变化率和剩余电流变化量，所述环境参数包括温度、红外线强度和烟雾浓度。

可选的，获取所述剩余电流参数的检测数据的步骤包括：在一定时间窗内，按照一定时间间隔采集所述电路中的剩余电流参数的检测数据，获取剩余电流时间序列；根据剩余电流时间序列计算剩余电流基准值；利用剩余电流互感器检测电路中当前的剩余电流；根据当前剩余电流和剩余电流基准值计算当前剩余电流变化量和剩余电流变化率。

可选的，所述融合电气火灾特征参数的检测数据，获得监测结果的步骤包括：采用第一神经网络融合温度、红外线强度和烟雾浓度的检测数据获取环境证据的基本概率赋值，采用第二神经网络融合剩余电流、剩余电流变化率和剩余电流变化量的检测数据获取电流证据的基本概率赋值，按证据理论融合环境证据的基本概率赋值和电流证据的基本概率赋值获取监测结果。

可选的，所述第一、第二神经网络均为bp神经网络。

本发明实施例的第二方面提供了一种电气火灾监测装置，包括：

剩余电流参数获取单元，用于检测电路中的剩余电流获取剩余电流检测数据；

剩余电流处理单元，用于根据剩余电流检测数据计算剩余电流变化率和剩余电流变化量检测数据；

第一数据融合单元，用于融合剩余电流、剩余电流变化率和剩余电流变化量的检测数据，获取电流证据的基本概率赋值；

环境参数获取单元，用于获取关于电路的温度、红外线强度和烟雾浓度的检测数据；

第二数据融合单元，用于融合温度、红外线强度和烟雾浓度检测数据，获取环境证据的基本概率赋值；

证据融合单元，用于利用证据融合理论根据电流证据的基本概率赋值和环境证据的基本概率赋值获得监测结果。

可选的，所述第一、第二神经网络均为bp神经网络。

本发明实施例的第三方面提供了一种服务器，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述电气火灾监测方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述电气火灾监测方法的步骤。

本发明实施例利用数据融合算法融合环境参数和/或剩余电流参数的监测结果，根据多个特征对电气火灾进行判定，相对于单纯利用剩余电流的有效值进行电气火灾判定的传统方法，本发明的具有更强的抗干扰能力，有利于降低误判几率，提高系统稳定性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的电气火灾监测方法的流程图；

图2是本发明实施例二提供的获取剩余电流参数的流程图；

图3是本发明实施例三提供的融合电气火灾特征参数的检测数据获得监测结果的流程图；

图4是本发明实施例四提供的电气火灾监测装置的结构框图；

图5是本发明实施例五提供的服务器的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”等是用于区别不同对象，而非用于描述特定顺序。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

图1是本发明实施例一提供的电气火灾监测方法的流程图。如图1所示，

本发明实施例一提供的电气火灾监测方法包括：

步骤s1：获取多个关于电路的电气火灾特征参数的检测数据；其中，电气火灾特征参数包括剩余电流参数和环境参数中的一种或组合，所述剩余电流参数包括剩余电流、剩余电流变化率和剩余电流变化量，所述环境参数包括温度、红外线强度和烟雾浓度。

步骤s2：融合电气火灾特征参数的检测数据，获得监测结果。具体来说，可以利用模糊推理或证据理论等算法对电气火灾特征参数的检测数据进行数据融合。利用模糊推理进行数据融合时，首先构造各电气火灾特征参数的隶属度函数，然后创建模糊规则。实际运行时，可以首先使用隶属度函数对相应的电气火灾特征参数的测量结果进行模糊化，然后使用例如传统模糊推理法进行模糊推理获得推理结果，然后利用例如重心法对推理结果去模糊化，以获得监测结果。相对于单独根据剩余电流有效值进行判断，本发明由于同时融合多个电气火灾特征参数，具有较高的检测精度和抗干扰能力。

在一些实施例中，获得监测结果后，如果监测结果是发送明火或阴燃火，可以控制脱钩器断开电路与电源的连接，并发出告警信号。

实施例二

本实施例是对实施例一中的方法步骤的进一步说明。图2是本发明实施例二提供的获取剩余电流参数的流程图。如图2所示，在本实施例中，获取所述剩余电流参数的步骤包括：

步骤s11、在一定时间窗内，按照一定时间间隔采集所述电路中的剩余电流的检测数据，获取剩余电流时间序列i1，i2，i3，…，in-1；

步骤s12、根据剩余电流时间序列计算剩余电流基准值i0；具体来说，i0可以取剩余电流时间序列i1，i2，i3，…，in-1的均值。

步骤s13、利用剩余电流互感器检测电路中当前的剩余电流in；

步骤s14、根据当前剩余电流in和剩余电流基准值i0计算当前剩余电流变化量δi和剩余电流变化率k。具体来说，δi＝in-i0，k＝δi/i0。

实施例三

本实施例是对实施例一中的方法步骤的进一步说明。如图3所示，在本实施例中，融合电气火灾特征参数的检测数据，获得监测结果的步骤包括：

步骤s21、利用第一神经网络融合温度、红外线强度和烟雾浓度检测数据获取环境证据的基本概率赋值。具体来说，可以将温度、红外线强度和烟雾浓度检测数据作为特征向量输入到第一神经网络，然后将第一神经网络的输出归一化得到环境证据的基本概率赋值。

步骤s22、利用第二神经网络融合剩余电流、剩余电流变化率和剩余电流变化量获取电流证据的基本概率赋值。具体的，可以将剩余电流、剩余电流变化率和剩余电流变化量检测结果输入到第二神经网络，然后将第二神经网络的输出归一化得到电流证据的基本概率赋值。

步骤s23、按证据理论融合环境证据的基本概率赋值和电流证据的基本概率赋值获取监测结果。具体的，以火灾类型(明火、无火、阴燃火)作为证据理论识别框架θ的基元，在2^θ上定义基本概率分配函数m，且有：

m:2^θ→[0,1]；(1)

其中m满足:

①m(φ)＝0

②

其中，φ为空集，a为2^θ的任一子集且代表一个命题，m(a)为命题a的基本概率赋值。

对多个证据进行融合的公式为：

其中，n为证据数量，本实施例有电流证据和环境证据，因此n＝2；

本实施例的决策方法为：

设满足

若有m(a1)-m(a2)>0.3，则a1为决策结果。

在本实施例中，可以根据上述公式(2)融合环境证据的基本概率赋值和电流证据的基本概率赋值得到证据融合结果，再根据上述决策方法获得监测结果。

在本实施例中，所述第一、第二神经网络可以为bp神经网络。在其他实施例中也可以为其他类型的神经网络，例如卷积神经网络。

在本实施例中，建立bp神经网络的步骤如下：

根据在电气火灾实验中获取的各环境参数、剩余电流参数的原始检测数据建立数据库，数据库中的数据包括各传感器对待测电气火灾所检测得到的数据和火灾类型(火灾类型可以包括明火、无火、阴燃火)。

以环境参数为输入，以火灾类型为输出建立第一神经网络，以电流参数为输入，以火灾类型为输出建立第二神经网络，并对第一、第二神经网络进行初始化(包括给定学习精度、迭代步数、学习参数)。例如，剩余电流参数包括剩余电流、剩余电流变化率和剩余电流变化量三个参数，火灾类型可以包括明火、无火、阴燃火三种类型，第一神经网络可以具有三层神经元，相应地，输入层具有三个输入神经元，输出层具有三个输出神经元，隐藏层可以具有5个隐藏神经元，当然，隐藏神经元的数量可以根据实际运行的效果进行调整。

利用数据库对第一神经网络和第二神经网络进行训练，直到满足预设的误差要求或最大迭代步数。

本实施例同时融合剩余电流参数和环境参数对电气火灾进行判定，相对于单纯利用剩余电流的有效值进行电气火灾判定的传统方法，具有较高的检测精度和抗干扰能力。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例四

如图4所示，本实施例提供一种电气火灾监测装置(标号为100)，包括：

剩余电流参数获取单元101，用于获取剩余电流参数的检测数据，其中剩余电流参数包括剩余电流、剩余电流变化率和剩余电流变化量；

第一数据融合单元102，用于融合剩余电流参数的检测数据，获取电流证据的基本概率赋值；

环境参数获取单元103，用于获取关于电路的环境参数的检测数据，其中环境参数包括温度、红外线强度和烟雾浓度；

第二数据融合单元104，用于环境参数的检测数据，获取环境证据的基本概率赋值；

证据融合单元105，用于利用证据融合理论根据电流证据的基本概率赋值和环境证据的基本概率赋值获得监测结果。

在本实施例中，所述第一、第二神经网络均为bp神经网络。

由于相关内容在第三实施例中已有详细描述，这里不再赘述。

实施例五

本实施例提供了一种服务器。图5是本发明实施例五提供的服务器的示意图。如图5所示，该实施例的服务器6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如火灾风险评估程序。所述处理器60执行所述计算机程序62时实现上述各个火灾风险评估方法实施例中的步骤，例如图3所示的步骤s21至s23。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块101至105的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述服务器6中的执行过程。例如，所述计算机程序62可以被分割成剩余电流参数获取单元、第一数据融合单元、环境参数获取单元、第二数据融合单元、证据融合单元，各模块具体功能如下：剩余电流参数获取单元用于获取剩余电流参数的检测数据，其中剩余电流参数包括剩余电流、剩余电流变化率和剩余电流变化量；第一数据融合单元用于融合剩余电流参数的检测数据，获取电流证据的基本概率赋值；环境参数获取单元用于获取关于电路的环境参数的检测数据，其中环境参数包括温度、红外线强度和烟雾浓度；第二数据融合单元用于环境参数的检测数据，获取环境证据的基本概率赋值；证据融合单元用于利用证据融合理论根据电流证据的基本概率赋值和环境证据的基本概率赋值获得监测结果。

所述服务器6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述服务器可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图4仅仅是服务器6的示例，并不构成对服务器6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器还可以包括输入输出设备、网络接入设备、总线等。

所称处理器60可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器61可以是所述服务器6的内部存储单元，例如服务器6的硬盘或内存。所述存储器61也可以是所述服务器6的外部存储设备，例如所述服务器6上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字卡(securedigital，sd)，闪存卡(flashcard)等。进一步地，所述存储器61还可以既包括所述服务器6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述服务器所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/服务器和方法，可以通过其它的方式实现。例如，以上所描述的装置/服务器实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。