一种基于SVM的锂电池仓火灾预测方法和系统技术方案

本发明专利技术公开了一种基于SVM的锂电池仓火灾预测方法和系统，火灾预测方法包括以下步骤：以锂电池仓的环境温度信息为原始样本，根据锂电池仓内的温度场特征值作为建模样本；基于建模样本构建SVM分类模型；构建火灾发生概率模型，概率模型构建方法为利用Sigmoid将测试样本到所述的SVM分类模型超平面的距离的取值映射到[0,1]，映射的结果即为火灾发生的概率；本发明专利技术系统包括：温度信息采集模块、SVM分类模型构建模块、火灾发生概率模型构建模块、显示模块、火灾报警模块。本发明专利技术将机器学习和嵌入式开发运用到火灾的预测中，在保证实时性的同时将历史数据更好的融入预测中去，使得预测结果更加准确且反应更加迅速。

A Fire Prediction Method and System for Lithium Battery Storage Based on SVM

The invention discloses a fire prediction method and system for lithium battery bunker based on SVM. The fire prediction method includes the following steps: taking the environmental temperature information of lithium battery bunker as the original sample, taking the eigenvalue of temperature field in lithium battery bunker as the modeling sample, constructing SVM classification model based on the modeling sample, constructing the probability model of fire occurrence, and using Sigmoid as the probability model construction method. Mapping the distance from the test sample to the hyperplane of the SVM classification model to [0,1], the mapping result is the probability of fire occurrence; the system of the invention includes: temperature information acquisition module, SVM classification model construction module, fire occurrence probability model construction module, display module and fire alarm module. The invention applies machine learning and embedded development to fire prediction, and integrates historical data into the prediction better while ensuring real-time performance, so that the prediction results are more accurate and the response is more rapid.

【技术实现步骤摘要】
一种基于SVM的锂电池仓火灾预测方法和系统
本专利技术涉及一种锂电池仓内火灾预测方法和系统，具体涉及一种基于SVM(支持向量机)的锂电池仓火灾预测方法和系统。
技术介绍
目前动力电池起火已经成为了电动汽车以及混合动力汽车发生火灾的主要原因之一，一旦起火，将会严重危害车辆乘员的，生命财产安全，造成巨大经济损失的同时产生恶劣的社会影响，这将阻碍国家新能源汽车的推广使用进程。因此，能够快速准确地预测锂电池仓火灾成为目前电动汽车安全的一项非常重要的课题。传统的火灾探测器主要依靠传感器对温度、烟雾等燃烧产物进行监测，在超出一定阈值时判断为发生火灾，传统的预测方法反应时间过长，并且锂电池仓属于密闭空间且电池工作也将产生一定热量，传统的预测方法误报率也较高。
技术实现思路
本专利技术的目的在于提供一种基于SVM的锂电池仓火灾预测方法和系统，针对目前火灾预测方法的不足以及系统功能不完善的问题，本专利技术将机器学习和嵌入式开发运用到火灾的预测中，通过建立火灾预测模型，在保证实时性的同时将历史数据更好的融入预测中去，使得预测结果更加准确且反应更加迅速。为达到上述目的，本专利技术采用如下技术方案：一种基于SV本文档来自技高网...

【技术保护点】
1.一种基于SVM的锂电池仓火灾预测方法，其特征在于，包括以下步骤：S1、在锂电池仓中布置若干温度传感器，以温度传感器采集到的锂电池仓的环境温度信息为原始样本；S2、根据原始样本提取锂电池仓温度场特征值；S3、以温度场特征值为建模样本，构建SVM分类模型；S4、构建火灾发生概率模型，利用Sigmoid将测试样本到SVM分类模型超平面的距离的取值映射到[0,1]，映射的结果即为火灾发生的概率。

【技术特征摘要】
1.一种基于SVM的锂电池仓火灾预测方法，其特征在于，包括以下步骤：S1、在锂电池仓中布置若干温度传感器，以温度传感器采集到的锂电池仓的环境温度信息为原始样本；S2、根据原始样本提取锂电池仓温度场特征值；S3、以温度场特征值为建模样本，构建SVM分类模型；S4、构建火灾发生概率模型，利用Sigmoid将测试样本到SVM分类模型超平面的距离的取值映射到[0,1]，映射的结果即为火灾发生的概率。2.根据权利要求1所述的一种基于SVM的锂电池仓火灾预测方法，其特征在于，所述温度传感器有效监测范围覆盖整个锂电池仓内环境，且单个温度传感器作用范围不重叠。3.根据权利要求1所述的一种基于SVM的锂电池仓火灾预测方法，其特征在于，S2中将原始样本的均值和方差作为温度场特征值，具体公式如下：原始样本中每组温度数据的均值为：原始样本中每组温度数据的方差为：其中，Ti分别表示第i个温度传感器所采集到的覆盖范围内的温度值，n表示温度传感器的个数。4.根据权利要求1所述的一种基于SVM的锂电池仓火灾预测方法，其特征在于，S3中以建模样本作为模型训练样本的输入，使用MATLAB数据分析平台以及LIBSVM的相关程序包构建SVM分类模型。5.根据权利要求1所述的一种基于SVM的锂电池仓火灾预测方法，其特征在于，S4中利用Sigmoid将测试样本到SVM分类模型超平面的距离的取值映射到[0,1]，映射的结果即为火灾发生的概率，具体公式如下：测试样本到SVM分类模型超平面的距离为：g(x)＝ωx+b其中，x为测试样本温度场特征值，b为分类阈值，ω为权向量；通过Sigmoid转化为概率：其中g(x)当为正时，特征值在超平面上方，求得的概率即为发生火灾的概率；当g(x)为负时，特征值在超平面下方，求得的概率为不发生火...

【专利技术属性】
技术研发人员：张绪祥，高扬，张凤银，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61