一种人工智能电气线路火灾风险实时预警方法及系统技术方案

本发明专利技术公开了一种人工智能电气线路火灾风险实时预警方法及系统，方法包括以下步骤：实时采集各电气线路的多维度数据，所述多维度数据包括测点温升、表箱温升、负荷电流，其中，通过温度场采集获取所述测点温升和表箱温升；对所述多维度数据进行异常判断，得到各电气线路的异常等级；根据各电气线路的所述异常等级和所述异常等级的持续时间，计算得到各电气线路的火灾预警风险值，本发明专利技术的系统包括一个或多个物联网采集感知终端、与所述物联网采集感知终端信号连接的智能网关、与所述智能网关数据通讯的数据处理服务器。本发明专利技术具有预警面积广、预警准确度高、预警效率高、实时预警、预警智能化的技术特点。

【技术实现步骤摘要】
一种人工智能电气线路火灾风险实时预警方法及系统
本专利技术属于火灾风险预警
，尤其涉及一种人工智能电气线路火灾风险实时预警方法及系统。
技术介绍
火灾是一种特别严重的灾害现象，对其进行有效的控制，是社会文明进步的一个重要标志。在众多火灾事故中，由于电气线路问题引起的火灾频繁发生，据公安消防局统计显示在2011年至2016年电气线路火灾数量占到火灾总量的30％，并且随着社会建筑电气线路的不断老化，其不断威胁着公众的安全、社会的发展，一旦发生对经济、科技创新、历史文物等会造成不可逆的后果。现有技术中，大都采用单维度监测、阈值报警，如烟雾仪表、温度仪表、断路器、探测漏电等产品，当发生火灾时，能够第一时间监测到火灾信息，以进行火灾报警，但是这些技术经常出现误报、漏报现象或者当出现严重问题时才做出报警处理，若处理不及时，就有可能造成大量的损失，并对人员的生命安全及电力系统的正常运行带来巨大的安全隐患，并且上述现有技术并不能有效地对电气线路火灾进行预警，只能在发生火灾或火灾临近时，才能监测到关键信息，以进行补救措施，不能做到防范于未然。因此，需要提供一种能够对电气线路火灾进行预警的解决方案。
技术实现思路
本专利技术的技术目的是提供一种人工智能电气线路火灾风险实时预警方法及系统，具有预警面积广、预警准确度高、预警效率高、实时预警、预警智能化的技术特点。为解决上述问题，本专利技术的技术方案为：一种人工智能电气线路火灾风险实时预警方法，包括以下步骤：S1：实时采集各电气线路的多维度数据，多维度数据包括测点温升、表箱温升、负荷电流，其中，通过温度场采集获取测点温升和表箱温升，温度场包括测点温度、表箱温度、环境温度；S2：对多维度数据进行异常判断，得到各电气线路的异常等级；S3：根据各电气线路的异常等级和异常等级的持续时间，计算得到各电气线路的火灾预警风险值。根据本专利技术一实施例，步骤S2具体为：通过火灾风险异常等级判断模型对多维度数据进行异常点的判断、异常点和正常区域距离的测定，得到各电气线路的异常等级；其中，火灾风险异常等级判断模型的建立过程为：根据温度场与负荷电流的对应关系，建立负荷温升分析模型；根据负荷温升分析模型，通过人工智能电气火灾聚分类算法和人工智能电气火灾分级算法，训练得到火灾风险异常等级判断模型。根据本专利技术一实施例，根据负荷温升分析模型，通过人工智能电气火灾聚分类算法和人工智能电气火灾分级算法，训练得到火灾风险异常等级判断模型，具体过程包括以下步骤：A1：把基于多维度数据的大数据按电线规格、环境温度、负荷电流进行数据分组；A2：对数据分组后的各组数据按照测点温升、表箱温升进行分别分级，每一层级聚成一类；A3：根据预设的标准分类值对分级后的各组数据进行异常等级标准化分类；A4:统计异常等级标准化分类后的各组数据的各级别的统计值，并且在各组数据中分别以统计值最大对应的异常等级为基础，分别重新调整各组数据的其余层级的异常等级，得到智能化异常等级判断标准；A5：根据智能化异常等级判断标准得到火灾风险异常等级判断模型。根据本专利技术一实施例，异常等级按严重程度递增方向从0级起划分，步骤A4具体包括以下步骤：若统计值最大对应的异常等级等于0，则根据预设百分比和最大的统计值计算以统计值最大对应的层级为中心的相对安全范围，并且将落入相对安全范围且异常等级小于等于1的层级的异常等级调整为0，并且根据层级之间的距离确定剩余层级的异常等级；若统计值最大对应的异常等级不等于0，则将统计值最大对应的层级之前的所有层级对应的异常等级降一级，0级不动。根据本专利技术一实施例，步骤A5之后还包括步骤A6：通过火灾风险异常等级判断模型，对实时采集的多维度数据进行监督学习，并将监督学习的结果每隔预设时间更新至智能化异常等级判断标准中，并重新执行步骤A4-A5,以获取新的火灾风险异常等级判断模型。根据本专利技术一实施例，步骤S1中，多维度数据还包括烟雾信息、湿度信息。根据本专利技术一实施例，步骤S3中，火灾预警风险值risk的计算过程为：risk＝(level+counts/n)*10其中，level为异常等级，n为截至目前当日的实时数据采集次数，counts为截至目前当日的异常等级为level出现的累计次数。根据本专利技术一实施例，步骤S3之后还包括步骤S4：根据火灾预警风险值对各电气线路进行风险排名，并根据火灾预警风险值的高低进行预警。根据本专利技术一实施例，步骤S4还包括：根据火灾预警风险值进行时间维度上的纵向、横向分析，纵向分析得到各电气线路的风险走势、同等风险在历史中出现的概率，横向分析得到同等风险在预警区域内所有电气线路中出现的概率、整个预警区域的最大风险情况。本专利技术还提供了一种人工智能电气线路火灾风险实时预警系统，包括：一个或多个物联网采集感知终端，物联网采集感知终端包括负荷电流检测模块、测点温度检测模块、表箱温度检测模块、环境温度检测模块，用以实时采集电气线路的多维度数据，多维度数据包括测点温升、表箱温升、负荷电流，其中，通过温度场采集获取测点温升和表箱温升，温度场包括测点温度、表箱温度、环境温度；智能网关，与物联网采集感知终端信号连接，用以传输实时采集到的多维度数据；数据处理服务器，与智能网关数据通讯，数据处理服务器包括异常等级判断模块、风险处理模块，异常等级判断模块用以对多维度数据进行异常判断，得到各电气线路的异常等级；风险处理模块用以根据各电气线路的异常等级和异常等级的持续时间，计算得到各电气线路的火灾预警风险值。根据本专利技术一实施例，物联网采集感知终端还包括烟雾检测模块、湿度检测模块。根据本专利技术一实施例，还包括预警监控平台，用以根据火灾预警风险值对各电气线路进行风险排名，并根据火灾预警风险值的高低进行预警。根据本专利技术一实施例，预警监控平台还用以根据火灾预警风险值进行时间维度上的纵向、横向分析，纵向分析得到各电气线路的风险走势、同等风险在历史中出现的概率，横向分析得到同等风险在预警区域内所有电气线路中出现的概率、整个预警区域的最大风险情况。本专利技术与现有技术相比具有以下的优点和积极效果：1)本专利技术引入温度场对电气线路进行监测，分别监测测点温度、表箱温度、环境温度，同时通过温度场将三个温度维度变成了两个维度温升，即测点温升、表箱温升，降低了原始数据的维度，对于后期的大数据预警分析，有效降低了数据的处理量，提高了整体火灾预警的效率，并且采用测点温升、表箱温升进行火灾预警，排除了环境温度的干扰，同时基于异常等级和异常等级持续时间进行计算火灾预警风险值，排除了偶然性的异常，提高了火灾预警的准确度；2)本专利技术基于多维度数据进行异常判断，得到各电气线路的异常等级，具体通过火灾风险异常等级判断模型进行异常点的判断、异常点和正常区域距离的测定，以确定异常等级，其中，通过负荷温本文档来自技高网...

【技术保护点】
1.一种人工智能电气线路火灾风险实时预警方法，其特征在于，包括以下步骤：/nS1：实时采集各电气线路的多维度数据，所述多维度数据包括测点温升、表箱温升、负荷电流，其中，通过温度场采集获取所述测点温升和表箱温升，所述温度场包括测点温度、表箱温度、环境温度；/nS2：对所述多维度数据进行异常判断，得到各电气线路的异常等级；/nS3：根据各电气线路的所述异常等级和所述异常等级的持续时间，计算得到各电气线路的火灾预警风险值。/n

【技术特征摘要】
1.一种人工智能电气线路火灾风险实时预警方法，其特征在于，包括以下步骤：
S1：实时采集各电气线路的多维度数据，所述多维度数据包括测点温升、表箱温升、负荷电流，其中，通过温度场采集获取所述测点温升和表箱温升，所述温度场包括测点温度、表箱温度、环境温度；
S2：对所述多维度数据进行异常判断，得到各电气线路的异常等级；
S3：根据各电气线路的所述异常等级和所述异常等级的持续时间，计算得到各电气线路的火灾预警风险值。


2.根据权利要求1所述的人工智能电气线路火灾风险实时预警方法，其特征在于，所述步骤S2具体为：通过火灾风险异常等级判断模型对所述多维度数据进行异常点的判断、异常点和正常区域距离的测定，得到各电气线路的异常等级；其中，
所述火灾风险异常等级判断模型的建立过程为：
根据所述温度场与所述负荷电流的对应关系，建立负荷温升分析模型；
根据所述负荷温升分析模型，通过人工智能电气火灾聚分类算法和人工智能电气火灾分级算法，训练得到火灾风险异常等级判断模型。


3.根据权利要求2所述的人工智能电气线路火灾风险实时预警方法，其特征在于，根据所述负荷温升分析模型，通过人工智能电气火灾聚分类算法和人工智能电气火灾分级算法，训练得到火灾风险异常等级判断模型,具体包括以下步骤：
A1：把基于所述多维度数据的大数据按电线规格、环境温度、负荷电流进行数据分组；
A2：对数据分组后的各组数据按照测点温升、表箱温升进行分别分级，每一层级聚成一类；
A3：根据预设的标准分类值对分级后的各组数据进行异常等级标准化分类；
A4:统计异常等级标准化分类后的各组数据的各级别的统计值，并且在各组数据中分别以统计值最大对应的异常等级为基础，分别重新调整各组数据的其余层级的异常等级，得到智能化异常等级判断标准；
A5：根据所述智能化异常等级判断标准得到所述火灾风险异常等级判断模型。


4.根据权利要求3所述的人工智能电气线路火灾风险实时预警方法，其特征在于，所述异常等级按严重程度递增方向从0级起划分，所述步骤A4具体包括以下步骤：
若统计值最大对应的异常等级等于0，则根据预设百分比和最大的统计值计算以统计值最大对应的层级为中心的相对安全范围，并且将落入所述相对安全范围且异常等级小于等于1的层级的异常等级调整为0，并且根据层级之间的距离确定剩余层级的异常等级；
若统计值最大对应的异常等级不等于0，则将统计值最大对应的层级之前的所有层级对应的异常等级降一级，0级不动。


5.根据权利要求3所述的人工智能电气线路火灾风险实时预警方法，其特征在于，所述步骤A5之后还包括步骤A6：
通过所述火灾风险异常等级判断模型，对实时采集的所述多维度数据进行监督学习，并将所述监督学习的结果每隔预设时间更新至所述智能化异常等级判断标准中，并重新执行所述步骤A4-A5,以获取新的所述火灾风险异常等级判断模...

【专利技术属性】
技术研发人员：周群力，黄宏声，黄凤仪，
申请(专利权)人：上海枫昱能源科技有限公司，
类型：发明
国别省市：上海;31