一种基于多传感器数据融合技术的储能消防早期预警系统技术方案

本发明专利技术公开一种基于多传感器数据融合技术的储能消防早期预警系统，包括：MCU、无线通讯模块、热解粒子传感器、一氧化碳传感器、氢气传感器、温度传感器、报警器；所述MCU通过接口电路分别与热解粒子传感器、一氧化碳传感器、氢气传感器、温度传感器连接，所述无线通讯模块、报警器分别与所述MCU连接。本发明专利技术涉及消防预警技术领域，解决现有的储能消防预警系统预警时间过晚，缺乏对多种传感器的数据融合的问题。题。题。

An energy storage fire early warning system based on multi-sensor data fusion technology

【技术实现步骤摘要】
一种基于多传感器数据融合技术的储能消防早期预警系统


[0001]本专利技术涉及消防预警
，尤其涉及一种基于多传感器数据融合技术的储能消防早期预警系统。

技术介绍

[0002]锂电池储能主要有锂电池的火灾危险性和电气设备火灾危险性。锂电池火灾主要是电解液受热分解燃烧，是一种化合物气体燃烧火灾，在电池内部材料之间发生的化学反应。电解液分解大量的热量是电池失控，导致电解液燃烧，在大型的锂电池储能项目上，电池模组具有密度高、集中分布式的特点，多个电池模组通过串并联的关系形成大型的储能系统。这样增加了锂电池故障出现的概率，并且电池之间无法切断电路，增大了火灾发生的概率。储能系统同时附属了很多电气设备，内部还连接了高压大电流的电缆，如果长期发热高温会造成柜体内部分电气元件氧化腐蚀，使其不能满足原设计的电阻、绝缘要求，是整个储能系统存在较大的风险，也会增加火灾发生的概率。火灾事故一旦发生就会造成严重后果，此时对锂离子电池热事故特征参数进行识别、热失控早期预警、安全联动和消防防护显得尤为重要。
[0003]现有的技术在储能消防预警中缺点如下：现在市面上常用的基于一氧化碳传感器、可燃气传感器或者VOC传感器的预警系统，一般都在热过载阶段末期才能有效预警，预警时间过晚，等到一氧化碳、可燃气等传感器报警的时候，锂电池已经处于热失控的阶段或者即将处于热失控的阶段。现有的预警系统也有采用多传感器进行预警，但都是各传感器根据自己的读数单独预警，缺乏对多种传感器的数据融合。

技术实现思路

[0004]本专利技术的目的在于提供一种基于多传感器数据融合技术的储能消防早期预警系统，以解决现有的储能消防预警系统预警时间过晚，缺乏对多种传感器的数据融合的问题。
[0005]本专利技术提供一种基于多传感器数据融合技术的储能消防早期预警系统，包括：MCU、无线通讯模块、热解粒子传感器、一氧化碳传感器、氢气传感器、温度传感器、报警器；所述MCU通过接口电路分别与热解粒子传感器、一氧化碳传感器、氢气传感器、温度传感器连接，所述无线通讯模块、报警器分别与所述MCU连接；所述MCU用于通过相应的接口电路与热解粒子传感器、一氧化碳传感器、氢气传感器、温度传感器进行通讯，并以1s的周期轮询读取以上四种传感器的实时数据；将四种传感器的实时数据作为卷积神经网络AI模型的输入数据，根据所述输入数据输出火灾风险指数预测值；判断所述火灾风险指数预测值是否超过了用户设置的报警阈值；如果火灾风险指数预测值超过用户设置的报警阈值，控制报警器报警；通过无线通讯模块与云平台进行通讯，将所述四种传感器的实时数据和火灾风险指数预测值发送给后台进行展示。
[0006]进一步地，所述MCU为ST公司的STM32F405RGT6芯片，芯片内置ARM
®ꢀ
Cortex
®‑
M4 内核，主频最大168MHz 。
[0007]进一步地，通过相应的接口电路与热解粒子传感器、一氧化碳传感器、氢气传感器、温度传感器进行通讯之前，所述MCU先用于进行MCU内核及各外围模块的初始化，然后进入总任务调度；所述总任务调度中有两个任务分支；其中一个任务分支为数据采集任务及卷积神经网络，用于以1s的周期轮询读取以上四种传感器的实时数据；将四种传感器的实时数据作为卷积神经网络AI模型的输入数据，根据所述输入数据输出火灾风险指数预测值；另一个任务分支为无线通讯任务，用于通过无线通讯模块与云平台进行通讯，将所述四种传感器的实时数据和火灾风险指数预测值发送给后台进行展示；之后判断所述火灾风险指数预测值是否超过了用户设置的报警阈值；如果火灾风险指数预测值超过用户设置的报警阈值，控制报警器报警；如果火灾风险指数预测值未超过用户设置的报警阈值，正常执行总任务调度。
[0008]进一步地，卷积神经网络依次包括输入层、卷积层、池化层、全连通层、输出层；输入层的输入数据是四种传感器的实时数据，卷积层的功能是对输入数据进行特征提取，卷积层内部包含多个卷积核，组成卷积核的每个元素都对应一个权重系数和一个偏差量；在卷积层进行特征提取后，输出的特征图会被传递至池化层进行特征选择和信息过滤；池化层包含预设定的池化函数，池化函数的功能是将特征图中单个点的结果替换为其相邻区域的特征图统计量；再经过一层卷积层和池化层后进入输出层，输出AI模型的预测结果，输出层输出的数据是火灾风险指数预测值。
[0009]进一步地，卷积神经网络AI模型训练所需的实际采集数据样本通过以下方式实现：选用容量为60Ah的锂电池组，电池电压为3.7V，放置于实验防爆电池箱内，实验防爆电池箱内上部安装有四种传感器，包括热解粒子传感器、一氧化碳传感器、氢气传感器和温度传感器，同时用70A/3.7V的恒流电源对锂电池组进行过充，观察并记录锂电池组的发热及火灾发生过程并采集四种传感器的数据。
[0010]进一步地，卷积神经网络AI模型训练中，将火灾风险指数和时间成指数关系，拟合后的公式为；其中y是火灾风险指数，取值范围为0
‑
100，数值越大代表风险越大；x代表时间，单位是分钟。
[0011]进一步地，使用STM32CubeMX工具中的X
‑
Cube
‑
AI扩展包将AI框架进行C代码的转化，以支持在嵌入式设备上使用，Cube
‑
AI把AI模型转化为一堆数组，而后将这些数组内容解析成模型，然后在STM32的工程代码中使用。
[0012]本专利技术的有益效果如下：本专利技术提供的一种基于多传感器数据融合技术的储能消防早期预警系统，引入热解粒子传感器，为实现早期预警提供主要的硬件支持。可以在火灾风险指数≥20的时候进行早期风险预警，比现有的火灾报警提前约100分钟左右。在采集大量数据样本的基础上，采用卷积神经网络AI模型进行训练，然后使用STM32CubeMX工具中的X
‑
Cube
‑
AI扩展包进行C代码的转化，部署在MCU上，在实现部署方便的同时，预警准确度也大大提高。
附图说明
[0013]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
[0014]图1为本专利技术实施例提供的基于多传感器数据融合技术的储能消防早期预警系统功能框图；图2为本专利技术实施例提供的基于多传感器数据融合技术的储能消防早期预警系统中MCU嵌入式程序的流程图；图3为本专利技术实施例提供的基于多传感器数据融合技术的储能消防早期预警系统中卷积神经网络的原理架构图；图4为实验环境示意图；图5为火灾风险指数和时间的指数关系图。
具体实施方式
[0015]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器数据融合技术的储能消防早期预警系统，其特征在于，包括：MCU（1）、无线通讯模块（2）、热解粒子传感器（3）、一氧化碳传感器（4）、氢气传感器（5）、温度传感器（6）、报警器（7）；所述MCU（1）通过接口电路分别与热解粒子传感器（3）、一氧化碳传感器（4）、氢气传感器（5）、温度传感器（6）连接，所述无线通讯模块（2）、报警器（7）分别与所述MCU（1）连接；所述MCU（1）用于通过相应的接口电路与热解粒子传感器（3）、一氧化碳传感器（4）、氢气传感器（5）、温度传感器（6）进行通讯，并以1s的周期轮询读取以上四种传感器的实时数据；将四种传感器的实时数据作为卷积神经网络AI模型的输入数据，根据所述输入数据输出火灾风险指数预测值；判断所述火灾风险指数预测值是否超过了用户设置的报警阈值；如果火灾风险指数预测值超过用户设置的报警阈值，控制报警器（7）报警；通过无线通讯模块（2）与云平台进行通讯，将所述四种传感器的实时数据和火灾风险指数预测值发送给后台进行展示。2.如权利要求1所述的一种基于多传感器数据融合技术的储能消防早期预警系统，其特征在于，所述MCU（1）为ST公司的STM32F405RGT6芯片，芯片内置ARM
®ꢀ
Cortex
®‑
M4 内核，主频最大168MHz 。3.如权利要求1所述的一种基于多传感器数据融合技术的储能消防早期预警系统，其特征在于，通过相应的接口电路与热解粒子传感器（3）、一氧化碳传感器（4）、氢气传感器（5）、温度传感器（6）进行通讯之前，所述MCU（1）先用于进行MCU内核及各外围模块的初始化，然后进入总任务调度；所述总任务调度中有两个任务分支；其中一个任务分支为数据采集任务及卷积神经网络，用于以1s的周期轮询读取以上四种传感器的实时数据；将四种传感器的实时数据作为卷积神经网络AI模型的输入数据，根据所述输入数据输出火灾风险指数预测值；另一个任务分支为无线通讯任务，用于通过无线通讯模块（2）与云平台进行通讯，将所述四种传感器的实时数据和火灾风险指数预测值发送给后台进行展示；之后判断所述火灾风险指数预测值是否超过了用户设置的...

【专利技术属性】
技术研发人员：贾明霖，孔德春，
申请(专利权)人：南京中谷芯信息科技有限公司，
类型：发明
国别省市：