智能電氣火災(zāi)預(yù)警系統(tǒng)研究

熊橙梁， 馬 昕， 廖 文， 彭浩明， 谷 霖

（①長(zhǎng)沙市煙草專賣局，湖南 長(zhǎng)沙 410007；②長(zhǎng)沙縣煙草專賣局，湖南 長(zhǎng)沙 410100；③長(zhǎng)沙寬維信息技術(shù)有限公司，湖南 長(zhǎng)沙 410000）

0 引言

電氣火災(zāi)報(bào)警系統(tǒng)一般由電氣火災(zāi)探測(cè)器和控制器組成，其中，電氣火災(zāi)探測(cè)器是識(shí)別電氣火災(zāi)是否發(fā)生的專門儀器。根據(jù)建筑物或?qū)嵉貓?chǎng)所的要求，安裝不同類型的電氣火災(zāi)探測(cè)器。在電氣火災(zāi)報(bào)警系統(tǒng)中，電氣火災(zāi)信號(hào)的選取更為重要。使用火災(zāi)報(bào)警產(chǎn)品的目的就是及早報(bào)告電氣火災(zāi)的發(fā)生，從而迅速有效的控制電氣火災(zāi)，把損失降到最低。現(xiàn)有的電氣火災(zāi)報(bào)警系統(tǒng)[2]存在的主要問(wèn)題是報(bào)警系統(tǒng)中的誤報(bào)、漏報(bào)現(xiàn)象，這主要是因?yàn)椋?/p>

1) 模擬量探頭(傳感器)本身的精度存在個(gè)體差異，不能實(shí)現(xiàn)理想的輸出信號(hào)值與火災(zāi)參量值之間的一一對(duì)應(yīng)關(guān)系。

2) 模擬量探頭(傳感器)受環(huán)境因素影響，包括安裝位置、環(huán)境溫度以及現(xiàn)場(chǎng)電磁環(huán)境等，其中現(xiàn)場(chǎng)電磁環(huán)境中的工頻磁場(chǎng)值對(duì)模擬量探頭的輸出影響較大，因此采用數(shù)據(jù)曲線對(duì)比等匹配法難以達(dá)到理想效果。

3) 一般在系統(tǒng)中使用多個(gè)不同類型的傳感器采集現(xiàn)場(chǎng)數(shù)據(jù)，諸如漏電電流、電流電壓、弧光、溫度、工頻磁場(chǎng)值等信號(hào)，而這些參量之間部分或全部存在非線性依賴關(guān)系，無(wú)法用顯式的數(shù)學(xué)模型描述，單純通過(guò)這些數(shù)值的判決進(jìn)行報(bào)警是不科學(xué)的。

1 實(shí)現(xiàn)原理

研究表明，通過(guò)檢測(cè)如下參數(shù)并進(jìn)行科學(xué)處理可以有效預(yù)測(cè)電力火災(zāi)的發(fā)生。

漏電電流。電力線漏電有可能導(dǎo)致線路電流電壓、線路有限范圍內(nèi)溫度的變化，進(jìn)而導(dǎo)致出現(xiàn)弧光或者線路燒毀，是導(dǎo)致電氣火災(zāi)發(fā)生的主要因素之一，因此在檢測(cè)電力線路狀態(tài)時(shí)，漏電電流是主要的參數(shù)指標(biāo)之一。

本文所采用的數(shù)據(jù)由調(diào)研問(wèn)卷收集整理而得。農(nóng)戶樣本的抽樣使用隨機(jī)抽樣的方法，采取調(diào)查人員深入農(nóng)戶一問(wèn)一答的形式進(jìn)行，綜合運(yùn)用自由回答、兩項(xiàng)回答、多項(xiàng)選擇、賦值評(píng)價(jià)等方法，在被調(diào)查農(nóng)戶作答后，收回問(wèn)卷并完成數(shù)據(jù)的采集。本次調(diào)查于2018年2—3月份進(jìn)行，共向河南省18個(gè)地市發(fā)放問(wèn)卷500份，收回問(wèn)卷440份，有效問(wèn)卷403份。

電流電壓。線路漏電直接導(dǎo)致線路出現(xiàn)過(guò)壓或者欠壓現(xiàn)象，這將會(huì)使用戶的電器斷路或故障，進(jìn)而引起火災(zāi)。因此，檢測(cè)電氣線路的電流電壓也是非常必要的。

弧光信號(hào)。當(dāng)線路上出現(xiàn)斷路或脈沖式過(guò)流時(shí)，會(huì)出現(xiàn)電火花，進(jìn)而引燃電氣設(shè)備和線路，這也是電氣火災(zāi)發(fā)生的主要原因之一。

溫度。當(dāng)電力線路出現(xiàn)異常時(shí)，通常會(huì)出現(xiàn)電能轉(zhuǎn)換成熱能，使得現(xiàn)場(chǎng)環(huán)境溫度快速升高，因此，溫度的變化也間接反映電力線路的異常。

現(xiàn)場(chǎng)電磁環(huán)境。當(dāng)電力線路所在環(huán)境受到自然（雷電等）或人為（強(qiáng)磁場(chǎng)設(shè)備）電磁環(huán)境破壞時(shí)，會(huì)導(dǎo)致探測(cè)傳感器輸出參數(shù)的不穩(wěn)定，從而會(huì)導(dǎo)致火災(zāi)預(yù)報(bào)出現(xiàn)不準(zhǔn)確的情況?，F(xiàn)場(chǎng)電磁環(huán)境檢測(cè)的重點(diǎn)是工頻磁場(chǎng)值。

文中建立的系統(tǒng)模型如圖1所示。

具體實(shí)現(xiàn)步驟為：①利用傳感器從現(xiàn)場(chǎng)采集到漏電流、電流電壓、弧光、溫度、工頻磁場(chǎng)信號(hào)，對(duì)傳感器采集的信號(hào)采用速率檢測(cè)算法進(jìn)行預(yù)處理；②將經(jīng)過(guò)預(yù)處理后的數(shù)據(jù)送到多層前饋誤差反向傳播的神經(jīng)網(wǎng)絡(luò)進(jìn)行處理[3-4]；③將神經(jīng)網(wǎng)絡(luò)的輸出電氣線路無(wú)損概率、電氣線路有損概率、電氣線路有火概率輸入到模糊推理模塊進(jìn)行模糊推理[5]，得到電氣火災(zāi)發(fā)生的預(yù)測(cè)結(jié)果。

另外還包括神經(jīng)網(wǎng)絡(luò)模型建立時(shí)的網(wǎng)絡(luò)訓(xùn)練過(guò)程。

1.1 神經(jīng)網(wǎng)絡(luò)模型

系統(tǒng)中使用的神經(jīng)網(wǎng)絡(luò)模型如圖2所示，采用3層前饋BP網(wǎng)實(shí)現(xiàn)[6]。

3層前饋誤差反向傳播的神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理后數(shù)據(jù)進(jìn)行處理。根據(jù)規(guī)則進(jìn)行學(xué)習(xí)，采用自適應(yīng)學(xué)習(xí)速率和附加動(dòng)量法相結(jié)合的學(xué)習(xí)算法，利用梯度下降技術(shù)，通過(guò)調(diào)整網(wǎng)絡(luò)權(quán)值、閾值，使得網(wǎng)絡(luò)實(shí)際輸出與期望輸出的誤差均方值最小。輸入層的 5個(gè)輸入分別為歸一化的漏電電流信號(hào)、歸一化的電流電壓信號(hào)、歸一化的弧光信號(hào)、歸一化的溫度信號(hào)、歸一化的現(xiàn)場(chǎng)工頻磁場(chǎng)信號(hào)；輸出層有3個(gè)神經(jīng)元，對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)提取的電氣線路無(wú)火概率（p1）、電氣線路陰燃火概率（p2）和電氣線路有火概率（p3）。

基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分析模塊的輸出是概率列表，表示無(wú)損、有損和線路著火的概率值，一般可以直接由門限判決輸出，例如，當(dāng)電氣線路漏電危險(xiǎn)概率大于 0.8時(shí)，幾乎可以肯定此時(shí)的電氣線路是很不安全的，極易發(fā)生電氣火災(zāi)，而當(dāng)電氣線路漏電危險(xiǎn)概率小于0.2，基本上可以認(rèn)為此時(shí)的電氣線路是安全的，不易發(fā)生電氣火災(zāi)。難以判決的是電氣線路漏電危險(xiǎn)概率在0.3～0.6附近，若門限定為0.5，而數(shù)據(jù)輸出為0.49和0.51時(shí)則很難做出判斷，同時(shí)一些較為嚴(yán)重的干擾信號(hào)也會(huì)引起誤判。

為了提高對(duì)是否會(huì)出現(xiàn)火災(zāi)的判斷準(zhǔn)確度以及提高系統(tǒng)抗干擾性能，使系統(tǒng)的輸出更接近實(shí)際和模擬人的判斷，對(duì)神經(jīng)網(wǎng)絡(luò)的輸出采用模糊推理方法作進(jìn)一步處理。

1.2 模糊推理判決

建立模糊推理專家系統(tǒng)，輔助電氣火災(zāi)預(yù)測(cè)和判決。需要建立模糊推理模型，包括輸入輸出量的模糊化和標(biāo)定、模糊邏輯、推理準(zhǔn)則、精確化過(guò)程等處理過(guò)程，這將在理論分析結(jié)合試驗(yàn)分析的基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)。為驗(yàn)證所建模型是否有效，還要研究不同模糊推理建模方法和網(wǎng)絡(luò)模型的性能，進(jìn)行比較分析和綜合，還要考慮與神經(jīng)網(wǎng)絡(luò)的有效結(jié)合，確定最終模型。一般的模糊推理系統(tǒng)模型如圖3所示。

圖3中輸入、輸出的規(guī)范化是指將規(guī)范化的輸入、輸出限制在規(guī)定的范圍內(nèi)，以便于辨識(shí)的設(shè)計(jì)和實(shí)現(xiàn)。因?yàn)楸孀R(shí)系統(tǒng)的輸入值一般都不是模糊數(shù)，因此模糊化過(guò)程就是將輸入值轉(zhuǎn)化為模糊量。模糊邏輯推理決定輸出量的一個(gè)分布函數(shù)。清晰化過(guò)程將輸出量的分布函數(shù)轉(zhuǎn)換成規(guī)范化的輸出量。最后辨識(shí)系統(tǒng)將規(guī)范化的輸出量轉(zhuǎn)換為實(shí)際的輸出值。模糊辨識(shí)系統(tǒng)的設(shè)計(jì)的關(guān)鍵是根據(jù)應(yīng)用需求進(jìn)行：輸入量、輸出量的模糊量化和標(biāo)定、建立控制規(guī)則表、建立控制推理關(guān)系和生成輸入輸出表。

模糊推理模型的設(shè)計(jì)思路如下：

（1）輸入、輸出量的模糊化和標(biāo)定

模糊控制器的輸入、輸出量分別為神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)概率p1、p2、p3和輸出電氣火災(zāi)發(fā)生概率P。根據(jù)經(jīng)驗(yàn)和對(duì)火災(zāi)數(shù)據(jù)的統(tǒng)計(jì)分析，神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)概率的模糊化等級(jí)分成3級(jí)，大（L）、中（M）、?。⊿），最終輸出電氣火災(zāi)發(fā)生概率P模糊化等級(jí)分成2級(jí)，大（L），小（S），采用偏大型正態(tài)分布函數(shù)建立這些模糊集的隸屬函數(shù)：

式中，b=0.2，a=(0,0.5,1)分別對(duì)應(yīng)模糊函數(shù)曲線S，M和L。

（2）模糊邏輯推理

模糊邏輯推理方法主要有 Zadeh法、Mamdani法、Larsen法等。采用Mamdani法來(lái)實(shí)現(xiàn)模糊邏輯推理，推理規(guī)則Ri即為p1是Ai且p2是Bi且p3是Ci，則u是Di，例如：

R1：無(wú)損概率為PS且有損概率為PS且有火概率為PM，則火災(zāi)概率為PL；

模糊推理規(guī)則可以有多條。

（3）精確化過(guò)程

通過(guò)模糊推理得到的結(jié)果是一個(gè)模糊集合，在該集合中取一個(gè)能最佳代表這個(gè)模糊推理結(jié)果可能性的精確值，即精確化。常用的有最大隸屬度函數(shù)法、中位數(shù)和重心法，這里選用最大隸屬度函數(shù)法實(shí)現(xiàn)精確化輸出。

2 仿真實(shí)驗(yàn)

仿真采用 MATLAB軟件實(shí)現(xiàn)，實(shí)驗(yàn)結(jié)果如表 1所示。

表1 智能電氣火災(zāi)模型實(shí)驗(yàn)結(jié)果

為更直觀展示，將實(shí)驗(yàn)結(jié)果繪圖，如圖4所示。

圖4 基于神經(jīng)網(wǎng)絡(luò)和模糊推理的火災(zāi)預(yù)測(cè)實(shí)驗(yàn)結(jié)果

從表1和圖4可以看出，神經(jīng)網(wǎng)絡(luò)的輸出很好地體現(xiàn)了5個(gè)輸入?yún)?shù)之間的非線性關(guān)系，而模糊推理的結(jié)果也充分綜合了無(wú)火、陰燃和有火的不同概率導(dǎo)致電氣火災(zāi)發(fā)生的可能性。

3 結(jié)語(yǔ)

電氣安全隱患是造成火災(zāi)的主要因素之一，應(yīng)用技術(shù)手段進(jìn)行電氣火災(zāi)監(jiān)測(cè)和預(yù)警是有效預(yù)防火災(zāi)的重要手段。目前有很多電氣火災(zāi)監(jiān)控系統(tǒng)僅是簡(jiǎn)單獲取探測(cè)信號(hào)然后和預(yù)先設(shè)置閥值直接相對(duì)比從而判斷是否發(fā)生電氣火災(zāi)。與之相比，文中設(shè)計(jì)的采用基于神經(jīng)網(wǎng)絡(luò)和模糊推理機(jī)制的電氣火災(zāi)報(bào)警系統(tǒng)，能在不更改輸入信號(hào)采集傳感器（即不改變輸入數(shù)據(jù)的準(zhǔn)確性）和系統(tǒng)結(jié)構(gòu)的基礎(chǔ)上有效降低電氣火災(zāi)漏報(bào)率和誤報(bào)率，有效提高了火災(zāi)預(yù)報(bào)和報(bào)警的準(zhǔn)確性。由于神經(jīng)網(wǎng)絡(luò)和模糊推理算法復(fù)雜，不利于對(duì)電氣火災(zāi)的實(shí)時(shí)報(bào)警，因此有必要在后續(xù)工作中研究數(shù)據(jù)處理更快的實(shí)時(shí)算法。

[1] 王利清，魏學(xué)業(yè). 基于模糊神經(jīng)網(wǎng)絡(luò)的火災(zāi)信號(hào)探測(cè)方法研究[J].儀器儀表學(xué)報(bào),2001,22(12): 595-598.

[2] 付永麗. 基于模糊神經(jīng)網(wǎng)絡(luò)的電氣火災(zāi)報(bào)警系統(tǒng)研究[D]. 河南:河南理工大學(xué), 2009.

[3] 孫即祥. 現(xiàn)代模式識(shí)別[M]. 北京：高等教育出版社2009:127-131.

[4] 傅德勝,張學(xué)勇. 基于Hopfield神經(jīng)網(wǎng)絡(luò)噪聲數(shù)字的識(shí)別[J]. 通信技術(shù), 2010,43(01): 126-128,187.

[5] 樓順天，胡昌華，張偉. 基于 MATLAB的系統(tǒng)分析與設(shè)計(jì)-模糊系統(tǒng)[M]. 西安：西安電子科技大學(xué)出版社,2001:201-210.

[6] 王恩亮，沈元隆. 基于神經(jīng)網(wǎng)絡(luò)的混合電路故障檢測(cè)[J]. 通信技術(shù), 2010,43(06):241-242,245.