一种用电异常火灾预警方法及***
技术领域
本发明涉及电气火灾预警技术领域,特别涉及一种用电异常火灾预警方法及***。
背景技术
随着科学技术的发展和人民生活水平的提高,电能作为重要的能源被广泛应用。与此同时,许多用电的不安全因素导致了电气火灾的不断发生,目前对于由电气短路、电路老化、电流过载造成的火灾,还没有很好的探测技术来进行有效的预防,现有技术主要还是依靠配电***断路器或熔断器在电流超过某一值并维持一段时间后,达到其预设的固定分断的条件,切断故障线路,避免火灾的形成和发生。然而配电***中断路器或熔断器为了避免频繁的误动作,其过流保护点通常比较高,无法准确地对电器局部短路及电线路绝缘老化引起的打火现象,并进一步引发火灾的意外进行保护。为了减少电气火灾隐患,保障人民生命及财产的安全,对火灾进行智能化的提前预警很有必要。
发明内容
为了解决现有的电路火灾无法做到提前预警的问题,本发明实施例提供了一种用电异常火灾预警方法及***。所述技术方案如下:
一方面,本发明实施例提供了一种用电异常火灾预警方法,包括:
监测并获取待测用电回路中的实时用电数据;
根据获取的所述实时用电数据和预设的用户用电模型,判断所述待测用电回路中是否存在电器异常使用情况;
当确认所述待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。
在本发明实施例上述的用电异常火灾预警方法中,所述用户用电模型是基于预设时间段内对用户的正常用电行为分析所得。
在本发明实施例上述的用电异常火灾预警方法中,所述根据获取的所述实时用电数据和预设的用户用电模型,判断所述待测用电回路中是否存在电器异常使用情况,包括:
将用户正常用电行为分析的时间段划分为n个判断周期,n为大于1的正整数;
在任意一个或多个判断周期中,如果满足以下至少一个判断条件,则确认待测用电回路中出现电器异常使用情况:
Irms>An;
Wpk>K2*Wnsur;
当tpk<tsur时,Ipk>K1*an;
其中,Irms:待测用电回路的实时有效电流,An:通过用户的正常用电行为分析得出的,在任一个判断周期内待测用电回路的最大有效电流值,Wpk:浪涌电流的发生周期内回路中供电的实时总能量,Wnsur:通过用户的正常用电行为分析得出的浪涌电流的发生周期内回路中供电的最大能量值,tpk:待测用电回路中实时浪涌电流的维持时间,tnsur:通过用户的正常用电行为分析得出的浪涌电流维持时间,Ipk:待测用电回路的实时峰值电流,an:通过用户行为分析得出的,在任一个判断周期内待测用电回路的最大峰值电流值,K1:通过用户的正常用电行为分析所设定的最大有效功率误差系数,K2:通过用户的正常用电行为分析所设定的最大能量误差系数。
在本发明实施例上述的用电异常火灾预警方法中,K1的取值范围为1.5~10, K2的取值范围为1.5~10。
在本发明实施例上述的用电异常火灾预警方法中,还包括:
根据用户对火灾预警判断结果的反馈,并结合机器学习,不断修正用户正常用电模型。
另一方面,本发明实施例提供了一种用电异常火灾预警***,包括:
获取模块,用于监测并获取待测用电回路中的实时用电数据;
判断模块,用于根据获取的所述实时用电数据和预设的用户用电模型,判断所述待测用电回路中是否存在电器异常使用情况;
处理模块,用于当确认所述待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。
在本发明实施例上述的用电异常火灾预警***中,所述用户用电模型是基于预设时间段内对用户的正常用电行为分析所得。
在本发明实施例上述的用电异常火灾预警***中,所述判断模块包括:
划分单元,用于将用户正常用电行为分析的时间段划分为n个判断周期,n 为大于1的正整数;
判断单元,用于在任意一个或多个判断周期中,如果满足以下至少一个判断条件,则确认待测用电回路中出现电器异常使用情况:
Irms>An;
Wpk>K2*Wnsur;
当tpk<tsur时,Ipk>K1*an;
其中,Irms:待测用电回路的实时有效电流,An:通过用户的正常用电行为分析得出的,在任一个判断周期内待测用电回路的最大有效电流值,Wpk:浪涌电流的发生周期内回路中供电的实时总能量,Wnsur:通过用户的正常用电行为分析得出的浪涌电流的发生周期内回路中供电的最大能量值,tpk:待测用电回路中实时浪涌电流的维持时间,tnsur:通过用户的正常用电行为分析得出的浪涌电流维持时间,Ipk:待测用电回路的实时峰值电流,an:通过用户的正常用电行为分析得出的,在任一个判断周期内待测用电回路的最大峰值电流值,K1:通过用户的正常用电行为分析所设定的最大有效功率误差系数,K2:通过用户的正常用电行为分析所设定的最大能量误差系数。
在本发明实施例上述的用电异常火灾预警***中,K1的取值范围为1.5~10,K2的取值范围为1.5~10。
在本发明实施例上述的用电异常火灾预警***中,还包括:
修正学习模块,用于根据用户对火灾预警判断结果的反馈,并结合机器学习,不断修正所述用户正常用电模型。
本发明实施例提供的技术方案带来的有益效果是:
通过监测并获取待测用电回路中的实时用电数据,然后根据获取的实时用电数据和预设的用户正常用电模型,判断待测用电回路中是否存在电器异常使用情况,最后当确认出待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。本申请的用电异常火灾预警方法可以快速准确地对待测用电回路中出现的电器异常使用情况进行预测,并对由电器异常使用而引发的火灾进行提前预警,进而能有效避免由电器异常使用而引起的火灾对人们生命、财产带来的损失;避免了如现有断路器一样,只能进行过流保护,而无法实现在火灾发生初期或尚未发生时进行预警。
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一种用电异常火灾预警方法流程图;
图2是本发明实施例二提供的一种用电异常火灾预警装置结构示意图;
图3是本发明实施例二提供的一种判断模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种用电异常火灾预警方法,可以应用于智能配电箱中,参见图1,该方法可以包括:
步骤S11,监测并获取待测用电回路中的实时用电数据。
需要说明的是,通常引起火灾发生的原因包括两种,一是电器异常使用造成的电气短路、电流过载而引起的;二是电线老化或电路老化而引起的。
在本实施例中,为了避免出现因电器异常使用而引起火灾,该用电异常火灾预警方法,通过对用户正常的用电行为进行大数据分析,得到用户用电模型,来识别出用电回路中电器异常使用情况,进而进行火灾预警。
步骤S12,根据获取的实时用电数据和预设的用户用电模型,判断待测用电回路中是否存在电器异常使用情况。
在本实施例中,通过大数据分析技术,对采集到的大量用户正常用电行为数据进行分析,得到用户用电模型,即用户用电模型是基于预设时间段内对用户的正常用电行为分析所得,然后通过待测用电回路中出现的浪涌电流是否是由用户非正常用电行为引起,来判断待测用电回路中是否存在电器异常使用情况,进而进行针对性的火灾预警。
具体地,上述步骤S12可以通过如下方式实现:
a,将用户正常用电行为分析的时间段划分为n个判断周期,n为大于1的正整数。
在本实施例中,用户用电模型采用基于判断周期的分段函数形式来进行评判,根据用户不同时间点之间的用电行为不同,我们将包含有用户各种用电行为的时间段划分为n个判断周期,各个判断周期中用户用电模型的参数不完全相同。其中,时间段可以采用天、周、月、季中任一项。当然还可以根据工作时间进行划分的如工作日、非工作日。
b,在任意一个或多个判断周期中,如果满足以下至少一个判断条件,则确认待测用电回路中出现的浪涌电流由电器异常使用情况引发:
Irms>An;
Wpk>K2*Wnsur;
当tpk<tsur时,Ipk>K1*an;
其中,Irms:待测用电回路实时有效电流,An:通过用户的正常用电行为分析得出的,在任一个判断周期内待测用电回路的最大有效电流值,Wpk:浪涌电流的发生周期(即每次浪涌电的流维持时间)内回路中供电的实时总能量,Wnsur:通过用户的正常用电行为分析得出的浪涌电流的发生周期内回路中供电的最大能量值,tpk:待测用电回路中实时浪涌电流维持时间,tnsur:通过用户的正常用电行为分析得出的浪涌电流维持时间,Ipk:待测用电回路的实时峰值电流,an:通过用户行为分析得出的,在任一个判断周期内待测用电回路的最大峰值电流值, K1:通过用户的正常用电行为分析所设定的最大有效功率误差系数,K2:通过用户的正常用电行为分析所设定的最大能量误差系数。
在本实施例中,可以在任一个判断周期内,对上述三个条件进行判断,也可以在多个判断周期中均对上述三个条件进行判断,当然判断次数越多,相应的判断结果相对而言更为准确,判断效率会相应降低,具体采用几个判断周期进行判断,可以根据实际情况而定,这里不做限制。
进一步地,K1的取值范围为1.5~10,K2的取值范围为1.5~10。不同的K1,K2可以作为用户正常用电模块中对误差的补偿,可以有效地对电器使用异常情况进行识别,增强判断的准确性。
步骤S13,当确认待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。
在本实施例中,当判断待测用电回路中存在电器异常使用情况时,根据所预测的概率高低,异常严重等级等分析的结果向用户发出相应的火灾预警,例如:向用户的APP发出“用电回路中存在可能存在电器异常使用,请找专业电工排查”,或者,直接采取自动切断供电等措施。
步骤S14,根据用户对火灾预警判断结果的反馈,并结合机器学习,不断修正用户正常用电模型。
在本实施例中,为了更进一步优化该用电异常火灾预警方法火灾预警的准确性,还根据用户对火灾预警判断结果的反馈,并结合机器学习,不断修正用户正常用电模型中的参数,例如:对其中的电流有效值,电流的峰值,浪涌电流维持时间内的总能量等进行修正,以不断提高用户正常用电模型的预测精度。
本发明实施例通过监测并获取待测用电回路中的实时用电数据,然后根据获取的实时用电数据和预设的用户用电模型,判断待测用电回路中是否存在电器异常使用情况,最后当确认出待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。本申请的用电异常火灾预警方法,可以快速准确地对待测用电回路中出现的电器异常使用情况进行预测,并对由电器异常使用而引发的火灾进行提前预警,进而能有效避免由电器异常使用而引起的火灾对人们生命、财产带来的损失;避免了如现有断路器一样,只有过流保护,无法在火灾发生初期,或尚未发生时进行预警。此外,该用电异常火灾预警方法在进行火灾预警的同时还可以自动进行相应的火灾保护措施,并根据用户对预警结果的反馈,进行机器学习,不断提高火灾预警的准确性,智能化程度高,能为用户带来可靠的火灾预警保障。
实施例二
本发明实施例提供了一种用电异常火灾预警***,实现了实施例一所述的方法,参见图2,该***可以包括:获取模块100、判断模块200、处理模块300。
获取模块100,用于监测并获取待测用电回路中的实时用电数据。
需要说明的是,通常引起火灾发生的原因包括两种,一是电器异常使用造成的电气短路、电流过载而引起的;二是电线老化或电路老化而引起的。
在本实施例中,为了避免出现因电器异常使用而引起火灾,该用电异常火灾预警方法,通过对用户正常的用电行为进行大数据分析,得到用户用电模型,来识别出用电回路中电器异常使用情况,进而进行火灾预警。
判断模块200,用于根据获取的实时用电数据和预设的用户正常用电模型,判断待测用电回路中是否存在电器异常使用情况。
在本实施例中,通过大数据分析技术,对采集到的大量用户正常用电行为数据进行分析,得到用户用电模型,即用户用电模型是基于预设时间段内对用户的正常用电行为分析所得,然后通过待测用电回路中出现的浪涌电流是否是由用户非正常用电行为引起,来判断待测用电回路中是否存在电器异常使用情况,进而进行针对性的火灾预警。
处理模块300,用于当确认待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。
在本实施例中,当判断待测用电回路中存在电器异常使用情况时,根据所预测的概率高低,异常严重等级等分析的结果向用户发出相应的火灾预警,例如:向用户的APP发出“用电回路中存在可能存在电器异常使用,请找专业电工排查”,或者,直接采取自动切断供电等措施。
具体地,参见图3,判断模块200可以包括:划分单元201和判断单元202。
划分单元201,用于将用户正常用电行为分析的时间段划分为n个判断周期, n为大于1的正整数。
在本实施例中,用户正常用电模型采用基于判断周期的分段函数形式来进行评判,根据用户不同时间点之间的用电行为不同,我们将包含有用户各种用电行为的时间段划分为n个判断周期,各个判断周期中用户正常用电模型的参数不完全相同。其中,时间段可以采用天、周、月、季中任一项。当然还可以根据工作时间进行划分的如工作日、非工作日。
判断单元202,用于在任意一个或多个判断周期中,如果满足以下至少一个判断条件,则确认待测用电回路中出现的浪涌电流由电器异常使用情况引发:
Irms>An;
Wpk>K2*Wnsur;
当tpk<tsur时,Ipk>K1*an;
其中,Irms:待测用电回路实时有效电流,An:通过用户的正常用电行为分析得出的,在任一个判断周期内待测用电回路的最大有效电流值,Wpk:浪涌电流的发生周期(即每次浪涌电的流维持时间)内回路中供电的实时总能量,Wnsur:通过用户的正常用电行为分析得出的浪涌电流的发生周期内回路中供电的最大能量值,tpk:待测用电回路中实时浪涌电流维持时间,tnsur:通过用户的正常用电行为分析得出的浪涌电流维持时间,Ipk:待测用电回路的实时峰值电流,an:通过用户行为分析得出的,在任一个判断周期内待测用电回路的最大峰值电流值, K1:通过用户的正常用电行为分析所设定的最大有效功率误差系数,K2:通过用户行的正常用电为分析所设定的最大能量误差系数。
在本实施例中,可以在任一个判断周期内,对上述三个条件进行判断,也可以在多个判断周期中均对上述三个条件进行判断,当然判断次数越多,相应的判断结果相对而言更为准确,判断效率会相应降低,具体采用几个判断周期进行判断,可以根据实际情况而定,这里不做限制。
进一步地,K1的取值范围为1.5~10,K2的取值范围为1.5~10。不同的K1, K2可以作为用户正常用电模块中对误差的补偿,可以有效地对电器使用异常情况进行识别,增强判断的准确性。
可选地,参见图2,该***还可以包括:修正学习模块400。
修正学习模块400,用于根据用户对火灾预警判断结果的反馈,并结合机器学习,不断修正用户正常用电模型。
在本实施例中,为了更进一步优化该用电异常火灾预警方法火灾预警的准确性,还根据用户对火灾预警判断结果的反馈,并结合机器学习,不断修正用户正常用电模型中的参数,例如:对其中的电流有效值,电流的峰值,浪涌电流维持时间内的总能量等进行修正,以不断提高用户正常用电模型的预测精度。
本发明实施例通过监测并获取待测用电回路中的实时用电数据,然后根据获取的实时用电数据和预设的用户正常用电模型,判断待测用电回路中是否存在电器异常使用情况,最后当确认出待测用电回路中存在电器异常使用情况时,向用户发出相应的火灾预警。本申请的用电异常火灾预警装置,可以快速准确地对待测用电回路中出现的电器异常使用情况进行预测,并对由电器异常使用而引发的火灾进行提前预警,进而能有效避免由电器异常使用而引起的火灾对人们生命、财产带来的损失;如现有断路器一样,只有过流保护,无法在火灾发生初期,或尚未发生时进行预警。此外,该用电异常火灾预警装置在进行火灾预警的同时还可以自动进行相应的火灾保护措施,并根据用户对预警结果的反馈,进行机器学习,不断提高火灾预警的准确性,智能化程度高,能为用户带来可靠的火灾预警保障。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是:上述实施例提供的用电异常火灾预警***在实现用电异常火灾预警方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的用电异常火灾预警***与用电异常火灾预警方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。