[發明專利]一種人工智能電氣線路火災風險實時預警方法及系統

有效

• 申請號: 202010005593.6
• 申請日: 2020-01-03
• 公開（公告）號: CN111145517B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 周群力;黃宏聲;黃鳳儀
• 申請（專利權）人: 上海楓昱能源科技有限公司
• 主分類號: G08B31/00
• 分類號: G08B31/00;G08B17/00;G08B17/06;G08B17/10;G08B21/18
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種人工智能電氣線路火災風險實時預警方法，其特征在于，包括以下步驟：

S1：實時采集各電氣線路的多維度數據，所述多維度數據包括測點溫升、表箱溫升、負荷電流，其中，通過溫度場采集獲取所述測點溫升和表箱溫升，所述溫度場包括測點溫度、表箱溫度、環境溫度；

S2：對所述多維度數據進行異常判斷，得到各電氣線路的異常等級；

所述步驟S2具體為：通過火災風險異常等級判斷模型對所述多維度數據進行異常點的判斷、異常點和正常區域距離的測定，得到各電氣線路的異常等級；

其中，

所述火災風險異常等級判斷模型的建立過程為：

根據所述溫度場與所述負荷電流的對應關系，建立負荷溫升分析模型；

根據所述負荷溫升分析模型，通過人工智能電氣火災聚分類算法和人工智能電氣火災分級算法，訓練得到火災風險異常等級判斷模型；

根據所述負荷溫升分析模型，通過人工智能電氣火災聚分類算法和人工智能電氣火災分級算法，訓練得到火災風險異常等級判斷模型,具體包括以下步驟：

A1：把基于所述多維度數據的大數據按電線規格、環境溫度、負荷電流進行數據分組；

A2：對數據分組后的各組數據按照測點溫升、表箱溫升進行分別分級，每一層級聚成一類；

A3：根據預設的標準分類值對分級后的各組數據進行異常等級標準化分類；

A4:統計異常等級標準化分類后的各組數據的各級別的統計值，并且在各組數據中分別以統計值最大對應的異常等級為基礎，分別重新調整各組數據的其余層級的異常等級，得到智能化異常等級判斷標準；

所述異常等級按嚴重程度遞增方向從0級起劃分，所述步驟A4具體包括以下步驟：

若統計值最大對應的異常等級等于0，則根據預設百分比和最大的統計值計算以統計值最大對應的層級為中心的相對安全范圍，并且將落入所述相對安全范圍且異常等級小于等于1的層級的異常等級調整為0，并且根據層級之間的距離確定剩余層級的異常等級；

若統計值最大對應的異常等級不等于0，則將統計值最大對應的層級之前的所有層級對應的異常等級降一級，0級不動；

A5：根據所述智能化異常等級判斷標準得到所述火災風險異常等級判斷模型；

S3：根據各電氣線路的所述異常等級和所述異常等級的持續時間，計算得到各電氣線路的火災預警風險值。

2.根據權利要求1所述的人工智能電氣線路火災風險實時預警方法，其特征在于，所述步驟A5之后還包括步驟A6：

通過所述火災風險異常等級判斷模型，對實時采集的所述多維度數據進行監督學習，并將所述監督學習的結果每隔預設時間更新至所述智能化異常等級判斷標準中，并重新執行所述步驟A4-A5,以獲取新的所述火災風險異常等級判斷模型。

3.根據權利要求1所述的人工智能電氣線路火災風險實時預警方法，其特征在于，所述步驟S1中，所述多維度數據還包括煙霧信息、濕度信息。

4.根據權利要求1所述的人工智能電氣線路火災風險實時預警方法，其特征在于，所述步驟S3中，所述火災預警風險值risk的計算過程為：

risk＝(level+counts/n)*10

其中，level為所述異常等級，n為截至目前當日的實時數據采集次數，counts為截至目前當日的所述異常等級為level出現的累計次數。

5.根據權利要求1所述的人工智能電氣線路火災風險實時預警方法，其特征在于，所述步驟S3之后還包括步驟S4：

根據所述火災預警風險值對各電氣線路進行風險排名，并根據所述火災預警風險值的高低進行預警。

6.根據權利要求5所述的人工智能電氣線路火災風險實時預警方法，其特征在于，所述步驟S4還包括：

根據所述火災預警風險值進行時間維度上的縱向、橫向分析，縱向分析得到各電氣線路的風險走勢、同等風險在歷史中出現的概率，橫向分析得到同等風險在預警區域內所有電氣線路中出現的概率、整個預警區域的最大風險情況。