在日常生活和工作中，建筑物火災(zāi)對(duì)人們的生命和財(cái)產(chǎn)安全構(gòu)成了重大威脅。據(jù)研究顯示，超過(guò)95%的建筑火災(zāi)起因于建筑內(nèi)部的電氣線路或設(shè)備故障[1]。這類火災(zāi)被稱為電氣火災(zāi)，其具有高度的隱蔽性、較長(zhǎng)的發(fā)展周期以及極高的危害性。與一般火災(zāi)相比，電氣火災(zāi)的撲救還伴隨著觸電和爆炸的風(fēng)險(xiǎn)，可能導(dǎo)致嚴(yán)重的事故和巨大損失。然而，電氣火災(zāi)的發(fā)生發(fā)展過(guò)程極其復(fù)雜，前期特征信號(hào)微弱，難以被識(shí)別，導(dǎo)致其難以定量化描述[2]。此外，中國(guó)正處于電氣系統(tǒng)和設(shè)備改造升級(jí)的緩沖期，這進(jìn)一步加大了電氣火災(zāi)防控的難度[3]，有效識(shí)別和表征電氣火災(zāi)始終是行業(yè)內(nèi)的一大技術(shù)難題[4]。

傳統(tǒng)的電氣火災(zāi)預(yù)測(cè)方法僅通過(guò)電參數(shù)與固定閾值來(lái)比較判斷線路風(fēng)險(xiǎn)，將設(shè)定的閾值作為報(bào)警的唯一標(biāo)準(zhǔn)。這種方法忽視了線路長(zhǎng)期接近閾值的高風(fēng)險(xiǎn)狀態(tài)，容易受到環(huán)境和噪聲的影響，導(dǎo)致短暫的過(guò)閾值而無(wú)法鑒別其背后是否存在真實(shí)的火災(zāi)風(fēng)險(xiǎn)，進(jìn)而產(chǎn)生誤判。為了解決這些問(wèn)題，本文在[5]研究的基礎(chǔ)，提出了一種基于硬件平臺(tái)采集數(shù)據(jù)并通過(guò)云平臺(tái)和神經(jīng)網(wǎng)絡(luò)判斷風(fēng)險(xiǎn)的電氣火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)預(yù)警方法。該方法利用電氣火災(zāi)的多種特征參數(shù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)，構(gòu)建了基于高低頻循環(huán)神經(jīng)網(wǎng)絡(luò)的電氣火災(zāi)預(yù)警系統(tǒng)。

盡管溫度可以通過(guò)硬件進(jìn)行實(shí)時(shí)采集，但溫度預(yù)測(cè)依然至關(guān)重要。電氣火災(zāi)的早期信號(hào)往往非常微弱，溫度變化可能不明顯，容易被忽視。溫度的緩慢上升可能是正常工作負(fù)載的結(jié)果，但在特定情況下，如故障累積或線路老化，可能會(huì)引發(fā)突然的過(guò)熱甚至火災(zāi)。溫度預(yù)測(cè)模型(如LSTM)能夠通過(guò)對(duì)歷史數(shù)據(jù)的分析，識(shí)別潛在的危險(xiǎn)趨勢(shì)，即使當(dāng)前溫度在正常范圍內(nèi)，預(yù)測(cè)模型也能揭示未來(lái)溫度可能的急劇上升，從而提供預(yù)警。此外，預(yù)測(cè)結(jié)合歷史數(shù)據(jù)和多種參數(shù)，可以對(duì)異常進(jìn)行更智能的判斷，減少誤報(bào)。本研究引入了分位預(yù)警機(jī)制，通過(guò)統(tǒng)計(jì)學(xué)方法定量評(píng)估預(yù)測(cè)結(jié)果的不確定性，為預(yù)警提供風(fēng)險(xiǎn)等級(jí)劃分，期望為電氣火災(zāi)風(fēng)險(xiǎn)的提前、動(dòng)態(tài)感知提供一種新方法。

2. 系統(tǒng)方案設(shè)計(jì)

2.1. 電氣火災(zāi)的探測(cè)與溫度關(guān)系研究

電氣火災(zāi)參量的探測(cè)感知

電氣火災(zāi)的發(fā)生發(fā)展往往伴隨電氣線路、設(shè)備電壓、電流、溫度、煙氣濃度、聲光等信號(hào)的變化[6]。電信號(hào)的探測(cè)技術(shù)起源較早，目前高性能芯片可以準(zhǔn)確探測(cè)并改變電壓、電流和頻率等參量[7]?；馂?zāi)信號(hào)的探測(cè)技術(shù)起步較晚，常見(jiàn)的有感煙、感溫、火焰和氣體探測(cè)器[8]。經(jīng)過(guò)長(zhǎng)期技術(shù)改進(jìn)，高維度模糊算法、Boltzmann濾波和Bayes推理等各類復(fù)雜的數(shù)學(xué)處理算法被集成于探測(cè)器[9]火源識(shí)別和精準(zhǔn)定位[10]等方面的研究取得長(zhǎng)足進(jìn)步。電氣火災(zāi)參量探測(cè)感知技術(shù)的發(fā)展確保了電氣參數(shù)采集準(zhǔn)確，為電氣火災(zāi)的分析提供了較高質(zhì)量的原始數(shù)據(jù)支持。

2.2. 電氣線路溫度場(chǎng)研究

電氣線路作為電能傳輸和分配的主要載體，在商場(chǎng)等室內(nèi)環(huán)境中，由于用電負(fù)荷較大，電氣設(shè)備數(shù)量眾多，敷設(shè)規(guī)范常常難以保障。這種不規(guī)范的敷設(shè)會(huì)導(dǎo)致線路老化，進(jìn)而影響其性能，產(chǎn)生過(guò)熱現(xiàn)象，增加火災(zāi)和爆炸等嚴(yán)重事故的風(fēng)險(xiǎn)，給人身安全和財(cái)產(chǎn)造成嚴(yán)重威脅。因此，對(duì)電氣線路，尤其是線芯溫度的監(jiān)測(cè)，顯得尤為重要。這不僅有助于預(yù)防電氣火災(zāi)的發(fā)生，還能確保電氣線路的安全與可靠運(yùn)行。

本章將以單芯聚氯乙烯絕緣銅導(dǎo)線為研究對(duì)象，探討其運(yùn)行過(guò)程中的溫度場(chǎng)特性，為電氣線路的溫度監(jiān)測(cè)提供理論支持。

2.2.1. 導(dǎo)線三維溫度場(chǎng)導(dǎo)熱數(shù)學(xué)模型

導(dǎo)線的溫度場(chǎng)模型主要通過(guò)三維導(dǎo)熱方程來(lái)描述。隨著電流的流動(dòng)，導(dǎo)線因電阻效應(yīng)而發(fā)熱，溫度隨之升高。熱量通過(guò)線芯逐層向外傳導(dǎo)，形成穩(wěn)定的溫度場(chǎng)。在三維溫度場(chǎng)模型中，溫度的分布和變化受導(dǎo)熱方程控制[11]，具體為：

其中，ρ為材料的密度，c為材料的比熱容，λx、λy、λz分別為傳熱介質(zhì)在x、y、z方向上的導(dǎo)熱系數(shù)，Q為電氣線路的熱損耗。該公式通過(guò)分析電氣線路中溫度的時(shí)空分布，提供了溫度隨時(shí)間變化的基礎(chǔ)。尤其在過(guò)載或短路情況下，導(dǎo)體中Q的值顯著增加，導(dǎo)致溫度急劇升高，進(jìn)而使得電氣火災(zāi)的風(fēng)險(xiǎn)加大。

在實(shí)際應(yīng)用中，當(dāng)導(dǎo)線在負(fù)載電流作用下產(chǎn)生電阻熱時(shí)，溫度場(chǎng)的分布在不同的環(huán)境溫度和負(fù)荷條件下會(huì)有所變化。該模型不僅能用于預(yù)測(cè)電氣線路溫度的穩(wěn)態(tài)分布，還可應(yīng)用于動(dòng)態(tài)熱特性的分析，以便有效評(píng)估火災(zāi)風(fēng)險(xiǎn)。

2.2.2. 導(dǎo)線溫度場(chǎng)的產(chǎn)生與傳熱原理

在前一節(jié)中，我們構(gòu)建了電氣線路的三維溫度場(chǎng)導(dǎo)熱數(shù)學(xué)模型，以便準(zhǔn)確地獲取研究對(duì)象的三維溫度分布。為了更深入地理解電氣線路溫度場(chǎng)的形成及其傳熱機(jī)制，有必要進(jìn)行詳細(xì)探討。

根據(jù)電氣線路的運(yùn)行特性，可以將其視為一個(gè)帶有內(nèi)部熱源的導(dǎo)熱體。在運(yùn)行過(guò)程中，線路內(nèi)部的導(dǎo)體會(huì)產(chǎn)生熱量，并通過(guò)導(dǎo)熱將熱量傳遞到絕緣層。絕緣層的外表面則通過(guò)熱輻射和對(duì)流兩種方式與周圍環(huán)境進(jìn)行熱量交換。

根據(jù)傳熱學(xué)的基本原理，電氣線路的導(dǎo)熱和散熱過(guò)程受到多種因素的影響，這些因素包括絕緣層的導(dǎo)熱系數(shù)、外表面的對(duì)流換熱系數(shù)以及環(huán)境溫度等。本節(jié)將基于電氣線路的運(yùn)行特性，探討溫度場(chǎng)的形成機(jī)制和導(dǎo)熱原理。電氣線路中的溫度場(chǎng)形成過(guò)程主要涉及導(dǎo)體的發(fā)熱及熱量的傳遞。

Q=I²R   (2)

式中：I為流過(guò)導(dǎo)線電流大小，R為導(dǎo)線線芯單位長(zhǎng)度電阻大小。

該熱量產(chǎn)生的溫度變化通過(guò)傳導(dǎo)、對(duì)流和輻射等方式傳遞至周圍環(huán)境。尤其是在大電流情況下，發(fā)熱量顯著增加，形成較高溫度的局部區(qū)域。導(dǎo)線在通電過(guò)程中，熱流量Q隨溫度梯度增加，且沿著徑向傳遞?；诟道锶~定律，熱流量可以表示為：

Q=?λ?T/?x   (3)

式中，?T/?x增為溫度梯度。當(dāng)電流I升高或電阻R增大時(shí)，熱流量Q增加，導(dǎo)致局部溫度升高。如果線路散熱不足或絕緣受損，溫度升高至材料極限，可能引發(fā)火災(zāi)。

2.2.3. 線芯與絕緣層的熱傳導(dǎo)與散熱計(jì)算

電氣線路的熱量通過(guò)導(dǎo)線和絕緣層的傳導(dǎo)散發(fā)至外部環(huán)境。導(dǎo)線線芯的熱量首先傳遞到絕緣層，絕緣層則通過(guò)對(duì)流和輻射將熱量散發(fā)出去[12]。三層傳熱過(guò)程可以簡(jiǎn)化為熱傳導(dǎo)模型，通過(guò)以下公式描述溫度梯度：

其中，Tc表示線芯的溫度，Ts表示絕緣層的外表面溫度，r0和ri分別為線芯和絕緣層的半徑，k為材料的導(dǎo)熱系數(shù)。該公式揭示了絕緣層溫度梯度與導(dǎo)熱效率的關(guān)系：當(dāng)導(dǎo)線內(nèi)部發(fā)熱量較高時(shí)，溫度逐層傳遞至表面，而傳導(dǎo)系數(shù)和半徑差影響了散熱效率。

在環(huán)境溫度較高或負(fù)載較大的情況下，絕緣層傳導(dǎo)散熱的速率可能不足以平衡電流帶來(lái)的發(fā)熱量，導(dǎo)致溫度在絕緣層內(nèi)部積聚，從而增大火災(zāi)風(fēng)險(xiǎn)。通過(guò)該傳熱模型，可以有效評(píng)估不同工況下導(dǎo)線的熱累積情況。

2.2.4. 線芯溫度計(jì)算模型

為準(zhǔn)確評(píng)估導(dǎo)線的火災(zāi)風(fēng)險(xiǎn)，需要對(duì)線芯溫度進(jìn)行精確計(jì)算。在實(shí)際應(yīng)用中，利用表面溫度Ts和環(huán)境溫度來(lái)估算線芯溫度Tc是一種有效的方法。基于能量平衡原理，線芯溫度的估算模型如下：

其中，Tc為線芯溫度，q_v為單位體積發(fā)熱量，k為導(dǎo)熱系數(shù)。此模型提供了一種簡(jiǎn)便的方法，用于在已知表面溫度和環(huán)境溫度的情況下估算線芯溫度。特別是在線路發(fā)生短路或電流突變時(shí)，通過(guò)該模型可以預(yù)測(cè)溫度的迅速升高，進(jìn)而判斷火災(zāi)風(fēng)險(xiǎn)。該溫度計(jì)算模型為電氣火災(zāi)的預(yù)防提供了理論支持，便于在不同運(yùn)行條件下評(píng)估導(dǎo)線的溫升情況。

2.2.5. 溫度場(chǎng)影響因素分析

電氣線路溫度場(chǎng)的分布受多重因素影響，主要包括導(dǎo)線材料特性、電流強(qiáng)度、環(huán)境溫度及對(duì)流換熱系數(shù)。導(dǎo)線的電阻率隨溫度變化，通常在高溫下電阻增大，進(jìn)一步加劇發(fā)熱，因此環(huán)境溫度的高低對(duì)導(dǎo)線線芯溫度影響不可忽視[13]。此外，電流I和環(huán)境溫度T_a對(duì)線路溫度變化的影響可通過(guò)以下公式描述：

T=T_a+I²R/h      (6)

其中，T為導(dǎo)線表面溫度，R為導(dǎo)線的電阻，h為對(duì)流換熱系數(shù)。當(dāng)電流較大時(shí)，導(dǎo)線的溫度顯著上升；若外部環(huán)境溫度較高或散熱條件較差，導(dǎo)線溫度會(huì)進(jìn)一步升高。當(dāng)導(dǎo)線溫度超過(guò)材料的耐熱極限時(shí)，絕緣層可能出現(xiàn)老化或損壞，從而顯著增加電氣火災(zāi)的風(fēng)險(xiǎn)。

此外，電氣線路的散熱效率還受到周圍空氣流速、溫濕度條件等因素影響。換熱系數(shù)較低的環(huán)境(如封閉空間)容易導(dǎo)致導(dǎo)線溫度上升較快，積熱難以散發(fā)。通過(guò)對(duì)這些影響因素的分析，可以在設(shè)計(jì)和運(yùn)行中加強(qiáng)針對(duì)性的溫度管理，降低火災(zāi)發(fā)生的可能性。

2.2.6. 小結(jié)

綜上所述，電氣線路的溫度場(chǎng)分布通過(guò)三維導(dǎo)熱模型、傳熱原理、熱傳導(dǎo)與散熱過(guò)程、溫度計(jì)算模型及其影響因素得到系統(tǒng)分析。通過(guò)溫度場(chǎng)的建立，能夠有效預(yù)測(cè)電氣線路的火災(zāi)風(fēng)險(xiǎn)。線路溫度的升高不僅取決于電流負(fù)荷和材料特性，還與環(huán)境溫度、散熱條件密切相關(guān)。溫度模型中的關(guān)鍵公式為線路的實(shí)時(shí)監(jiān)測(cè)和火災(zāi)預(yù)防提供了理論支持，為電氣設(shè)備的設(shè)計(jì)和運(yùn)行優(yōu)化提供了重要依據(jù)。這一分析為預(yù)測(cè)和控制火災(zāi)風(fēng)險(xiǎn)提供了可行的技術(shù)手段，有助于提升電氣線路的安全性。

2.3. 系統(tǒng)總體方案

Figure 1. Overall system scheme design

圖1. 系統(tǒng)總體方案設(shè)計(jì)

本系統(tǒng)旨在通過(guò)閉環(huán)流程實(shí)現(xiàn)電氣火災(zāi)風(fēng)險(xiǎn)的高效預(yù)測(cè)與預(yù)警。系統(tǒng)由前端探測(cè)器、4G模塊、云平臺(tái)和深度學(xué)習(xí)模型組成。探測(cè)器實(shí)時(shí)監(jiān)測(cè)電氣參數(shù)，并通過(guò)4G模塊將數(shù)據(jù)上傳至云平臺(tái)。云平臺(tái)負(fù)責(zé)數(shù)據(jù)存儲(chǔ)、處理和回傳。經(jīng)過(guò)特征提取的數(shù)據(jù)被送至HF-LSTM和LF-LSTM網(wǎng)絡(luò)，分析電氣參數(shù)變化，提取關(guān)鍵特征。系統(tǒng)利用30天連續(xù)數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)模型，實(shí)時(shí)預(yù)測(cè)溫度并評(píng)估風(fēng)險(xiǎn)。風(fēng)險(xiǎn)評(píng)估結(jié)果通過(guò)云平臺(tái)發(fā)送至硬件平臺(tái)，控制線路開(kāi)關(guān)，并使用OLED和移動(dòng)應(yīng)用通知用戶風(fēng)險(xiǎn)等級(jí)。系統(tǒng)設(shè)計(jì)方案如圖1所示。

2.4. 硬件采集設(shè)計(jì)

2.4.1. 硬件架構(gòu)設(shè)計(jì)

硬件采集主要由主控模塊、信息采集模塊、4G Cat1通信模塊、顯示模塊和電路保護(hù)部分等構(gòu)成，硬件架構(gòu)設(shè)計(jì)框圖如圖2所示。采用STM32F103C8T6作為監(jiān)測(cè)節(jié)點(diǎn)的主控制器，該款芯片主頻可達(dá)72 MHz，有待機(jī)、停止、睡眠3種可選工作模式，有利于硬件采集低功耗的設(shè)計(jì)，同時(shí)存儲(chǔ)容量可達(dá)64 Kb，有利于電路簡(jiǎn)化而不用擴(kuò)展。STM32主控負(fù)責(zé)控制系統(tǒng)運(yùn)行，實(shí)時(shí)采集電流、功率和溫度數(shù)據(jù)，通過(guò)4G Cat1模塊利用MQTT協(xié)議將信息傳輸至阿里云平臺(tái)。OLED顯示屏和RGB燈實(shí)時(shí)顯示電路狀態(tài)，增強(qiáng)用戶體驗(yàn)。電路保護(hù)部分則通過(guò)繼電器控制電源，確保系統(tǒng)在異常情況下的安全性。整體設(shè)計(jì)確保了高效的數(shù)據(jù)采集與傳輸，同時(shí)保障了系統(tǒng)的穩(wěn)定性和安全性。

Figure 2. Hardware architecture design block diagram

圖2. 硬件采集架構(gòu)設(shè)計(jì)框圖

2.4.2. 4G Cat1通信模塊

Air780E是合宙通信推出的LTE Cat.1 bis通信模塊，采用移芯EC618平臺(tái)，支持 LTE 3GPP Rel.13 技術(shù)。支持4G全網(wǎng)通，可適應(yīng)不同的運(yùn)營(yíng)商和產(chǎn)品，確保應(yīng)用的最大靈活性。其不僅通信距離遠(yuǎn)、信號(hào)收發(fā)靈敏度高，而且誤碼率低、抗干擾能力強(qiáng)。

2.4.3. 單相交流電測(cè)計(jì)量部分

電能計(jì)量部分負(fù)責(zé)采集電路的電流、功率等參數(shù)，主要由電流互感器、電壓互感器和電能計(jì)芯片組成。我們把單相交流電測(cè)計(jì)量部分封裝為模塊，不同用戶可以根據(jù)需要選擇不同的量程。本方案中的電壓量程為1~380 V，電流量程為0.1~50 A，可以滿足大部分的測(cè)量范圍。電能芯片經(jīng)過(guò)信號(hào)放大、濾波、模數(shù)轉(zhuǎn)換后讀取電壓、電流互感器的值，再通過(guò)MODBUS-RTU協(xié)議傳輸給MCU。原理圖如圖3所示。

Figure 3. Schematic diagram of single-phase AC power measurement module

圖3. 單相交流電測(cè)計(jì)量模塊原理圖

2.4.4. 電路保護(hù)部分

瞬態(tài)火災(zāi)防護(hù)采用自恢復(fù)保險(xiǎn)絲，提高了實(shí)用性降低了成本。漸變態(tài)火災(zāi)多為老化、長(zhǎng)期過(guò)負(fù)荷等，通常表現(xiàn)為線纜或設(shè)備溫度長(zhǎng)期異常，這部分與本地模型預(yù)測(cè)聯(lián)動(dòng)可以很好預(yù)防，當(dāng)預(yù)測(cè)電路有漸變態(tài)火災(zāi)風(fēng)險(xiǎn)時(shí)，可以遠(yuǎn)程控制或者主板自動(dòng)設(shè)置繼電器關(guān)閉整個(gè)電路保護(hù)安全，排查風(fēng)險(xiǎn)。原理圖如圖4所示。

Figure 4. Circuit protection schematic diagram

圖4. 電路保護(hù)部分原理圖

2.5. 預(yù)測(cè)模型框架設(shè)計(jì)

在實(shí)際情況下，電氣線路溫度的振蕩規(guī)律由用電行為、電氣系統(tǒng)狀態(tài)和環(huán)境等多種復(fù)雜因素共同決定，預(yù)測(cè)參數(shù)及其影響因素具有顯著的時(shí)序特性。循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)對(duì)這類預(yù)測(cè)問(wèn)題的處理效果較好。我們選擇RNN其中的LSTM網(wǎng)絡(luò)，因?yàn)槠湓诜浅＿m合處理和預(yù)測(cè)時(shí)間序列中間隔和延遲非常長(zhǎng)的事件，可以構(gòu)建低頻電氣參數(shù)的循環(huán)神經(jīng)網(wǎng)絡(luò)(LF-LSTM)和高頻電氣參數(shù)的循環(huán)神經(jīng)網(wǎng)絡(luò)(HF-LSTM)，分別研究電氣線路溫度隨電氣參數(shù)變化的周期特性和線路的溫升特性。

2.5.1. 高低頻循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練原理

低頻循環(huán)神經(jīng)網(wǎng)絡(luò)(LF-LSTM)是將歷史低頻電氣參數(shù)數(shù)據(jù)作為輸入所訓(xùn)練出來(lái)的模型，其主要作用是監(jiān)測(cè)長(zhǎng)期用電器的使用狀態(tài)和對(duì)用電規(guī)律和溫度變化進(jìn)行周期性分析。歷史低頻電氣參數(shù)數(shù)據(jù)是指以采樣頻率為3分鐘一次，連續(xù)采集過(guò)去三十天用戶電氣線路當(dāng)中電流、功率和溫度數(shù)據(jù)。

高頻循環(huán)神經(jīng)網(wǎng)絡(luò)(HF-LSTM)是線路快速溫升時(shí)采集的高頻數(shù)據(jù)訓(xùn)練出的模型，其能更好反應(yīng)氣線路的溫升特性與電氣參數(shù)的關(guān)系，挖掘線路的溫升規(guī)律和故障機(jī)制。歷史高頻電氣參數(shù)數(shù)據(jù)是線路故障溫升時(shí)采樣頻率為一秒一次的高頻電氣參數(shù)數(shù)據(jù)。

上述兩種循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相似，不同之處在于輸入的參數(shù)不同，分別研究電氣線路溫度隨電氣參數(shù)變化的周期特性和線路的溫升特性。

Figure 5. RNN unit structure diagram

圖5. RNN單元結(jié)構(gòu)示意圖

如圖5所示，矩形框包含一個(gè)基本的RNN單元。圖中，χ表示每個(gè)單元的輸入向量，包含多維電氣參數(shù)組，包括電壓U、電流I、溫度T。輸入向量的維度為到u，輸出向量的維度為w，隱藏層的維度為v。每個(gè)時(shí)刻t下的參數(shù)組合表示為：

經(jīng)過(guò)歸一化處理后，輸入RNN單元得到x′，然后通過(guò)激活函數(shù)計(jì)算得到無(wú)量綱的激活值h。接著，利用權(quán)重矩陣Wu×v將激活值轉(zhuǎn)換為隱藏層c，表示為：

經(jīng)過(guò)一系列門(mén)限計(jì)算，得到隱藏層的保留值x′′。然后，通過(guò)輸出函數(shù)預(yù)測(cè)下一個(gè)時(shí)間節(jié)點(diǎn)的歸一化結(jié)果y′_n+1，完成一個(gè)RNN單元的計(jì)算。

隨后，按照滑動(dòng)窗口方法，依次處理數(shù)據(jù)集中的所有組合，從而得到各個(gè)時(shí)刻的預(yù)測(cè)值，每個(gè)單元的隱藏層保留值都會(huì)參與下一個(gè)RNN單元的計(jì)算，以便保留多個(gè)時(shí)刻的溫度變化特征。通過(guò)預(yù)測(cè)溫度與實(shí)際溫度計(jì)算出均方根誤差RMSE (root mean square error)和損失函數(shù)Loss，計(jì)算公式如下：

Q表示單次迭代計(jì)算的單元總數(shù)。

初始階段，模型參數(shù)進(jìn)行初始化，隨后模型通過(guò)多輪迭代過(guò)程進(jìn)行訓(xùn)練，每一輪中模型都會(huì)進(jìn)行前向傳播以生成預(yù)測(cè)值，并通過(guò)計(jì)算預(yù)測(cè)值與真實(shí)值之間的Loss及RMSE來(lái)評(píng)估性能。這些指標(biāo)用于指導(dǎo)后續(xù)的反向傳播算法調(diào)整模型參數(shù)，以減少預(yù)測(cè)誤差。整個(gè)訓(xùn)練過(guò)程重復(fù)進(jìn)行，直到損失函數(shù)的值不再顯著下降或達(dá)到設(shè)定的迭代次數(shù)，最終模型的性能通過(guò)計(jì)算其RMSE和相關(guān)性能指標(biāo)來(lái)確定。此過(guò)程典型地展示了使用梯度下降法優(yōu)化RNN參數(shù)的方法，并通過(guò)連續(xù)的性能評(píng)估確保模型逐步優(yōu)化。

通過(guò)上述模型優(yōu)化原理，將歷史低頻電氣數(shù)據(jù)和歷史高頻電氣數(shù)據(jù)，即過(guò)去30天的高低頻數(shù)據(jù)作為輸入訓(xùn)練得到LF-LSTM和HF-LSTM。

在基于LF-LSTM和HF-LSTM的溫度預(yù)測(cè)方法中，我們首先通過(guò)LF-LSTM模型得到低頻預(yù)測(cè)結(jié)果，通過(guò)HF-LSTM模型得到高頻預(yù)測(cè)結(jié)果。最終的預(yù)測(cè)溫度通過(guò)加權(quán)計(jì)算得到，公式如下：

其中，W_H和W_L表分別是高頻預(yù)測(cè)結(jié)果和低頻預(yù)測(cè)結(jié)果的權(quán)重。

權(quán)重的計(jì)算基于低頻模型的真實(shí)溫度值和歷史低頻電氣參數(shù)數(shù)據(jù)中的溫度最大值，以體現(xiàn)當(dāng)前溫度的風(fēng)險(xiǎn)低頻預(yù)測(cè)結(jié)果權(quán)重W_L：

高頻預(yù)測(cè)結(jié)果權(quán)重W_H：

式中，T_Lt是指t時(shí)刻低頻模型的真實(shí)溫度值。Tmax是指t 時(shí)刻之前歷史低頻電氣參數(shù)數(shù)據(jù)中的溫度最大值。

這種權(quán)重計(jì)算方式能夠很好地反映出當(dāng)?shù)皖l模型預(yù)測(cè)結(jié)果T_Lt在上升時(shí)，線路處在高風(fēng)險(xiǎn)狀態(tài)。具體而言，當(dāng)T_Lt增大時(shí)，對(duì)應(yīng)的W_L減小，而W_H增大，這樣可以使得高頻預(yù)測(cè)結(jié)果對(duì)最終預(yù)測(cè)溫度的影響增加，從而提高預(yù)測(cè)的準(zhǔn)確性。

2.5.2. 線路安全系數(shù)

本實(shí)驗(yàn)采用的是分位報(bào)警的方法，將預(yù)警n分位是指對(duì)預(yù)測(cè)結(jié)果總體進(jìn)行多次抽樣，并計(jì)算出相應(yīng)的統(tǒng)計(jì)結(jié)果，那么在%的情況下，預(yù)測(cè)結(jié)果都會(huì)在該區(qū)間內(nèi)，分為70%，80%，90%，99%。預(yù)警分位是由預(yù)測(cè)溫度與實(shí)際溫度誤差的標(biāo)準(zhǔn)差與概率分布所計(jì)算出來(lái)的區(qū)間，計(jì)算公式如下：

Confidence_Interval_n=T±A_n?Residuals_std    (14)

Confidence_Interval_n是溫度預(yù)警n分位，T是預(yù)測(cè)溫度，A_n是n分位所對(duì)應(yīng)的臨界值，本實(shí)驗(yàn)是基于t分布，所以臨界值可以通過(guò)t分布表查詢，Residuals_std是預(yù)測(cè)誤差的標(biāo)準(zhǔn)方差。

溫度預(yù)警分位和真實(shí)溫度得到線路安全系數(shù)，當(dāng)真實(shí)值低于預(yù)測(cè)溫度預(yù)警70%分位，則線路安全系數(shù)為良，處于70%分位至80%分位之間為中，處于80%分位至90%分位之間則為差，處于90%分位至99%分位之間為及格，超過(guò)99%分位則報(bào)警。

3. 系統(tǒng)軟件設(shè)計(jì)

基于高低頻循環(huán)神經(jīng)網(wǎng)絡(luò)的電氣火災(zāi)預(yù)警實(shí)施的具體步驟如下：

步驟1，電氣參數(shù)數(shù)據(jù)采集模塊在過(guò)去30天，以3 min/次的低頻不間斷采集家庭線路的電流、功率和溫度得到歷史低頻電氣參數(shù)數(shù)據(jù)，當(dāng)大于0.5時(shí)，采集模塊以1 s/次的高頻采集電參數(shù)得到歷史高頻電氣參數(shù)數(shù)據(jù)。步驟2，將得到的歷史高頻電氣參數(shù)數(shù)據(jù)和歷史低頻電氣參數(shù)數(shù)據(jù)輸入循環(huán)神經(jīng)網(wǎng)絡(luò)，訓(xùn)練分別得到HF-LSTM和LF-LSTM。步驟3，分別由HF-LSTM和LF-LSTM得到第31天的高頻預(yù)測(cè)結(jié)果TH和低頻預(yù)測(cè)結(jié)果TL。步驟4，由第31天中t時(shí)刻的TL和過(guò)去30天歷史低頻電氣參數(shù)數(shù)據(jù)中溫度最大值計(jì)算出t時(shí)刻TH所對(duì)應(yīng)的權(quán)重WH，并計(jì)算出高低頻結(jié)合預(yù)測(cè)溫度T。步驟5，根據(jù)預(yù)測(cè)溫度T與真實(shí)值誤差和統(tǒng)計(jì)學(xué)中置信區(qū)間的計(jì)算公式得出溫度預(yù)警分位，并比較真實(shí)值與溫度預(yù)警分位的關(guān)系，得到線路火災(zāi)安全系數(shù)。從而實(shí)現(xiàn)火災(zāi)提前報(bào)警。

3.1. 高低頻循環(huán)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

電氣參數(shù)數(shù)據(jù)是由采集模塊按照不同頻率采集而來(lái)，在采集的過(guò)程中會(huì)受到環(huán)境的干擾，并且數(shù)據(jù)量總量極大，所以異常數(shù)據(jù)在模型訓(xùn)練中不容忽視。本實(shí)驗(yàn)采用Hampel過(guò)濾器的方法處理異常數(shù)據(jù)，其原理基于中位數(shù)絕對(duì)偏差的概念。通過(guò)實(shí)驗(yàn)表明，定義窗口大小為7，閾值倍數(shù)為3時(shí)，能夠很好的過(guò)濾調(diào)異常數(shù)據(jù)。

實(shí)驗(yàn)結(jié)果表明，采用2層LSTM構(gòu)建的循環(huán)神經(jīng)網(wǎng)絡(luò)，第一層隱藏層節(jié)點(diǎn)數(shù)為20，第二層隱藏層節(jié)點(diǎn)數(shù)為25，時(shí)間步長(zhǎng)為30，模型學(xué)習(xí)率為0.01，批量處理大小為32，訓(xùn)練輪次為40，激活函數(shù)為ReLU，模型具有較好的預(yù)測(cè)能力。

火災(zāi)預(yù)警時(shí)，線路溫度的預(yù)測(cè)至關(guān)重要，如果只是單一地采用低頻模型進(jìn)行預(yù)測(cè)對(duì)于線路快速溫升所產(chǎn)生的火災(zāi)預(yù)測(cè)能力較弱，不能及時(shí)分析出線路異常溫升的原因，存在一定的延時(shí)性，反之，如果始終采用高頻模型進(jìn)行預(yù)測(cè)，那么需要龐大的數(shù)據(jù)量，這會(huì)加大數(shù)據(jù)處理難度和增加方案實(shí)施的成本，所以我們提出了高低頻結(jié)合預(yù)測(cè)的方法有效的解決了上訴問(wèn)題，實(shí)現(xiàn)對(duì)線路溫度的精準(zhǔn)預(yù)測(cè)。

在傳統(tǒng)的火災(zāi)預(yù)警方法中，盡管預(yù)測(cè)出所需要的參數(shù)值后也無(wú)法直觀反應(yīng)出火災(zāi)危險(xiǎn)等級(jí)，這將導(dǎo)致電氣火災(zāi)預(yù)測(cè)出的信息出現(xiàn)孤島效應(yīng)，為克服這一問(wèn)題，我們提出了分位預(yù)警的方法。預(yù)警分位通過(guò)實(shí)際值與預(yù)測(cè)值之間誤差來(lái)體現(xiàn)，提升了電氣火災(zāi)風(fēng)險(xiǎn)評(píng)估的動(dòng)態(tài)性和風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果的可操作性。

3.2. 硬件部分軟件流程與設(shè)計(jì)

主控STM2F103C8T6通過(guò)MODBUS-RTU協(xié)議與單相交流電測(cè)計(jì)量模塊通信，通過(guò)規(guī)定的協(xié)議讀取不同線圈的參數(shù)可以得到單相交流電測(cè)計(jì)量模塊測(cè)量的電流、電壓、功率的值，讀取ADC的值得到NTC電阻上的電壓值，進(jìn)而計(jì)算出此時(shí)NTC的阻值得到相應(yīng)的溫度。系統(tǒng)剛運(yùn)行時(shí)先按照不同的采樣頻率(低頻3分鐘/次或高頻1秒/次)對(duì)電路參數(shù)進(jìn)行采集然后按照一定的格式將數(shù)據(jù)通過(guò)串口傳遞給Air780模塊進(jìn)行上傳到物聯(lián)網(wǎng)云平臺(tái)，決定采樣頻率由本地模型預(yù)測(cè)得出的危險(xiǎn)系數(shù)。本地深度學(xué)習(xí)模型也是通過(guò)MQTT協(xié)議將數(shù)據(jù)傳遞給物聯(lián)網(wǎng)平臺(tái)，物聯(lián)網(wǎng)云平臺(tái)再云流轉(zhuǎn)后通過(guò)MQTT發(fā)送給Air780E模塊，實(shí)現(xiàn)硬件與軟件模型的聯(lián)通。硬件模塊Air780E 4G、阿里云物聯(lián)網(wǎng)平臺(tái)、本地模型MQTT部署。硬件模塊Air780E 4G支持LuatOS，可通過(guò)Lua語(yǔ)言進(jìn)行二次開(kāi)發(fā)。主要任務(wù)包括：通過(guò)阿里云物聯(lián)網(wǎng)平臺(tái)提供的三元組(設(shè)備名稱、設(shè)備ID、設(shè)備密鑰)實(shí)現(xiàn)設(shè)備與云平臺(tái)的安全連接；接收MCU發(fā)送的電路信息，實(shí)現(xiàn)有效信息交換；按預(yù)設(shè)頻率上傳采集數(shù)據(jù)(如傳感器讀數(shù))到指定發(fā)布地址。

在阿里云物聯(lián)網(wǎng)平臺(tái)上，設(shè)備通過(guò)三元組認(rèn)證并連接到云平臺(tái)。平臺(tái)簡(jiǎn)化了設(shè)備管理和數(shù)據(jù)處理流程[14]。開(kāi)發(fā)者可以創(chuàng)建設(shè)備，獲取唯一三元組信息，配置合適的Topic，通過(guò)這些Topic進(jìn)行數(shù)據(jù)上傳和指令下發(fā)，實(shí)現(xiàn)設(shè)備通信的精細(xì)控制。本地模型的MQTT部署采用開(kāi)源的Paho MQTT庫(kù)實(shí)現(xiàn)本地?cái)?shù)據(jù)處理和模型推理。通過(guò)配置的MQTT客戶端連接到阿里云物聯(lián)網(wǎng)平臺(tái)的MQTT服務(wù)器，實(shí)現(xiàn)消息收發(fā)；發(fā)布設(shè)備屬性數(shù)據(jù)，訂閱特定Topic的消息，并進(jìn)行相應(yīng)的業(yè)務(wù)處理；接收數(shù)據(jù)后，通過(guò)本地模型推理或分析，并將結(jié)果發(fā)布或傳遞回云平臺(tái)實(shí)現(xiàn)環(huán)路通信。通過(guò)以上三部分的協(xié)同工作，構(gòu)建了一個(gè)完整的物聯(lián)網(wǎng)系統(tǒng)，能夠高效地進(jìn)行數(shù)據(jù)采集、傳輸和處理，實(shí)現(xiàn)硬件設(shè)備與云平臺(tái)的無(wú)縫連接及本地智能處理。硬件系統(tǒng)流程圖如圖6所示。

Figure 6. Hardware system flow chart

圖6. 硬件系統(tǒng)流程圖

4. 系統(tǒng)測(cè)試與數(shù)據(jù)分析

在測(cè)試之前，首先要對(duì)前端硬件采集部分進(jìn)行部署，將多個(gè)大功率電器連接到硬件采集電路上，并長(zhǎng)時(shí)間運(yùn)行，模擬電路故障情況。運(yùn)行采集電路，連接到阿里云，將采集數(shù)據(jù)上傳到阿里云。如圖7所示。

Figure 7. Experimental scene diagram

圖7. 實(shí)驗(yàn)場(chǎng)景圖

4.1. 硬件采集上傳數(shù)據(jù)功能驗(yàn)證

在阿里云平臺(tái)的監(jiān)控平臺(tái)，通過(guò)預(yù)設(shè)的物理模型，可以實(shí)時(shí)查看電流、電壓、功率、溫度四個(gè)信息，如圖8所示。

Figure 8. Alibaba Cloud platform receives hardware upload data

圖8. 阿里云平臺(tái)接收硬件上傳數(shù)據(jù)

4.2. 本地模型與阿里云互聯(lián)功能驗(yàn)證

運(yùn)行本地模型，可以看到本地模型接收到阿里云平臺(tái)流轉(zhuǎn)過(guò)來(lái)的硬件采集到的數(shù)據(jù)并打印出來(lái)，如圖9所示。

Figure 9. The local model receives IOT data

圖9. 本地模型接收物聯(lián)網(wǎng)數(shù)據(jù)

4.3. 電氣線路溫度預(yù)測(cè)結(jié)果準(zhǔn)確性驗(yàn)證

以在實(shí)驗(yàn)室采集的30天數(shù)據(jù)為例進(jìn)行展示，對(duì)電氣線路溫度進(jìn)行預(yù)測(cè)，訓(xùn)練數(shù)據(jù)選取的時(shí)間范圍為第17到30天，采用2 d的數(shù)據(jù)預(yù)測(cè)下一個(gè)時(shí)間節(jié)點(diǎn)的參數(shù)，預(yù)測(cè)時(shí)間范圍為第19到20天。本文選取典型溫度變化特征的預(yù)測(cè)結(jié)果進(jìn)行展示，結(jié)果如圖10所示。采用LF-LSTM和HF-LSTM相結(jié)合的方式可以較準(zhǔn)確地預(yù)測(cè)電氣線路溫度劇烈變化的時(shí)間范圍，但溫度預(yù)測(cè)值也較為準(zhǔn)確，測(cè)量結(jié)果的RMSE值均在0.5℃以下，較為精準(zhǔn)。

Figure 10. Comparison of predicted and actual electrical line temperature

圖10. 電氣線路溫度預(yù)測(cè)值與實(shí)際值的對(duì)比

4.4. 電氣火災(zāi)與溫度關(guān)系的驗(yàn)證

通過(guò)實(shí)驗(yàn)室模擬電氣線路運(yùn)行過(guò)程，改變導(dǎo)線運(yùn)行電流，模擬不同負(fù)載下線路情況，利用控制變量法進(jìn)行對(duì)照試驗(yàn)，研究不同電流下、不同溫度下，探討電氣線路(以聚氯乙烯絕緣銅導(dǎo)線為研究對(duì)象)在不同負(fù)載和環(huán)境溫度條件下的溫度場(chǎng)特性，分析其對(duì)電氣火災(zāi)風(fēng)險(xiǎn)的影響。

實(shí)驗(yàn)使用的導(dǎo)線為BV2.5聚氯乙烯絕緣單芯銅導(dǎo)線其特征參數(shù)可查，查閱BV2.5聚氯乙烯絕緣銅導(dǎo)線的工作手冊(cè)可知長(zhǎng)時(shí)間運(yùn)行最大電流為30 A，表面最高限定溫度70℃。環(huán)境溫度利用溫度計(jì)直接測(cè)量，實(shí)驗(yàn)過(guò)程中利用空調(diào)保持環(huán)境溫度恒定。

實(shí)驗(yàn)測(cè)試取電流5 A、10 A、15 A、20 A、25 A、30 A、35 A經(jīng)行實(shí)驗(yàn)研究，測(cè)試導(dǎo)線在恒定室溫20攝氏度和26攝氏度下不同電流作用下的表面溫度和形變情況，重點(diǎn)觀察有無(wú)溫度突變情況，以及在什么情況下發(fā)生突變。實(shí)驗(yàn)采用一臺(tái)能產(chǎn)生低壓大電流的恒流源，可以直接將導(dǎo)線加載到回路中。實(shí)驗(yàn)圖如圖11所示。

Figure 11. Experimental process diagram

圖11. 實(shí)驗(yàn)過(guò)程圖

電氣線路通電運(yùn)行一小時(shí)后，電纜溫度場(chǎng)的變化緩慢，溫升較小，電纜溫度場(chǎng)逐步趨于穩(wěn)定；運(yùn)行兩小時(shí)后，導(dǎo)線溫度場(chǎng)處于穩(wěn)定狀態(tài)，基本無(wú)變化因此實(shí)驗(yàn)過(guò)程中保持導(dǎo)線運(yùn)行兩小時(shí)后再進(jìn)行導(dǎo)線溫度等數(shù)據(jù)測(cè)量。使用NTC測(cè)溫儀測(cè)量表面溫度10組，求平均值為表面溫度的實(shí)測(cè)值。測(cè)量數(shù)據(jù)見(jiàn)表1。

Table 1. Measured temperature result data

表1. 測(cè)量溫度結(jié)果數(shù)據(jù)

實(shí)驗(yàn)結(jié)果詳細(xì)揭示了環(huán)境溫度與電流負(fù)載對(duì)聚氯乙烯(PVC)絕緣導(dǎo)線表面溫度的顯著影響。在不同條件下，隨著電流增大和環(huán)境溫度升高，導(dǎo)線表面溫度呈顯著上升趨勢(shì)，尤其在電流達(dá)到20 A時(shí)，溫度變化速率加快，導(dǎo)致明顯的溫度突增現(xiàn)象。在20℃環(huán)境下，導(dǎo)線表面溫度最高可達(dá)74℃；而在26℃環(huán)境下，表面溫度最高測(cè)得81℃，超出安全溫度范圍，且導(dǎo)線發(fā)生了明顯的形變。在高負(fù)載電流和高環(huán)境溫度條件下，導(dǎo)線溫度場(chǎng)變化顯著，進(jìn)一步增加了電氣火災(zāi)的潛在風(fēng)險(xiǎn)。

根據(jù)《北京市地方標(biāo)準(zhǔn)電氣防火檢測(cè)技術(shù)規(guī)范》(DB11/065-2010)規(guī)定，PVC絕緣導(dǎo)線的線芯長(zhǎng)期運(yùn)行溫度最高不應(yīng)超過(guò)70℃。然而實(shí)驗(yàn)結(jié)果表明，在高負(fù)載和高環(huán)境溫度的共同作用下，導(dǎo)線溫度持續(xù)超出該限值，表現(xiàn)出過(guò)熱現(xiàn)象。導(dǎo)線溫度長(zhǎng)期處于高位不僅會(huì)導(dǎo)致導(dǎo)線材料老化、絕緣層受損，進(jìn)而影響導(dǎo)線的電氣性能，還會(huì)導(dǎo)致絕緣層軟化、熔化甚至燃燒，從而引發(fā)電氣火災(zāi)。

進(jìn)一步分析實(shí)驗(yàn)結(jié)果可以看出，當(dāng)電流接近最大額定值30 A且環(huán)境溫度升至26℃時(shí)，導(dǎo)線表面溫度快速接近極限值，在極端情況下可能超出導(dǎo)線材料的耐溫能力。導(dǎo)線長(zhǎng)期處于高溫狀態(tài)將引發(fā)絕緣材料的降解，加速絕緣層的老化，并增加火災(zāi)隱患。此外，導(dǎo)線的形變也是值得關(guān)注的安全問(wèn)題，其一旦超過(guò)安全負(fù)荷，可能導(dǎo)致機(jī)械性能下降或斷裂，進(jìn)一步加劇火災(zāi)風(fēng)險(xiǎn)。

4.5. 預(yù)測(cè)結(jié)果準(zhǔn)確性驗(yàn)證

為深入驗(yàn)證分位預(yù)警功能在電氣線路溫度變化預(yù)測(cè)及其火災(zāi)風(fēng)險(xiǎn)評(píng)估中的準(zhǔn)確性與有效性，我們對(duì)第19天至第20天期間的溫度數(shù)據(jù)進(jìn)行了系統(tǒng)性收集與分析。這一過(guò)程包括生成溫度預(yù)測(cè)值的累積概率分布曲線，以便更好地理解溫度變化的趨勢(shì)和潛在風(fēng)險(xiǎn)。通過(guò)對(duì)比溫度預(yù)測(cè)與實(shí)際測(cè)得的溫度數(shù)據(jù)，我們觀察到多條溫度預(yù)測(cè)的累積概率分布函數(shù)(F曲線)能夠有效覆蓋實(shí)際溫度的變化范圍，顯示出較高的擬合度。

在電路滿負(fù)荷運(yùn)轉(zhuǎn)46分鐘后，發(fā)現(xiàn)溫度出現(xiàn)了顯著的快速上升現(xiàn)象，實(shí)際溫度值超出了99%預(yù)測(cè)曲線的范圍。這一異常情況明確指示出存在較高的火災(zāi)風(fēng)險(xiǎn)，電路系統(tǒng)因此迅速觸發(fā)了報(bào)警機(jī)制，以保障設(shè)備的安全運(yùn)行。同時(shí)硬件電路通過(guò)繼電器切斷電源，蜂鳴器發(fā)出聲音起到提醒作用，OLED屏幕顯示當(dāng)前線路為危險(xiǎn)，如圖12所示。

Figure 12. Hardware circuit alarm cut off circuit

圖12. 硬件電路報(bào)警切斷電路

這些實(shí)驗(yàn)結(jié)果充分驗(yàn)證了分位預(yù)警功能在識(shí)別溫度變化及預(yù)測(cè)火災(zāi)風(fēng)險(xiǎn)方面的有效性與準(zhǔn)確性。圖13展示了實(shí)際溫度與預(yù)測(cè)溫度的分位曲線圖，而圖14則為快速升溫點(diǎn)的放大視圖。綜上所述，電氣線路實(shí)際溫度所處的預(yù)警分位及分位的上升速率可以很好地衡量電氣線路的火災(zāi)。

Figure 13. Temperature quartile graph

圖13. 溫度分位曲線圖

Figure 14. An enlarged view of the rapid heating point

圖14. 快速升溫點(diǎn)的放大圖

5. 結(jié)語(yǔ)

為實(shí)現(xiàn)電器火災(zāi)的早期預(yù)警與高效識(shí)別，本方案采用硬件采集 + 物聯(lián)網(wǎng)平臺(tái) + 本地神經(jīng)網(wǎng)絡(luò)模型的模式可以有效解決中國(guó)電氣火災(zāi)防控技術(shù)難題。硬件采集安裝電氣火災(zāi)本質(zhì)安全保護(hù)裝置，能迅速切斷瞬態(tài)電氣火災(zāi)的發(fā)展路徑。同時(shí)，硬件采集變頻采樣并實(shí)時(shí)回傳數(shù)據(jù)至本地模型，通過(guò)模型的強(qiáng)大數(shù)據(jù)挖掘和處理能力計(jì)算漸變態(tài)電氣火災(zāi)風(fēng)險(xiǎn)并進(jìn)行預(yù)警。這種方法結(jié)合了兩種方式，為中國(guó)電氣火災(zāi)防治提供了新模式，并為消費(fèi)物聯(lián)網(wǎng)給出了底層硬件的創(chuàng)新解決方案，提供了一種新的火災(zāi)預(yù)警技術(shù)和硬件。

將本文所述的溫度預(yù)測(cè)方法置于物聯(lián)網(wǎng)平臺(tái)的云端綜合處理軟件內(nèi)，利用平臺(tái)存儲(chǔ)的電氣線路關(guān)鍵參數(shù)進(jìn)行電氣火災(zāi)風(fēng)險(xiǎn)的預(yù)測(cè)預(yù)警。平臺(tái)維護(hù)期間，通過(guò)采集的電氣參數(shù)，挖掘電氣線路溫度變化的周期性規(guī)律和故障特征，對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，使其具備不同場(chǎng)景的定量表征能力。平臺(tái)工作期間，實(shí)時(shí)回收關(guān)鍵電氣參數(shù)，利用訓(xùn)練模型對(duì)電氣線路溫度進(jìn)行預(yù)測(cè)和分位預(yù)警，實(shí)現(xiàn)對(duì)漸變態(tài)電氣火災(zāi)風(fēng)險(xiǎn)的提前、動(dòng)態(tài)感知。

NOTES

*通訊作者。