摘要：針對現有電氣火災預警技術監測功能不全面、智能決策不完善等問題，開發了新型電氣火災預警系統。首先，利用多種不同類型的單參量采集模塊收集火災現場數據，然后將收集到的數據收集到參數采集模塊中，完成多參量采集；其次，參數采集模塊通過兩級數據傳輸網絡，即ZigBee本地無線通信和NB-IoT遠程聯網通信，將火災現場數據上傳到云平臺；*之后，云平臺對數據進行了相應的運算和處理，并使用了智能識別算法。

關鍵字：電氣火災預警，ZigBee,NB-IoT,智能化識別算法

引言

近幾年，我國電氣火災頻發，造成重大人員傷亡和財產損失。據統計，2020年，違反電氣安裝使用規定引發的火災有8.5萬起，占總數的33.6%，重特大火災中電氣火災占比高達55.4%。目前，一些關于電氣火災預警的研究:葉研等研究了基于CAN總線的實驗樓火災預警系統，通過CAN總線將數據發送到控制部分完成數據處理，提高了火災預警系統的可靠性和反饋速度。張夢媛設計了一個基于物聯網技術的無線火災智能預警系統，采用ZigBee協議，利用各種傳感器進行移動通信。但是目前電氣火災預警系統還存在一些不足，比如傳感器采集參數不全面，影響評價結果；采集數據使用多種不同類型的傳感器，但這些參數之間存在一些或全部的非線性依賴關系。僅僅通過這些數值來判斷警報是不科學的，智能決策是不完善的。本文提出了一種新型的電氣火災預警系統，將收集到的現場火災數據通過多個參數采集模塊發送到參數采集模塊；數據傳輸模塊(包括ZigBee協調器)接收參數采集模塊(即ZigBee終端節點)發送的相關數據，然后通過NB-IoT模塊將數據上傳到云平臺，從而形成兩級無線通信物聯網架構。云平臺整合分析傳感器采集的多個變量參數，在火災狀態和多個變量參數之間建立非線性數學模型。基于這個模型，根據多變數據，計算出火災發生的概率，從而達到預警的目的。

1系統整體設計

如圖1所示，系統的整體結構由參數采集模塊、參數采集模塊、數據傳輸模塊、云平臺和客戶端組成。參數采集模塊負責連接傳感器，感知火災現場；參數采集模塊負責采集和上傳火災現場數據；數據傳輸模塊作為通信橋梁，負責參數采集模塊與云平臺之間的信息傳輸；云平臺負責數據信息的計算和處理，計算火災發生的概率，并向客戶端發送信息。客戶端可以相應地顯示火災預警信息。

2硬件構成

如圖2所示，單參數采集模塊和參數采集模塊的硬件構成。火災現場數據的采集由單參數采集模塊和參數采集模塊共同完成。

參數采集模塊包括傳感器、信號處理電路、MCU,并且通過工業標準接口(2322、485、I2C、SPI等。)與參數收集模塊連接。根據火災現場情況，選擇煙霧、溫度、火焰、電參數(包括入戶母線電壓、電流、有功功率、無功功率或功率因數)等傳感器進行數據采集，經過信號處理電路處理后送入MCU，然后通過標準接口。根據約定的通信協議，將火災現場數據傳輸給參數收集模塊。參數收集模塊的核心是無線MCU(ZigBee終端節點)。通過標準接口與單參數收集模塊有線連接，接收單參數收集模塊發送的火災現場數據，然后通過Zi。

ZigBee協調器。ARM微處理器主要由ARM微處理器組成，如圖3所示。.由ZigBee協調器和NB-IoT模塊組成。

作為ZigBee終端節點，每個參數聚集模塊都被添加到網絡中，ZigBee協調器接收到多個參數聚集模塊上傳的火災現場數據。ARM微處理器負責統籌處理數據的本地傳輸、遠程傳輸和相應的分析和轉換。NB-IoT模塊將火災現場數據等信息遠程發送到云平臺進行處理。

3軟件設計

3.1數據采集

在數據采集過程中，完成了對火災現場數據的采集，軟件流程如圖4所示。

初始化后，參數采集模塊需要通過相應的傳感器采集現場數據，處理相關數據后，將數據傳輸到參數采集模塊。

3.2數據傳輸

數據傳輸是指將參數收集模塊接收到的多組火災現場數據上傳到云平臺的過程，其軟件流程如圖5所示。

ZigBee協調器檢測周圍網絡狀態，建立網絡。作為終端節點進入網絡后，參數匯集模塊將數據轉發給ZigBee協調器，協調器接收上傳的火災現場數據，通過串口通信將數據發送給ARM微處理器，ARM微處理器對數據進行分析和包裝，然后通過NB-IoT模塊上傳到云平臺完成數據處理，*最終實現火災預警。

3.3數據處理

數據處理是指在云平臺上運算和處理上傳的火災現場數據的過程，其軟件流程如圖6所示。

云平臺初始化后，首先接收火災監測現場的位置和火災現場的數據，在上傳的數據中計算和處理多個變量，然后在火災現場狀態和多變量參數之間建立非線性數學模型。基于該模型，根據采集的多變量數據，通過智能算法計算火災發生的概率，然后向客戶端發送火災預警信息。

4安科瑞電氣火災監控系統

（1）概述

Acre1-6000電氣火災監測系統是根據中心的消防電子產品試驗認證，并通過了嚴格的EMC電磁兼容試驗，確保了該系列產品在低壓配電系統中的安全正常運行，目前已在全國范圍內批量生產和廣泛應用。該系統通過收集和監控剩余電流、過流、過壓、溫度和故障電弧等信號，實現了對電氣火災的早期預防和報警。如有必要，它還可以聯動切斷超標的配電電路，如剩余電流、溫度和故障電弧。根據用戶的需求，還可以通過電源管道和電源管道進行報警或電源管道。

（2）應用場合

適用于石化、文教衛生、金融、電信等領域的智能建筑、高層公寓、酒店、酒店、商業建筑、工礦企業、國家重點消防單位。

（3）系統結構

（4）配置方案

5結語

本文利用參數采集模塊采集火災現場數據，上傳到參數采集模塊，通過ZigBee網絡和NB-IoT模塊將數據上傳到云平臺。云平臺整合分析傳感器采集的多個變量，通過求解算法獲得火災發生的概率并發送到客戶端，提醒工作人員及時采取措施。基于該系統，及時警告火災現場，提前預測。從而減少人員傷亡和財產損失。

參考文獻

[1] 閆傳令，李紅艷.冶山礦業公司“六大系統"的建設及應用[J]. 現代礦業，2014,30(12):186-187.

[2] 張紀飛.煤礦井下自動化供水索統的設計應用[J].山東煤炭科技,2021,39(7)：135-137.

[3] 馬莉.煤礦供水系統優化改造的研究[J].當代化工研究，2021(5) :92-93.

[4] 劉文峰，孟祥忠.煤礦深井多水平恒壓供水系統的研究與應用[J].工業儀表與自動化裝置,2020(4)：25-28+47.

[5] 孫派，吳志強，蘇瑞.礦井供水管網在線監測自控技術研究實踐[J].中小企業管理與科技(下旬刊),2013(4):240.

[6]魏立明，楊坤，陳妍希.建筑電氣火炎預警系統的綜述研究[J]. 吉林建筑大學學報,2017,34(3):112-115.

[7] 藍雄，劉勝永.軸承故障稀疏編碼特征提取與多分類SVM識別[J].機械設計與制造,2020(10):182-186.

[8]周文潮，周子涵，靳沖.基于SVM的變壓器局部放電故障診斷研究[J].鐵路通信信號工程技術,2022,19(S1):137-140.

[9] 范婕，許欣怡，周詩崠等.基于PSO-SVM的天然氣水合物生成條件預測[J].天然氣化工—C1化學與化工,2022,47(5):171-176.

[10]龍興林，俞鑒鋒，劉學勇，方永達.一種新型電氣火災預警系統研究 [A].傳感檢測與儀器儀表.2023(13)-1133

[11] 安科瑞企業微電網設計與應用手冊2022.05版．