Computer Science and Application 计算机科学与应用, 2020, 10(6), 1286-1298 Published Online June 2020 in Hans. http://www.hanspub.org/journal/csa https://doi.org/10.12677/csa.2020.106133
Safety Electric Guard
Hanqing Cao*, Xiang Chen, Yufeng Wei
College of Science and Technology, Jiangsu Normal University, Xuzhou Jiangsu
thndth
Received: Jun. 8, 2020; accepted: Jun. 22, 2020; published: Jun. 29, 2020
Abstract
In this system, the distribution cabinet is used as the node to provide data perception and collec-tion based on the Internet of things, the cloud system platform is used as the service center for data storage and analysis, and smart phone applications based on Android and IOS are provided; the K-means based power consumption behavior analysis model is designed, the user profile is established, and the overall power consumption status of the business is judged, classified and counted. The intelligent prediction model of electrical fire based on ANFIS is designed, the statis-tical power consumption parameters are modeled and analyzed in the background, the produc-tion automation control system of the enterprise is connected according to the analysis results, the intelligent linkage is carried out by using IFTTT technology, the visualized real-time monitor-ing of topology map is provided, the occurrence of electrical fire is predicted and handled in time, and the electrical safety is guaranteed.
Keywords
Internet of Things, Big Data, Artificial Intelligence, K-Means Model, ANFIS Model
安全用电卫士
曹汉清*,陈 祥,魏宇峰
江苏师范大学科文学院,江苏 徐州
收稿日期:2020年6月8日;录用日期:2020年6月22日;发布日期:2020年6月29日
摘 要
分析已存在产品暴露的种种问题,设计出本系统。以配电柜作为节点提供基于物联网的数据感知与采集,提供云端系统平台作为数据存储与分析的服务中心,提供基于Android、IOS的智能手机应用程序;设计
*通讯作者。
文章引用: 曹汉清, 陈祥, 魏宇峰. 安全用电卫士[J]. 计算机科学与应用, 2020, 10(6): 1286-1298. DOI: 10.12677/csa.2020.106133
曹汉清 等
基于K-means的用电行为分析模型,建立用户画像;对业务总体用电状态进行判断、分类和统计。设计基于ANFIS的电气火灾智能预测模型,对统计的用电参数进行后台建模分析,根据分析结果对接企业生产自动化控制系统,利用IFTTT技术进行智能联动,提供拓扑图可视化实时监测,及时预测并处理电气火灾的发生,保障电气安全。
关键词
物联网,大数据,人工智能,K-Means模型,ANFIS模型
Copyright ? 2020 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). http://creativecommons.org/licenses/by/4.0/
Open Access 1. 引言
在物联网、大数据、人工智能技术大发展的今天,电气火灾监控系统不再局限于剩余电流、温度等指数的探测和预警,而是演变成了更加智慧的安全用电系统。我国的电气火灾监控系统已有近30年的发展历史,但受限于经济、技术等历史条件,系统的普及率和应用效果仍有较大提升空间。在云计算、物联网、大数据技术飞速发展的今天,传统的电气火灾监控系统更是暴露了种种不足。
设备安装部署麻烦,使用门槛高:传统电气火灾监控设备具有体积大、成本高昂、操作复杂的特点,在安装部署时需要组网布线,安装周期长,安装成本高,容易受现场安装条件限制;而传统的总线组网方式,技术一般,当线路上某一监控点出现问题,容易影响其他点。因此,在终端设备的设计上,需要克服上述缺点设计一种满足国标要求的体积小、成本低、操作简单的电气火灾监控设备,能够及时准确探测剩余电流和温度等相关参数,并能够存储和传送电气火灾数据,能够发出声、光报警信号,提示报警部位,提供持久稳定的系统感知基础。
缺乏统一的云端平台,在监控范围和数据存取方式上受限:传统的一套电气火灾监控系统,仅能用于一个院子、一个小区或几栋楼,也就是仅能实现一个小区域、小范围内的电气火灾监控;而其监测数据由终端探测设备传输到监测设备上,在监测设备上实现保存和读取,一旦设备损坏将造成数据丢失,降低系统整体的可靠度。因此,在系统的整体设计上,必须采用无线传输和云端存储的方式,各电气火灾监控设备作为云端平台的末梢神经终端,技术上报监测数据,集中进行后期的处理和数据分析,从而突破空间距离的限制,实现广域的、城域的,甚至全国范围的集中式电气火灾监控。
预警智能化程度不够,容易造成误报、漏报:目前市面上绝大多数电气火灾监控设备以设置监控预警阈值的形式进行预警,预警值的设定由传统的上限、下限逐步发展为按照预警等级划分的更多阈值,然而并没有从根本上解决问题。整个电网是一个连通的整体,彼此互相影响,再加上季节、天气、经济环境给温湿度、用电量带来的动态影响,仅靠设置报警阈值仍然过于机械。真正智能的电气火灾预知预警需要建立在线下、线上安全数据综合分析的基础上,建立一系列的分析模型和算法模型,从而更好地实现电气火灾的预警和甄别,也能为不同用户提供定制的安全状态画像。
自动化程度不高,无法形成联动效应:电气火灾监控系统的核心和基本功能是火灾预警,那么预警之后呢?如何处理解决问题形成完整闭环?将报警信息对接工单系统,维护人员根据工单开展线下巡查工作,这是目前绝大多数电气火灾监控系统的解决方式。然而,这是不够的。我国在2015年就提出了智能制造2025、工业4.0的概念,建立智能制造标准体系和信息安全保障系统,搭建智能制造网络系统平
DOI: 10.12677/csa.2020.106133
1287
计算机科学与应用
曹汉清 等
台。因此,作为工业和民用基础的电力系统必须以智能的方式与生产、生活中的各类设施、设备、软硬件系统对接,在发生电气火灾预警时,自动切断危险源,自动调动相关设施设备处理危险情况,在第一时间采取必要措施,比人力维护更高效。
我们在总结传统电气火灾监控系统不足的基础上,集合物联网、大数据、人工智能技术思想,创新探索“互联网” + 用电安全,提供系统化的解决方案,设计开发了安全用电卫士,致力于解决上文总结的现有产品的缺陷不足的问题。
张宇帆等人[1]提出一种针对边缘数据中心的窃电监测方法,该方法利用深度卷积生成对抗网络(DCGAN)鉴别器提取得到的特征,在边缘数据中心对二范数线性支持向量机(L2SVM)进行训练。刘乐园[2]结合建筑智能建造监测技术需求,建立一套绿色建筑智慧集成化监测系统管理平台,对绿色建筑结构安全和施工进行全过程、全方位的监测与管理,为工程的成本、进度、质量、安全等方面的控制提供保障。何奉禄等人[3]提出了未来物联网技术在智能电网数据采集、通信和计算处理方面的优势与应用前景。最后,从物联网技术与智能电网深度融合的角度,阐述了智能电网的发展愿景。刘振如等人[4]基于非侵入式负荷分解技术和移动互联技术,搭建智能监测平台。该平台可实现户内每件电器用电监测,实现智能家居实时用能共享。以深度学习算法为基础,采用物联网硬件监测 + 大数据分析 + 移动端控制的模式,实现“精准服务 + 个性服务”的服务体系。张逸等人[5]提出一种基于监测数据相关性分析的用户谐波责任划分方法。首先,计算电能质量监测系统中谐波电压数据序列与用电信息采集系统中各用户平均有功功率数据序列的典则相关系数,将公共连接点谐波责任划分为背景谐波责任与所关注用户谐波责任;其次,计算谐波电压与各用户有功功率的动态扭曲相关系数,用于反映各用户用电行为与公共连接点谐波电压畸变的关联关系;最后,构造并计算同时考虑关联关系、用户用电容量的长时间尺度谐波责任划分指标。褚若波等人[6]针对串联电弧故障的识别难点,提出了一种基于多层卷积神经网络的时域可视化识别方法。使用高频耦合滤波电路和高速数据采集系统来采集串联电弧故障的高频信号。通过构建多层卷积神经网络,提取电弧图像高维特征。以时域灰度值图像的形式直观展示了卷积神经网络算法对故障电弧数据的抽象特征提取情况。刘毅[7]依据某城市轨道交通车站剩余电流式电气火灾监控系统误报警的实际数据,对回路固有漏电、施工不规范及N极开关选型不当等可能导致电气火灾监控系统误报警的因素进行了具体分析,并总结了各类误报警所对应的排查治理办法。朱贺平[8]在分析电气火灾监控系统组成和结构特点的基础上对如何做好电气火灾监控系统在消防安全中的应用进行了分析介绍。“智慧消防”是现代消防提出的一个重要的理念,借助于现代的信息化技术、人工智能、互联网 + 技术等实现。
2. 技术方案
2.1. 整体架构
如图1所示,本系统从底层物联设备到云端系统平台都进行了自主研发设计。
1、感知层。通过终端探测头(如剩余电流互感器、温度传感器等)利用电磁场感应原理、温度效应的变化对该信息进行采集,并输送到监控探测器里,经放大、A/D转换、CPU对变化的幅值进行分析、判断,并与报警设定值进行比较,一旦超出设定值则发出声光报警信号,同时通过无线传输模块,NB-IOT协议,将采集的数据传输到系统平台。
2、存储与数据层。物联网设备的数据持续采集,必然会带来海量数据,系统从设计之处就考虑了大数据存储。系统采用MySql作为传统数据库,采用MongoDB存储非结构化数据,便于大数据分析处理,同时提供Redis作为缓存提高访问效率,并利用Zabbix提供分布式系统的网络监控服务。
3、基础服务层。提供了文件服务、日志服务、监控服务、短信服务、配置中心等基础服务,提供了RabbitMQ作为消息中间件,是系统持续稳定运行的基础。
DOI: 10.12677/csa.2020.106133
1288
计算机科学与应用
曹汉清 等
Figure 1. Overall structure 图1. 整体架构
4、业务服务层。主要包括IFTTT、数据可视化、数据管理、智能建模、智能联动装置接入、报警管理等。平台对采集的数据进行接收、解析、存储、分析,结合企业用电结构建模,评估企业整体安全用电状态,自动进行安全预警,为用户提供快速响应分析支撑。
5、接口与前端。系统采用了前后端分离技术,试用HTML5尽可能为用户提供良好的操作体验。在Web端使用了国内主流的LayUI作为前端框架,在移动端使用了国内顶尖的Vue + uni-app框架,可支持安卓应用、苹果应用、微信小程序、支付宝小程序等多个平台,实现全平台部署。
2.2. 功能体系设计
本系统以配电柜作为节点提供基于物联网的数据感知与采集,多支线路采集到的电气参数通过NB-IOT协议实时传输到云端。设计基于K-means的用电行为分析模型,建立用户画像,对业务总体用电状态进行判断、分类和统计。设计基于ANFIS的电气火灾智能预测模型,对统计的用电参数进行后台建模分析,最后根据分析结果进行故障分级判定、消息推送以及IFTTT智能联动通过规则配置实现漏电自动断电保护、自动消防降温排风等功能,可准确把握工厂整体用电状态,及时预测并处理电气火灾的发生,保障电气安全。如图2所示。
DOI: 10.12677/csa.2020.106133
1289
计算机科学与应用
曹汉清 等
Figure 2. Electrical fire prediction function system 图2. 电气火灾预测功能体系
2.3. 数据库设计
Figure 3. ER diagram of database 图3. 数据库ER图
DOI: 10.12677/csa.2020.106133
1290
计算机科学与应用
安全用电卫士 - 图文
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)