基于边缘计算和神经网络预测区域电气火灾风险的方法技术

本发明专利技术的基于边缘计算和神经网络预测区域电气火灾风险的方法，包括以下步骤：S1：构建电气火灾风险预测体系；S2：电气拓扑建模，保证一致性；S3：同步采样数据存入历史数据库；S4：基于大量的历史采样数据作为训练样本，采用BP神经网络算法，推算电气火灾风险概率，生成最优预测模型；S5：边缘计算网关上的电气火灾风险预测应用更新程序并运行；S6：边缘计算网关上的电气火灾风险预测应用运行，对区域内用电测控终端采集到的实时数据进行分析，实现预测告警。该方法能实时预测电气火灾风险，并根据预测结果直接进行合理的处理，大大减少了监控平台的数据处理计算压力，实现了区域电气火灾风险的快速预警和就地处理。

A method of Forecasting Regional Electric Fire Risk Based on edge calculation and neural network

【技术实现步骤摘要】
基于边缘计算和神经网络预测区域电气火灾风险的方法
本专利技术涉及基于边缘计算和神经网络预测区域电气火灾风险的方法，属于风险预测方法

技术介绍
近年来，随着国民经济的增长，国内的年发电量和用电量屡创新高，但是电能在方便人类的同时，又造成了电气火灾事故的危险。经统计在火灾事故中，约30％是由于电气火灾引起的。在电气火灾中，电气线路火灾约占60％，而低压电气线路火灾又占电气线路火灾的90％以上。面对愈加严峻的电气火灾形势，传统的运用单一探测器的火灾自动报警系统局限性较大，甚至有些需要人工干涉，难以实时探测火灾，更无法提前预测电气火灾发生的风险。目前，国内外学者也设计了几种火灾预警的数学模型，例如，基于层次熵、雷达图、模糊神经网络等方法。但是仍然存在诸多问题：实用性不高，这些算法模型大多处于理论研究和仿真实验，没有真正的结合实际系统和终端设备，针对实际的电力客户进行电气火灾风险分析；实时性不满足要求，目前也有一些电气火灾监控系统也含有火灾预警功能，但由于系统和终端设备之间的通信时延、系统处理大量数据能力不足等问题，导致系统很难实时的对每个用户进行实时的电气火灾风险分析与预警，无法满足快速预警并处理风险的时间要求。
技术实现思路
为克服现有技术的不足，本专利技术提出基于边缘计算和神经网络预测区域电气火灾风险的方法，其能实时预测电气火灾风险，并根据预测结果直接进行合理的处理，大大减少了监控平台的数据处理计算压力，实现了区域电气火灾风险的快速预警和就地处理。为实现上述目的，本专利技术的基于边缘计算和神经网络预测区域电气火灾风险的方法，包括以下步骤：S1：构建“云端-边缘计算网关-终端”一体化的电气火灾风险预测体系；S2：电气拓扑建模，保证云平台与边缘计算网关拓扑的一致性；S3：将用电测控终端采集到的实时电气数据上送到边缘计算网关，边缘计算网关处理后再将数据上送到云平台，云平台将采样数据存入历史数据库；S4：基于大量的历史采样数据作为训练样本，云平台上运行的电气火灾风险分析应用采用BP神经网络算法，推算电气火灾风险概率，生成最优预测模型；S5：将优化好的预测模型同步到边缘计算网关，边缘计算网关上的电气火灾风险预测应用更新程序并运行，电气火灾风险预测应用负责对实时采集的电气数据进行风险预测，核心程序为风险预测模型，风险预测模型由云平台通过神经网络优化生成并同步到边缘计算网关；S6：边缘计算网关上的电气火灾风险预测应用运行，对区域内用电测控终端采集到的实时数据进行分析，得到当前时间断面的电气火灾风险概率，当概率达到设定值时，发出告警通知管理人员处理或直接控制用电测控终端暂时切断风险来源。进一步地，步骤S1包括以下步骤：S101：搭建云平台，在云端搭建监控平台，具备数据采集、实时监控基本功能，部署基于BP神经网络的电气火灾风险分析应用；S102：部署边缘计算网关，以区域为单位，每个区域部署一台边缘计算网关，用于区域内实时数据计算处理，对终端设备的就地化控制；S103：在用户进户线路安装用电测控终端，作为采集终端和控制设备，用电测控终端通过多种通信方式与边缘计算网关连接。进一步地，在步骤S2中，在云平台中对所管理的电网进行电气拓扑建模，包括电力设备和线路，其中各个区域的拓扑模型同步更新到对应的管理该区域的边缘计算网关中，边缘计算网关能够识别电网模型和拓扑结构。进一步地，在步骤S3中，用电测控终端实时采集当前线路的电流、电压、温度、漏电流等，实时上送给边缘计算网关，边缘计算网关对实时数据进行预处理，对数据进行采样，将采样数据上送给云平台，以减轻云平台数据处理压力。进一步地，在步骤S4中，BP神经网络采用三层结构，包括输入层、隐藏层和输出层，用电测控终端在连续n个采样周期采集到的电流、电压、漏电流和线路温度四种历史数据，参考该线路的电压范围、最大允许电流值，进行归一化处理后作为输入层，输出层的一个节点输出电气火灾概率，范围在（0~1），训练样本的期望输出值为根据历史数据和经验值得到的电气火灾概率，对神经网络中的权值和阈值进行初始赋值，通过样本数据进行训练，迭代优化权值和阈值，计算，直到输出值和期望输出值的误差达到设定要求。进一步地，隐藏层输出函数为：，为输入层的神经元个数，为输入值，输入层节点到隐藏层之间的连接权为，为隐藏层第个神经元的阈值，网络采用S形函数f(·)作为隐含层和输出层的激活函数。进一步地，输出层节点的输出函数为：，隐藏层到输出层节点的连接权为，为隐藏层神经元个数，为隐藏层输出值，为输出层节点的阈值。进一步地，输出层节点的输出与期望输出的误差计算函数为：，K为样本数量，为第i个样本训练输出期望值，为第i个样本的训练输出实际结果，反复迭代运算直到误差MSE达到设定要求为止，此时，得到的权值和阈值为最优解，生成风险预测模型。本专利技术的基于边缘计算和神经网络预测区域电气火灾风险的方法基于实际的智慧安全用电云平台，边缘计算网关和用电测控终端，以用电测控终端采集的电气数据作为基础，在智慧安全用电监控平台采用神经网络算法进行训练并生成电气火灾风险预测模型。同步该预测模型到边缘计算网关，网关对其管理区域内的电力用户进行实时电气火灾风险预测，并根据预测结果直接进行处理，只是将风险告警信息发送给云平台，大大减少了监控平台的数据处理计算压力，实现了区域电气火灾风险的快速预警和就地处理。附图说明下面结合附图对本专利技术作进一步描写和阐述。图1是本专利技术首选实施方式的基于边缘计算和神经网络预测区域电气火灾风险的方法的流程图；图2是本专利技术的结构框图；图3是本专利技术中BP神经网络优化电气火灾风险预测模型的流程图。具体实施方式下面将结合附图、通过对本专利技术的优选实施方式的描述，更加清楚、完整地阐述本专利技术的技术方案。如图1和图2所示，本专利技术首选实施方式的基于边缘计算和神经网络预测区域电气火灾风险的方法，包括以下步骤：S1：构建“云端-边缘计算网关-终端”一体化的电气火灾风险预测体系；S101：搭建云平台，在云端搭建监控平台，具备数据采集、实时监控基本功能，部署基于BP神经网络的电气火灾风险分析应用；S102：部署边缘计算网关，以区域为单位，每个区域部署一台边缘计算网关，用于区域内实时数据计算处理，对终端设备的就地化控制；S103：在用户进户线路安装用电测控终端，作为采集终端和控制设备，用电测控终端通过多种通信方式与边缘计算网关连接。S2：电气拓扑建模，保证云平台与边缘计算网关拓扑的一致性，在云平台中对所管理的电网进行电气拓扑建模，包括电力设备和线路，其中各个区域的拓扑模型同步更新到对应的管理该区域的边缘计算网关中，边缘计算网关能够识别电网模型和拓扑结构；S3：将用电测控终端采集到的实时电气数据上送到边缘计算网关，边缘计算网关处理后再将数据上送到云平台，云平台将采样数据存入历史数据库，用电测控终端实时采集当前线路的本文档来自技高网...

【技术保护点】
1.基于边缘计算和神经网络预测区域电气火灾风险的方法，其特征在于，包括以下步骤：/nS1：构建“云端-边缘计算网关-终端”一体化的电气火灾风险预测体系；/nS2：电气拓扑建模，保证云平台与边缘计算网关拓扑的一致性；/nS3：将用电测控终端采集到的实时电气数据上送到边缘计算网关，边缘计算网关处理后再将数据上送到云平台，云平台将采样数据存入历史数据库；/nS4：基于大量的历史采样数据作为训练样本，云平台上运行的电气火灾风险分析应用采用BP神经网络算法，推算电气火灾风险概率，生成最优预测模型；/nS5：将优化好的预测模型同步到边缘计算网关，边缘计算网关上的电气火灾风险预测应用更新程序并运行，电气火灾风险预测应用负责对实时采集的电气数据进行风险预测，核心程序为风险预测模型，风险预测模型由云平台通过神经网络优化生成并同步到边缘计算网关；/nS6：边缘计算网关上的电气火灾风险预测应用运行，对区域内用电测控终端采集到的实时数据进行分析，得到当前时间断面的电气火灾风险概率，当概率达到设定值时，发出告警通知管理人员处理或直接控制用电测控终端暂时切断风险来源。/n

【技术特征摘要】
1.基于边缘计算和神经网络预测区域电气火灾风险的方法，其特征在于，包括以下步骤：
S1：构建“云端-边缘计算网关-终端”一体化的电气火灾风险预测体系；
S2：电气拓扑建模，保证云平台与边缘计算网关拓扑的一致性；
S3：将用电测控终端采集到的实时电气数据上送到边缘计算网关，边缘计算网关处理后再将数据上送到云平台，云平台将采样数据存入历史数据库；
S4：基于大量的历史采样数据作为训练样本，云平台上运行的电气火灾风险分析应用采用BP神经网络算法，推算电气火灾风险概率，生成最优预测模型；
S5：将优化好的预测模型同步到边缘计算网关，边缘计算网关上的电气火灾风险预测应用更新程序并运行，电气火灾风险预测应用负责对实时采集的电气数据进行风险预测，核心程序为风险预测模型，风险预测模型由云平台通过神经网络优化生成并同步到边缘计算网关；
S6：边缘计算网关上的电气火灾风险预测应用运行，对区域内用电测控终端采集到的实时数据进行分析，得到当前时间断面的电气火灾风险概率，当概率达到设定值时，发出告警通知管理人员处理或直接控制用电测控终端暂时切断风险来源。


2.如权利要求1所述的基于边缘计算和神经网络预测区域电气火灾风险的方法，其特征在于，步骤S1包括以下步骤：
S101：搭建云平台，在云端搭建监控平台，具备数据采集、实时监控基本功能，部署基于BP神经网络的电气火灾风险分析应用；
S102：部署边缘计算网关，以区域为单位，每个区域部署一台边缘计算网关，用于区域内实时数据计算处理，对终端设备的就地化控制；
S103：在用户进户线路安装用电测控终端，作为采集终端和控制设备，用电测控终端通过多种通信方式与边缘计算网关连接。


3.如权利要求1所述的基于边缘计算和神经网络预测区域电气火灾风险的方法，其特征在于，在步骤S2中，在所述云平台中对所管理的电网进行电气拓扑建模，包括电力设备和线路，其中各个区域的拓扑模型同步更新到对应的管理该区域的边缘计算网关中，边缘计算网关能够识...

【专利技术属性】
技术研发人员：王祥浩，宣筱青，夏东风，
申请(专利权)人：南京中电科能技术有限公司，
类型：发明
国别省市：江苏;32