一种基于多传感器的预警分级处理方法技术

本发明专利技术公开了一种基于多传感器的预警分级处理方法，包括：建立专用实验舱，搜集预警鉴别数据集；所述专用实验舱包括粒子浓度传感器、电气火灾传感器、氢气传感器、一氧化碳传感器；使用云平台搜集实验数据，进行建模和分析；在预警系统中对预警信息进行甄别和分级；进行预警上报用户的决策；进行分级预警的展示及处理。本发明专利技术通过分级甄别和时间窗口，可以有效剔除大量虚警；通过分级展示，系统可以迅速筛选关键告警，帮助工作人员将注意力集中在重要问题的解决上。问题的解决上。问题的解决上。

【技术实现步骤摘要】
一种基于多传感器的预警分级处理方法


[0001]本专利技术涉及火灾预警
，尤其涉及一种基于多传感器的预警分级处理方法。

技术介绍

[0002]现有预警系统都需要搜集火灾特征进行分析预测，其特征数据选取多聚焦于若干特定场景，比如置于60~100℃下的木材（CN113538838A，文物建筑热解粒子特征识别的电气火灾监控方法），又如明确处于较大规模阴燃的实验场景（CN104766433A，基于数据融合的电气火灾报警系统，表3 标准阴燃火实验数据），这些技术对早早期的隐患发现没有涉及，而在现有火灾预警系统中，最多的误报出现在早早期环节，故此时风险的准确识别，是现有技术的一个痛点，未能得到解决。
[0003]现有的消防预警系统需要处理大量异常场景，对各种情况进行预警。各类预警信息涉及不同场景，不同风险敞口和发生预期，在告警的日常处理中会占用工作人员大量时间和精力。特别是大量虚警和非关键告警信息会淹没重要告警，耽误问题的解决。在实际工作中，对告警进行真伪鉴别并对处理紧迫程度进行分级管理是一个亟待解决的主要矛盾。
[0004]因此，本领域的技术人员致力于开发一种基于多传感器的预警分级处理方法，以克服现有技术存在的问题。

技术实现思路

[0005]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是如何提供一种基于多传感器的预警分级处理方法，以解决火灾预警系统中上报告警虚警多，难以识别重点问题，工作效率低的问题。
[0006]为实现上述目的，本专利技术提供了一种基于多传感器的预警分级处理方法，包括以下步骤：步骤1、 建立专用实验舱，搜集预警鉴别数据集；所述专用实验舱包括粒子浓度传感器、电气火灾传感器、氢气传感器、一氧化碳传感器；步骤2、 使用云平台搜集实验数据，进行建模和分析；步骤3、 在预警系统中对预警信息进行甄别和分级；步骤4、 进行预警上报用户的决策；步骤5、 进行分级预警的展示及处理。
[0007]进一步地，所述步骤1中的所述搜集预警鉴别数据集包括：通过粒子浓度传感器收集粒子浓度浓度数据和温度数据；通过电气火灾传感器搜集电流、电压和导线温度；通过氢气传感器搜集氢气浓度；通过一氧化碳传感器搜集一氧化碳浓度。
[0008]进一步地，所述步骤2包括以下步骤：步骤2.1、 获得单传感器预警分级：常态数据建模；
破坏性试验标注数据建模；设置预警阈值；步骤2.2、 传感器逻辑组合，形成决策树：定义组合设备数据结构；参照所述单传感器的所述预警阈值设置单项判断算法；按环境判断和本征判断进行交叉的原则建立决策树，对结果进行综合判断。
[0009]进一步地，所述步骤3包括将常态数据作为参考模型，对比新环境数据，按预设的分段阈值和时间窗口累积的方式插入各传感器预警堆栈。
[0010]进一步地，所述步骤3具体包括以下步骤：步骤3.1、 根据预设的分段阈值分别设定预警累积点，所述预警累积点包括蓝色预警累积点、黄色预警累积点、橙色预警累积点、红色预警累积点；步骤3.2、 根据蓝色预警累积点判断是否存在连续X1个上报时间点符合标准，若存在，则记录一个蓝色预警；步骤3.3、 根据黄色预警累积点判断是否存在连续X2个上报时间点符合标准，若存在，则记录一个黄色预警；步骤3.4、 根据橙色预警累积点判断是否存在连续X3个上报时间点符合标准，若存在，则记录一个橙色预警；步骤3.5、 根据红色预警累积点判断是否存在连续X4个上报时间点符合标准，若存在，则记录一个红色预警；步骤3.6、 在预设的各级预警的时间窗口内对上报数据进行累积预警，当预警数量达到预设的累积数量时，则将本级预警升级；其中，X1、X2、X3、X4为可调门控阈值。
[0011]进一步地，所述步骤4中所述预警上报用户的决策包括：单个传感器蓝色预警、黄色预警、橙色预警只记录不上报；单个传感器出现红色预警不上报；粒子浓度和电气火灾数据同时大于等于橙色预警上报用户；粒子浓度和气体数据同时大于等于橙色预警上报用户。
[0012]进一步地，所述步骤5中所述分级预警的展示包括：每个预警具备颜色标签，按照颜色分类汇总展示；按照传感器名称或识别号、传感器部署区域、预警发生时间对预警进行查询；对于以时间窗累积方式升级的预警，展示级联关系，以便和直接达到阈值产生的预警相互区别。
[0013]进一步地，所述步骤5中所述分级预警的处理包括：填入预警的问题根因和处理方式，以便对传感器数据进行标注；将问题根因和处理方式存储入数据库，作为长期记录。
[0014]进一步地，所述步骤3.1中所述预设的分段阈值包括历史统计的常态高点、常态数据中异常数据75%分位点、破坏性实验标注“测试人群可感知”的采样取均值、破坏性实验陡增曲线的75%分位均值。
[0015]进一步地，所述步骤4还包括以下步骤：
用破坏性实验数据建立的LSTM模型预估未来T时间的情况，如后继上报数据符合预测上升趋势，立即上报红色预警到用户。
[0016]本专利技术的有益效果在于：(1) 通过分级甄别和时间窗口，可以有效剔除大量虚警，比如启动瞬间电流波动，外部施工烟尘干扰等。
[0017](2) 通过分级展示，系统可以迅速筛选关键告警，帮助工作人员将注意力集中在重要问题的解决上。如某局点通过筛选，指出一个持续漏电问题，通过排查解决了一个施工遗留的接线错误。
[0018]以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。
附图说明
[0019]图1是本专利技术的一个较佳实施例的流程图；图2是本专利技术的一个较佳实施例的实验舱示意图；图3是本专利技术的一个较佳实施例的常态建模示意图；图4是本专利技术的一个较佳实施例的异常测试数据采样示意图；图5是本专利技术的一个较佳实施例的系统架构图。
具体实施方式
[0020]以下参考说明书附图介绍本专利技术的优选实施例，使其
技术实现思路
更加清楚和便于理解。本专利技术可以通过许多不同形式的实施例来得以体现，本专利技术的保护范围并非仅限于文中提到的实施例。
[0021]在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本专利技术并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
[0022]本专利技术提供了一种基于多传感器的预警分级处理方法，具体步骤如下：S1、建立专用实验舱，包含下述各类传感器，搜集预警鉴别数据集；通过粒子浓度传感器收集粒子浓度浓度数据和温度数据；通过电气火灾传感器搜集电流、电压和导线温度；通过H2传感器搜集氢气浓度；通过CO传感器搜集一氧化碳浓度；S2、使用云平台搜集实验数据，进行建模和分析工作；S3、在预警系统中对预警信息进行甄别和分级，具体手段如下：a) 将常态数据作为参考模型，取常态模型上限为TopLimit（上限数据，后简称TL）对比新环境数据，按下面描述的分段阈值和时间窗口累积的方式插入各传感器预警堆栈；b) 150%
...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器的预警分级处理方法，其特征在于，包括以下步骤：步骤1、 建立专用实验舱，搜集预警鉴别数据集；所述专用实验舱包括粒子浓度传感器、电气火灾传感器、氢气传感器、一氧化碳传感器；步骤2、 使用云平台搜集实验数据，进行建模和分析；步骤3、 在预警系统中对预警信息进行甄别和分级；步骤4、 进行预警上报用户的决策；步骤5、 进行分级预警的展示及处理。2.如权利要求1所述的基于多传感器的预警分级处理方法，其特征在于，所述步骤1中的所述搜集预警鉴别数据集包括：通过粒子浓度传感器收集粒子浓度浓度数据和温度数据；通过电气火灾传感器搜集电流、电压和导线温度；通过氢气传感器搜集氢气浓度；通过一氧化碳传感器搜集一氧化碳浓度。3.如权利要求2所述的基于多传感器的预警分级处理方法，其特征在于，所述步骤2包括以下步骤：步骤2.1、 获得单传感器预警分级：常态数据建模；破坏性试验标注数据建模；设置预警阈值；步骤2.2、 传感器逻辑组合，形成决策树：定义组合设备数据结构；参照所述单传感器的所述预警阈值设置单项判断算法；按环境判断和本征判断进行交叉的原则建立决策树，对结果进行综合判断。4.如权利要求3所述的基于多传感器的预警分级处理方法，其特征在于，所述步骤3包括将常态数据作为参考模型，对比新环境数据，按预设的分段阈值和时间窗口累积的方式插入各传感器预警堆栈。5.如权利要求4所述的基于多传感器的预警分级处理方法，其特征在于，所述步骤3具体包括以下步骤：步骤3.1、 根据预设的分段阈值分别设定预警累积点，所述预警累积点包括蓝色预警累积点、黄色预警累积点、橙色预警累积点、红色预警累积点；步骤3.2、 根据蓝色预警累积点判断是否存在连续X1个上报时间点符合标准，若存在，则记录一个蓝色预警；步骤3.3、 根据黄色预警累积点判断是否存在连续X2个上报时间点符合标准，若存在，则记录一个黄色预警；步骤3.4、 根据...

【专利技术属性】
技术研发人员：陈岚，孔德春，
申请(专利权)人：苏州安芯智联科技有限公司，
类型：发明
国别省市：