【技术实现步骤摘要】
本专利技术涉及变电站消防安全领域，具体涉及一种变电站充油设备火灾燃烧形式识别方法及系统。
技术介绍
1、变电站内发生的充油设备火灾爆炸事故是最为严重的电力灾害,一旦发生火灾，甚至爆炸，常常会造成人员伤亡和巨大的经济损失，同时也严重影响电网运行。据统计我国近20年来变压器火灾发生概率约为0.01％-0.03％/年，国外变压器火灾发生概率为0.04％-0.25％/年。随着我国变电站监控系统网络化、集成化和智慧化技改实施，以及各种火灾防控技术的推广使用，变电站火灾爆炸事故呈下降趋势，但从整体上讲，变电站火灾爆炸事故仍不断发生，表明我国变电站火灾防控还面临着严峻的形势，特大事故尚未得到有效遏制。变压器火灾存在油池火、流淌火以及射流火等多种燃烧形式共存的现象。不同燃烧形式的燃烧特性存在很大差异，这对消防工作带来了极大的挑战。因此，对变压器火灾燃烧形式的智能识别对火灾时期及时、准确制定措施具有重大意义。
2、现有技术文件1(cn109711345a，一种火焰图像识别方法、装置及其存储介质)提供了一种火焰图像识别方法，包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机svm分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰；主要目的是识别出待测区域是否发生了火灾，而不能对火灾形式进行判断，无法辅助消防人员制定完善有针对性的灭火方案。
3、本专利技术针对性研究变电站不同尺度充油设备火灾所体现的特征值差异，分析变电
4、现有技术文件2(cn 116935279a，申请公布日2023.10.24)公开了一种基于动态火焰纹理的变电站火灾发展阶段识别方法，包括建立变电站充油设备火灾的线性动态系统模型来刻画纹理的动态特性以及设计基于子空间主要角度的核函数来度量火焰动态模型的相似度。本专利技术将充油设备火灾随时间变化的火焰纹理视为动态系统，并将图像序列的时序动态特征和图像特征耦合，通过建立基于动态火焰纹理的生成式模型来判断充油设备火灾的发展阶段。
技术实现思路
1、为解决现有技术中存在的不足，本专利技术提供一种变电站充油设备火灾燃烧形式识别方法及系统，以克服现有技术中存在的不能识别燃烧形式，造成灭火低效、盲目的缺陷。
2、本专利技术采用如下的技术方案。
3、本专利技术提供了一种变电站充油设备火灾燃烧形式识别方法，包括：
4、图像采集：收集变电站火灾时期监控摄像头视频及单独燃烧形式的实验图像，采用视频分帧技术提取出视频中每秒的火焰图像；
5、火焰区域分割：通过python编程将上述视频分帧得到的图像进行二值化，基于图像二值化技术，引入自适应阈值函数，对所述数据集的原始图像进行处理，获得相应的火焰燃烧区域；
6、火焰特征提取：基于连通区域检测方法，计算所述火焰燃烧区域二值化图像的面积、高度、宽度、质心以及连通区域个数；
7、其他火灾参量获取：收集表征充油设备火灾燃烧形式的其他参量，主要包括温度、烟气成分及设备内压；
8、数据集构建步骤：将同一时间的火焰燃烧区域二值化图像的面积、高度、宽度、质心以及连通区域个数与其他火灾参量合并，并标记燃烧形式，油池火标记为1，流淌火标记为2，射流火标记为3，最后按照7:3的比例划分为训练集和测试集；
9、燃烧形式识别：将所述训练集样本的数据输入预先建立并训练好的改进粒子群算法-支持向量机模型中，进行分类标签的预测，获取火焰燃烧形式的分类识别结果。
10、优选的，所述连通区域为像素值相同且相邻的区域，所述连通区域个数用于描述火焰的分裂情况，多个连通区域表明火焰有多个燃烧点或者火焰的形状不规则，分散燃烧。
11、优选的，所述其他火焰参量提取包括：
12、所述温度包括油温、充油设备外部轴向温度以及侧壁温度，可通过k型热电偶连接数据采集仪获得，直接获取温度和热流密度数据信号为一维数据；所述充油设备内压可通过压力变送器获得；所述烟气成分的变化可通过烟气采集仪获得，监测co以及co2的含量变化。
13、优选的，所述燃烧形式识别中以自适应权重粒子群算法为基础，引入ga-pso算法，在每一次迭代中，把粒子的适应度值按从大到小进行排序，粒子的适应度值越大，其适应性就越，其适应度函数为3-fold交叉验证下分类准确率的平均值，首先选取适应度值较高的粒子直接进入下一代，以保证下一代粒子相对较优；同时把适应度值较高的前一半粒子的位置和速度赋给适应度值较低的后一半粒子，这部分粒子进行两两随机交叉，然后产生相同数目的子代粒子，并由子代粒子替换亲代粒子。
14、优选的，所述子代粒子的位置、速度的计算为：
15、
16、式中，p为0到1之间的随机数，child(x)表示子代粒子的位置，child(v)表示子代粒子的速度，parent1(x),parent2(x)，parent1(v)，parent2(v)分别表示亲代粒子的位置和速度。
17、优选的，所述燃烧形式识别过程中引入svm算法对模型进行具体训练，包括：
18、使用libsvm工具箱的libsvmtrain函数对样本进行训练，model＝libsvmtrain(trainlabel，trainfinal，['options'])，其中model为得到的训练模型；trainlabel为已知的类别标签，是一个n*1的矩阵；trainfinal为输入的样本数据，为火焰分割、特征提取得到的二值化图像的面积、高度、本文档来自技高网...
【技术保护点】
1.一种变电站充油设备火灾燃烧形式识别方法，其特征在于，包括：
2.根据权利要求1所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
3.根据权利要求2所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
4.根据权利要求3所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
5.根据权利要求4所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
6.根据权利要求5所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
7.根据权利要求6所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
8.一种变电站充油设备火灾燃烧形式识别系统，所述系统为前述权利要求1-7中任一项所述的一种变电站充油设备火灾燃烧形式识别方法所使用的系统，其特征在于，包括：
9.一种终端，包括处理器及存储介质；其特征在于：
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
【技术特征摘要】
1.一种变电站充油设备火灾燃烧形式识别方法，其特征在于，包括：
2.根据权利要求1所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
3.根据权利要求2所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
4.根据权利要求3所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
5.根据权利要求4所述的一种变电站充油设备火灾燃烧形式识别方法，其特征在于：
6.根据权利要求5所述的一种变电站充油设备火灾燃...
【专利技术属性】
技术研发人员：商少波，杨海铭，李诗华，郑鑫，
申请(专利权)人：国网江苏省电力有限公司超高压分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。