主管：中华人民共和国应急管理部
主办：应急管理部天津消防研究所
ISSN 1009-0029  CN 12-1311/TU
消防科学与技术

消防科学与技术 ›› 2023, Vol. 42 ›› Issue (4): 550-555.

• • 上一篇    下一篇

基于剩余电流波形特征量的智能电气火灾监控研究

门茂琛1，杜雨佳2，徐铭铭3，吴焕昭2   

  1. （1.郑州大学综合设计研究院有限公司，河南 郑州450001； 2.郑州大学 电气与信息工程学院，河南 郑州450001； 3.国网河南省电力公司电力科学研究院，河南 郑州450052）
  • 出版日期:2023-04-15 发布日期:2023-04-15
  • 作者简介:门茂琛（1970- ），男，山东人，郑州大学综合设计研究院有限公司副总工，教授级高工，主要从事建筑电气及建筑智能化设计及研究工作，河南省郑州市丰产路与东三街交叉口，450001。
  • 基金资助:
    ：国家电网公司总部科技资助项目（5400-202224153 A-1-1-ZN）

Research on intelligent electrical fire monitoring based on residual current waveform characteristics

Men Maochen1, Du Yujia2, Xu Mingming3, Wu Huanzhao2   

  1. (1. Zhengzhou University Comprehensive Design and Research Institute Co., Ltd., Henan Zhengzhou 450001, China; 2. School of Electrical and Information Engineering, Zhengzhou University, Henan Zhengzhou 450001, China; 3. Institute of Electric Power Science, State Grid Henan Electric Power Company, Henan Zhengzhou 450052, China)
  • Online:2023-04-15 Published:2023-04-15

摘要： 目前剩余电流式电气火灾监控系统使用固定的剩余电流有效值作为电气火灾的预警判据，在使用过程中频繁出现误报警，存在很大的消防安全隐患。搭建电气火灾试验平台，通过提取不同负荷情况下正常运行与接地故障时的剩余电流波形，提出了一种使用剩余电流波形特征量预警电气火灾的方法。使用小波变换对原始剩余电流信号进行滤波并提取其中的低频分量，根据低频分量的时域特征与波形特征构成波形特征向量，用于训练BP神经网络，通过智能算法自动识别故障，提高了剩余电流火灾预警的准确率。

关键词: 电气火灾监控, db20小波变换, BP神经网络, 剩余电流波形特征量

Abstract: The fixed residual current effective value is used by the residual current electrical fire monitoring system as the early warning criterion of electrical fire, and there are great safety risks because of frequent false alarms in the process of using it. In this paper we built an electrical fire experiment platform to extract the residual current waveforms of normal operation and earth fault under different loads, and proposed a method by using the characteristic quantity of residual current waveforms to warn electrical fire. Wavelet transform is used to filter the original residual current signal and extract the low-frequency component. The fault feature vector is formed from the time-domain characteristics and waveform characteristics of the low-frequency component, and it's used to train BP neural network. Through intelligent algorithms automatically identify faults, the accuracy of residual current fire warning is improved.

Key words: electrical fire monitoring, db20 wavelet transform, BP neural network, residual current waveform characteristics