基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別方法

劉楊

摘要：針對(duì)小型變電站火災(zāi)識(shí)別不及時(shí)、智能化程度不高的問(wèn)題，提出一種基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別方法。結(jié)合小型變電站當(dāng)前的消防現(xiàn)狀，構(gòu)建智能火災(zāi)識(shí)別系統(tǒng)框架，通過(guò)視頻監(jiān)控以及傳感器采集小型變電站現(xiàn)場(chǎng)實(shí)時(shí)數(shù)據(jù)，并基于電力物聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)傳輸以及圖像特征分析，利用支持向量機(jī)進(jìn)行分類(lèi)以對(duì)火焰的綜合特征進(jìn)行判斷。經(jīng)過(guò)實(shí)驗(yàn)分析，小型變電站智能火災(zāi)識(shí)別系統(tǒng)識(shí)別率顯著提高，對(duì)火焰圖像的判別準(zhǔn)確，能夠有效識(shí)別小型變電站火災(zāi)風(fēng)險(xiǎn)。

關(guān)鍵詞：火災(zāi)識(shí)別；小型變電站；火焰特征；小波分解；支持向量機(jī)

中圖分類(lèi)號(hào)：TP391? ????????文獻(xiàn)標(biāo)識(shí)碼：A????????? 文章編號(hào)：1672-4437（2024）02-0059-04

隨著城鄉(xiāng)電力需求的不斷增長(zhǎng)，小型變電站的分布愈加廣泛，數(shù)量也在不斷增多。多數(shù)小型變電站無(wú)人值守，無(wú)法及時(shí)發(fā)現(xiàn)火災(zāi)詳情[1]。近幾年，互聯(lián)網(wǎng)技術(shù)以及數(shù)據(jù)分析技術(shù)的飛速進(jìn)步為小型變電站的火災(zāi)智能監(jiān)控提供了新的可能。通常火災(zāi)監(jiān)控系統(tǒng)依賴(lài)于煙霧探測(cè)器以及溫度傳感器等硬件設(shè)備。單一采取傳感器進(jìn)行火災(zāi)監(jiān)控可以在一定程度上發(fā)現(xiàn)火災(zāi)并進(jìn)行預(yù)警，但在實(shí)踐中這種監(jiān)控方式卻存在諸多缺陷[2-3]，傳感器在復(fù)雜小型變電站環(huán)境中會(huì)出現(xiàn)較高的誤報(bào)率[4]，傳感器監(jiān)控可能無(wú)法在火災(zāi)初期及時(shí)發(fā)出警報(bào)。

鑒于此，本研究提出基于數(shù)據(jù)分析及處理的火災(zāi)識(shí)別方法。結(jié)合支持向量機(jī)對(duì)小型變電站實(shí)時(shí)監(jiān)控圖像進(jìn)行分類(lèi)分析，通過(guò)對(duì)火焰的綜合特征進(jìn)行判斷，對(duì)小型變電站內(nèi)部環(huán)境是否產(chǎn)生火災(zāi)進(jìn)行甄別。通過(guò)基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別，提高小型變電站火災(zāi)監(jiān)控的及時(shí)性和精確度。

1 小型變電站智能火災(zāi)識(shí)別框架

1.1 小型變電站常見(jiàn)消防安全問(wèn)題

小型變電站通常為110kV以下的變電站，是保證城鄉(xiāng)居民生產(chǎn)生活的重要基石[5]。小型變電站在我國(guó)分布廣泛、數(shù)量較多，多數(shù)變電站處于無(wú)人值守的狀態(tài)，存在一定的消防安全隱患。主要的消防安全問(wèn)題表現(xiàn)為設(shè)備老化、絕緣材料老化、設(shè)備故障、過(guò)載和短路、外界影響等因素導(dǎo)致的電氣故障繼而引發(fā)火災(zāi)[6]；自動(dòng)滅火系統(tǒng)的設(shè)計(jì)缺陷、維護(hù)不足可能導(dǎo)致火災(zāi)發(fā)生時(shí)系統(tǒng)無(wú)法及時(shí)有效地滅火[7]。常見(jiàn)的消防安全問(wèn)題見(jiàn)表1。

電力物聯(lián)網(wǎng)的不斷發(fā)展，為小型變電站的火災(zāi)識(shí)別提供了新的可能。運(yùn)用變電站內(nèi)部的視頻檢測(cè)以及傳感器裝置，可以更加準(zhǔn)確全面地收集小型變電站環(huán)境數(shù)據(jù)。利用數(shù)據(jù)預(yù)處理以及向網(wǎng)絡(luò)層的數(shù)據(jù)傳輸，對(duì)小型變電站內(nèi)部數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，以保證火災(zāi)的實(shí)時(shí)監(jiān)控和及時(shí)預(yù)防。基于此，提出結(jié)合支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別方法。

1.2 智能火災(zāi)識(shí)別框架構(gòu)建

小型變電站的智能火災(zāi)識(shí)別系統(tǒng)基于電力物聯(lián)網(wǎng)構(gòu)建[8]，結(jié)合支持向量對(duì)火災(zāi)數(shù)據(jù)進(jìn)行分類(lèi)、分析，利用數(shù)據(jù)特征進(jìn)行非火災(zāi)以及火災(zāi)的模式判斷。同時(shí)，設(shè)置相應(yīng)的數(shù)據(jù)報(bào)警系統(tǒng)，在預(yù)測(cè)可能出現(xiàn)火災(zāi)時(shí)能夠進(jìn)行相應(yīng)的預(yù)警提醒，保證小型變電站安全可靠運(yùn)行。基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別系統(tǒng)的整體框架如圖1所示。

圖1中，采集層對(duì)小型變電站內(nèi)部關(guān)鍵數(shù)據(jù)進(jìn)行實(shí)時(shí)采集，如煙霧程度、濕度、溫度以及內(nèi)部圖像等[9]；傳輸層基于電力互聯(lián)網(wǎng)構(gòu)建，通常通過(guò)無(wú)線網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸；云平臺(tái)數(shù)據(jù)處理將小型變電站采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，進(jìn)行火災(zāi)預(yù)測(cè)判斷并決定是否預(yù)警；小型變電站智能火災(zāi)監(jiān)控平臺(tái)通過(guò)云平臺(tái)數(shù)據(jù)反饋小型變電站的實(shí)時(shí)情況，同時(shí)設(shè)定對(duì)應(yīng)的強(qiáng)提醒策略，以確保工作人員能夠及時(shí)發(fā)現(xiàn)火災(zāi)險(xiǎn)情，積極采取應(yīng)對(duì)措施。通過(guò)對(duì)小型變電站的監(jiān)控圖像進(jìn)行實(shí)時(shí)特征分析，并結(jié)合支持向量機(jī)進(jìn)行是否產(chǎn)生火災(zāi)的判別，構(gòu)建智能火災(zāi)識(shí)別系統(tǒng)。

2 基于支持向量機(jī)的火災(zāi)識(shí)別設(shè)計(jì)

2.1 支持向量機(jī)概述

支持向量機(jī)（SVM）本質(zhì)上是一種二分類(lèi)線性分類(lèi)器[10]，依據(jù)特征空間的最大邊距進(jìn)行線性分類(lèi)，因此支持向量機(jī)廣泛適用于文本識(shí)別、圖像識(shí)別等模式識(shí)別方面。支持向量機(jī)區(qū)別于感知機(jī)，可以通過(guò)核函數(shù)進(jìn)行實(shí)質(zhì)的非線性分類(lèi)。支持向量機(jī)的基本原理如圖2所示。

圖2中，設(shè)數(shù)據(jù)樣本的訓(xùn)練集為 ，其中

與 均在-1至1的范圍內(nèi)。通過(guò)支持向量機(jī)進(jìn)行線性分類(lèi)，需要依據(jù)訓(xùn)練集M進(jìn)行樣本數(shù)據(jù)的分析，得到對(duì)應(yīng)的超平面，對(duì)不同的樣本訓(xùn)練數(shù)據(jù)進(jìn)行劃分。對(duì)于給定的樣本數(shù)據(jù)空間，進(jìn)行超平面劃分可依據(jù)公式（1）。

（1）

公式（1）中，法向量用H表示，超平面方向由法向量決定，d表示對(duì)應(yīng)的位移，也即原點(diǎn)與超平面之間的距離。對(duì)于訓(xùn)練數(shù)據(jù) 而言，其對(duì)應(yīng)的最大邊距可以描述為公式（2）。

（2）

公式（2）中， 情況下，將數(shù)據(jù)樣本稱(chēng)作正樣本； 情況下，將數(shù)據(jù)樣本稱(chēng)作負(fù)樣本。不同類(lèi)型樣本支持向量作差，并在對(duì)應(yīng)的法向量方向進(jìn)行投影，得到二者之間邊距，如公式（3）。

（3）

由此結(jié)合支持向量機(jī)進(jìn)行邊距的最大化處理，將其表示為公式（4）。

（4）

2.2 變電站圖像預(yù)處理

小型變電站的監(jiān)控圖像預(yù)處理是圖像特征分析的先行步驟，其預(yù)處理的效果直接影響圖像特征分析的準(zhǔn)確性、可靠性。本研究采用小波分解以及非線性增強(qiáng)進(jìn)行數(shù)據(jù)圖像的預(yù)處理。對(duì)于一個(gè)二維圖像而言，將其進(jìn)行離散小波變換之后可以表述為公式（5）。

（5）

公式（5）中，m在1至3的范圍內(nèi)，n在1至N的范圍內(nèi)， 表示對(duì) 進(jìn)行多級(jí)小波分解，m表示方位，n表示尺度。進(jìn)行多級(jí)小波分解時(shí)，其對(duì)應(yīng)的系數(shù)表示為 ， 表示二維圖像對(duì)應(yīng)的低頻信息， 包含噪聲以及高頻信息。由此對(duì)應(yīng)的低通子帶表示為 ，對(duì)應(yīng)的高通子帶表示為 。離散小波變換之后，需要進(jìn)行進(jìn)一步的去噪以及圖像增強(qiáng)處理，以保證圖像特征分析的準(zhǔn)確性以及圖像細(xì)節(jié)的全面體現(xiàn)。

2.3 火焰特征分析

基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別系統(tǒng)需要對(duì)火焰特征進(jìn)行具體分析，以明確火災(zāi)情況，便于進(jìn)行針對(duì)性處理。火焰特征通常表現(xiàn)為動(dòng)態(tài)特征、靜態(tài)特征。靜態(tài)特征包括紋理、顏色、形狀等，其中顏色是一項(xiàng)較為突出、重要的火焰特征，可以明確反映火焰特性。

對(duì)于火焰顏色靜態(tài)特征，可以通過(guò)火焰亮度、RGB顏色亮度進(jìn)行區(qū)別。在實(shí)際小型變電站環(huán)境中，通常火焰顏色與實(shí)際環(huán)境顏色會(huì)有明顯區(qū)別，且亮度顯著高于環(huán)境亮度。本研究將火焰亮度表示為 ，對(duì)應(yīng)的RGB顏色特性分別表示為 ， ， 。

火焰動(dòng)態(tài)特征可以通過(guò)火焰中心變化、火焰面積變化、火焰的燃燒頻率進(jìn)行評(píng)價(jià)，以明確火焰在空間、時(shí)間兩個(gè)維度的變化情況。在得到火焰的靜態(tài)特性、動(dòng)態(tài)特性之后，需要將二者進(jìn)行融合，以進(jìn)行更為直觀的火焰特征分析。火焰特征的融合通過(guò)時(shí)空數(shù)據(jù)的協(xié)方差實(shí)現(xiàn)。對(duì)于指定的圖像Q，其對(duì)應(yīng)的圖像特征可以表示為公式（6）。

（6）

公式（6）中， 表示火焰的靜態(tài)特性以及動(dòng)態(tài)特性的總和數(shù)據(jù)。對(duì)于圖像Q中的一部分Z而言，其對(duì)應(yīng)的維度特征向量可以表示為 ，那么對(duì)應(yīng)部分圖像Z協(xié)方差圖像特征可以通過(guò)公式（7）描述。

（7）

公式（7）中，協(xié)方差用 表示，對(duì)應(yīng)的特征均值用 表示。由此建立基于支持向量機(jī)的小型變電站火災(zāi)圖像分析模型，具體的火災(zāi)圖像特征分析流程如圖3所示。

圖3中，針對(duì)火災(zāi)圖像的特征分析，主要結(jié)合研究采用的火焰動(dòng)態(tài)特性、靜態(tài)特性進(jìn)行辨別。同時(shí)依據(jù)支持向量機(jī)進(jìn)行圖像特征分類(lèi)，判斷小型變電站存在火災(zāi)與否。

3 實(shí)驗(yàn)結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)采用Windows系統(tǒng)，模擬仿真通過(guò)Matlab實(shí)現(xiàn)，利用攝像機(jī)采集小型變電站監(jiān)控圖像，構(gòu)成測(cè)試數(shù)據(jù)集。測(cè)試數(shù)據(jù)集中，包含火焰圖像200張，正常環(huán)境圖像100張。實(shí)驗(yàn)分別從火焰圖像的識(shí)別結(jié)果、火焰圖像特征的識(shí)別率兩個(gè)方面進(jìn)行驗(yàn)證，比較基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別系統(tǒng)的優(yōu)越性。

3.2 火焰圖像識(shí)別結(jié)果

從300張實(shí)驗(yàn)圖像中隨機(jī)抽取10張圖像進(jìn)行火焰圖像識(shí)別，其中包含火焰圖像7張，正常環(huán)境圖像3張。抽取圖像并按照1，2，…，10的順序進(jìn)行編號(hào)。其亮度特征的識(shí)別結(jié)果如圖4所示。

圖4中，亮度特性在0.923至0.994的范圍內(nèi)，10組圖像亮度檢測(cè)結(jié)果分布不同。這也說(shuō)明亮度檢測(cè)能夠明顯區(qū)分不同圖像的亮度特征。隨機(jī)抽取火焰圖像的RGB顏色特性監(jiān)測(cè)結(jié)果如圖5所示。

通過(guò)對(duì)圖像靜態(tài)特性進(jìn)行識(shí)別，并結(jié)合圖像的動(dòng)態(tài)特性，得出最終的圖像檢測(cè)結(jié)果，見(jiàn)表2。

表2中，火焰圖像結(jié)果定義為1，正常環(huán)境圖像結(jié)果定義為0。基于支持向量機(jī)的小型變電站智能火災(zāi)識(shí)別系統(tǒng)隨機(jī)抽取的10張圖像可以正確檢測(cè)圖像中是否存在火焰，且均與實(shí)際結(jié)果相符。同時(shí)結(jié)合圖4與圖5，可以看出單一的火焰亮度特性或者RGB顏色特性無(wú)法準(zhǔn)確反映圖像中是否存在火焰，體現(xiàn)出將火焰的靜態(tài)特性與動(dòng)態(tài)特性進(jìn)行綜合判斷的必要性。

3.3 火焰圖像特征識(shí)別率

為進(jìn)一步比較火焰單一特征、綜合特征識(shí)別的準(zhǔn)確性，設(shè)置對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)設(shè)置分別通過(guò)靜態(tài)特征、動(dòng)態(tài)特征、綜合特征進(jìn)行火焰識(shí)別結(jié)果判斷，圖像數(shù)量判斷由50張不斷遞增，圖像均為隨機(jī)抽取。識(shí)別對(duì)比結(jié)果見(jiàn)表3。

表3顯示，火焰圖像特征的識(shí)別率對(duì)比實(shí)驗(yàn)中，單一從火焰的靜態(tài)特征或者動(dòng)態(tài)特征判斷，火焰圖像的識(shí)別率均不超過(guò)50%。隨圖像檢測(cè)數(shù)量的增加，火焰識(shí)別率也在逐漸降低。采用融合特征進(jìn)行火焰識(shí)別，圖像數(shù)量100張以?xún)?nèi)，識(shí)別率均為100%。圖像檢測(cè)數(shù)量增加，火焰圖像識(shí)別率依舊能保持在較高水平。

4 結(jié)語(yǔ)

通過(guò)對(duì)小型變電站內(nèi)部圖像進(jìn)行實(shí)時(shí)監(jiān)控，并結(jié)合支持向量機(jī)對(duì)視頻圖像進(jìn)行分析，以識(shí)別火災(zāi)。實(shí)驗(yàn)對(duì)比顯示，小型變電站火災(zāi)識(shí)別系統(tǒng)通過(guò)對(duì)火焰的綜合特征進(jìn)行檢測(cè)，火焰圖像的識(shí)別率提升效果明顯。相比單一的特征檢測(cè)，綜合特征檢測(cè)的準(zhǔn)確度更高。系統(tǒng)充分考慮小型變電站的實(shí)際場(chǎng)景需求，具有較強(qiáng)的適用性。

參考文獻(xiàn)：

[1]徐厚友，胡晨煒，郭昆，等.基于傳感器技術(shù)和水封效應(yīng)協(xié)同的VOCs廢氣處理系統(tǒng)火災(zāi)監(jiān)測(cè)及阻隔裝置設(shè)計(jì)[J].工業(yè)安全與環(huán)保，2024，50（2）：64-67.

[2]楊武，余華云，趙昕宇，等.重參數(shù)化YOLOv5s的森林火災(zāi)檢測(cè)算法[J].無(wú)線電工程，2024，54（2）：284-293.

[3]張君杰.基于光纖溫度傳感的高速公路隧道機(jī)電設(shè)備監(jiān)測(cè)[J].交通科技，2024（1）：92-95.

[4]范偉強(qiáng)，李曉宇，劉毅，等.基于可見(jiàn)光視覺(jué)特征融合的礦井外因火災(zāi)監(jiān)測(cè)方法[J].礦業(yè)科學(xué)學(xué)報(bào)，2023，8（4）：529-537.

[5]費(fèi)正龍.基于ZigBee的室內(nèi)火災(zāi)監(jiān)測(cè)報(bào)警系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2023，13（11）：35-36，39.

[6]甘緒桐，陳寶瑞，熊劍敏，等.基于LoRa無(wú)線通信技術(shù)的電氣火災(zāi)監(jiān)測(cè)方法研究[J].現(xiàn)代傳輸，2023（6）：42-45.

[7]侯曉云，王書(shū)堂.基于NB-IoT的火災(zāi)監(jiān)測(cè)與預(yù)警系統(tǒng)設(shè)計(jì)[J].集成電路應(yīng)用，2023，40（9）：383-385.

[8]楊春迪，陸娟，儲(chǔ)增幫，等.基于STM32F103RBT6單片機(jī)的新型森林火災(zāi)監(jiān)測(cè)報(bào)警裝置研究[J].科技創(chuàng)新與生產(chǎn)力，2023，44（8）：124-126，130.

[9]孫厚軍.高速公路隧道火災(zāi)監(jiān)測(cè)中光纖光柵測(cè)溫及紅外火焰探測(cè)器的實(shí)踐探究[J].城市情報(bào)，2023（21）：203-205.

[10]牛衛(wèi)東.火災(zāi)監(jiān)測(cè)預(yù)警在鐵路牽引供電系統(tǒng)的應(yīng)用[J].設(shè)備管理與維修，2023（22）：145-147.