一种电缆隧道火灾分级研判消防系统

摘要

本发明公开了一种电缆隧道火灾分级研判消防系统，包括控制单元和电缆隧道段单元，所述电缆隧道段单元包括热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分布式红外探头和电缆灭火机器人及可控防火门，热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分布式红外探头和电缆灭火机器人及可控防火门分别与控制单元相连。本发明通过包括热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分布式红外探头，可根据其自身特性实现可实现对电缆隧道火灾分级研判，来提高对火灾检测的准确度，以准确判断是否起火和起火点位置，此外通过电缆灭火机器人及可控防火门，实现在短时间内对火灾进行快速处置，避免火灾延燃。

权利要求

1.一种电缆隧道火灾分级研判消防系统的应用方法，其特征在于，所述电缆隧道火灾分级研判消防系统包括控制单元（1）和电缆隧道段单元（2），所述电缆隧道段单元（2）包括热解粒子探测器（21）、分布式光纤测温组件（22）、分布式视频监控组件（23）、分布式红外探头（24）和电缆灭火机器人（25）及可控防火门（26），所述热解粒子探测器（21）、分布式光纤测温组件（22）、分布式视频监控组件（23）、分布式红外探头（24）和电缆灭火机器人（25）及可控防火门（26）分别与控制单元（1）相连，所述应用方法包括控制单元（1）执行的下述步骤：

1）通过热解粒子探测器（21）探测热解粒子浓度，若热解粒子浓度超过预设阈值，则执行下一步；否则，结束并退出；

2）通过分布式光纤测温组件（22）探测温度，若探测到存在火灾隐患点的温度超过预设阈值，则执行下一步；否则，结束并退出；

3）调用分布式视频监控组件（23）、分布式红外探头（24）定点监控火灾隐患点，获取隐患点的图像，并根据采集得到的火灾隐患点图像对火灾隐患点进行状态判定，若判定火灾隐患点发生火灾，则执行下一步；否则，结束并退出；

4）控制电缆灭火机器人（25）移动至起火点进行灭火作业，同时联动控制可控防火门（26）关闭将起火点隔离；步骤3）中根据采集得到的火灾隐患点图像对火灾隐患点进行状态判定的步骤包括：（1）针对分布式红外探头（24）采集得到的红外火灾隐患点图像，通过二值化处理提取得到火灾隐患点的区域掩膜图像；（2）根据火灾隐患点的区域掩膜图像对分布式视频监控组件（23）采集得到的可见光火灾隐患点图像提取得到火灾隐患点的局部可见光火灾隐患点图像；（3）将局部可见光火灾隐患点图像从RGB色彩空间转换到HSI色彩空间，然后根据H分量、S分量、I分量的预设阈值将HSI色彩空间下的局部可见光火灾隐患点图像进行二值化得到火焰二值化特征图；（4）将火焰二值化特征图输入预先完成训练的机器学习图像识别模型，得到火灾隐患点是否发生火灾的状态判断结果。

2.根据权利要求1所述的电缆隧道火灾分级研判消防系统的应用方法，其特征在于，步骤3）中判定火灾隐患点发生火灾后，还包括向网络中的目标设备输出报警信号的步骤。

3.根据权利要求1所述的电缆隧道火灾分级研判消防系统的应用方法，其特征在于，步骤4）中还包括在完成灭火作业超过设定时间后，控制电缆灭火机器人（25）移动至默认地点，并联动控制可控防火门（26）打开的步骤。

说明书

一种电缆隧道火灾分级研判消防系统

技术领域

[0001] 本发明涉及电力领域的设备运维技术，具体涉及一种电缆隧道火灾分级研判消防系统。

背景技术

[0002] 近年来的多起“火烧连营”事故表明，高压电缆及通道防火措施落实依然不彻底、不全面。电缆一旦发生火灾，会影响通道结构安全和临近电缆延燃，可能造成断面丧失的严
重后果，且修复工期长、耗费巨大。电缆隧道的火灾消防工作成为电力公司关注的重点。目
前隧道内火灾消防系统面临两个较为实际的问题：隧道内安装了多种火情监测预警装置，
但是未形成自主预警体系，未区分监测量的主次关系，火情的准确研判与快速处置问题尚
未得到有效的解决；防火设施之间未实现有效联动，将火灾隔离在起火区段的目标尚未实
现。如何电缆隧道内的火灾准确判断和火情快速隔离、处置的问题，仍然是需要深入研究的
问题。

发明内容

[0003] 本发明要解决的技术问题：针对现有技术的上述问题，提供一种电缆隧道火灾分级研判消防系统，本发明通过包括热解粒子探测器、分布式光纤测温组件、分布式视频监控
组件、分布式红外探头，可根据其自身特性实现可实现对电缆隧道火灾分级研判，来提高对
火灾检测的准确度，以准确判断是否起火和起火点位置，此外通过电缆灭火机器人及可控
防火门，实现在短时间内对火灾进行快速处置，避免火灾延燃。

[0004] 为了解决上述技术问题，本发明采用的技术方案为：

[0005] 一种电缆隧道火灾分级研判消防系统，包括控制单元和电缆隧道段单元，所述电缆隧道段单元包括热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分布式红
外探头和电缆灭火机器人及可控防火门，所述热解粒子探测器、分布式光纤测温组件、分布
式视频监控组件、分布式红外探头和电缆灭火机器人及可控防火门分别与控制单元相连。

[0006] 可选地，所述电缆隧道段单元中可控防火门的数量为多个，且依次布置在电缆隧道内将电缆隧道分隔为多个可独立隔离的区段。

[0007] 可选地，所述电缆灭火机器人为轨道式电缆灭火机器人，所述轨道式电缆灭火机器人安装在对应电缆隧道段的轨道上并可沿轨道移动。

[0008] 可选地，所述分布式光纤测温组件包括测温光纤，所述测温光纤布置在电缆隧道中的电缆表面，所述测温光纤分别通过光电转换器与控制单元相连。

[0009] 可选地，所述分布式视频监控组件包括多个视频监控器，所述多个视频监控器分别与控制单元相连。

[0010] 可选地，所述分布式红外探头包括多个红外摄像探头，所述多个红外摄像探头分别与控制单元相连。

[0011] 此外，本发明还提供一种前述的电缆隧道火灾分级研判消防系统的应用方法，包括控制单元执行的下述步骤：

[0012] 1)通过热解粒子探测器探测热解粒子浓度，若热解粒子浓度超过预设阈值，则执行下一步；否则，结束并退出；

[0013] 2)通过分布式光纤测温组件探测温度，若探测到存在火灾隐患点的温度超过预设阈值，则执行下一步；否则，结束并退出；

[0014] 3)调用分布式视频监控组件、分布式红外探头定点监控火灾隐患点，获取隐患点的图像，并根据采集得到的火灾隐患点图像对火灾隐患点进行状态判定，若判定火灾隐患
点发生火灾，则执行下一步；否则，结束并退出；

[0015] 4)控制电缆灭火机器人移动至起火点进行灭火作业，同时联动控制可控防火门关闭将起火点隔离。

[0016] 可选地，步骤3)中根据采集得到的火灾隐患点图像对火灾隐患点进行状态判定的步骤包括：(1)针对分布式红外探头采集得到的红外火灾隐患点图像，通过二值化处理提取
得到火灾隐患点的区域掩膜图像；(2)根据火灾隐患点的区域掩膜图像对分布式视频监控
组件采集得到的可见光火灾隐患点图像提取得到火灾隐患点的局部可见光火灾隐患点图
像；(3)将局部可见光火灾隐患点图像从RGB色彩空间转换到HSI色彩空间，然后根据H分量、
S分量、I分量的预设阈值将HSI色彩空间下的局部可见光火灾隐患点图像进行二值化得到
火焰二值化特征图；(4)将火焰二值化特征图输入预先完成训练的机器学习图像识别模型，
得到火灾隐患点是否发生火灾的状态判断结果。

[0017] 可选地，步骤3)中判定火灾隐患点发生火灾后，还包括向网络中的目标设备输出报警信号的步骤。

[0018] 可选地，步骤4)中还包括在完成灭火作业超过设定时间后，控制电缆灭火机器人移动至默认地点，并联动控制可控防火门打开的步骤。

[0019] 和现有技术相比，本发明具有下述优点：本发明包括控制单元和电缆隧道段单元，所述电缆隧道段单元包括热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分
布式红外探头和电缆灭火机器人及可控防火门，所述热解粒子探测器、分布式光纤测温组
件、分布式视频监控组件、分布式红外探头和电缆灭火机器人及可控防火门分别与控制单
元相连。本发明通过包括热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分
布式红外探头，可根据其自身特性实现可实现对电缆隧道火灾分级研判，来提高对火灾检
测的准确度，以准确判断是否起火和起火点位置，此外通过电缆灭火机器人及可控防火门，
实现在短时间内对火灾进行快速处置，避免火灾延燃。

附图说明

[0020] 图1为本发明实施例系统的结构示意图。

[0021] 图2为本发明实施例系统的方法流程示意图。

[0022] 图例说明：1、控制单元；2、电缆隧道段单元；21、热解粒子探测器；22、分布式光纤测温组件；23、分布式视频监控组件；24、分布式红外探头；25、电缆灭火机器人；26、可控防
火门。

[0023] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

具体实施方式

[0024] 如图1所示，本实施例的电缆隧道火灾分级研判消防系统，包括控制单元1和电缆隧道段单元2，电缆隧道段单元2包括热解粒子探测器21、分布式光纤测温组件22、分布式视
频监控组件23、分布式红外探头24和电缆灭火机器人25及可控防火门26，热解粒子探测器
21、分布式光纤测温组件22、分布式视频监控组件23、分布式红外探头24和电缆灭火机器人
25及可控防火门26分别与控制单元1相连。

[0025] 热解粒子探测器21是一种感烟探测器，可对火灾初期产生的烟雾颗粒进行检测，具有较强的抗灰尘干扰的能力，适用于初期的火灾检测。

[0026] 本实施例中，分布式光纤测温组件22包括测温光纤，测温光纤布置在电缆隧道中的电缆表面，测温光纤分别通过光电转换器与控制单元1相连。测温光纤布置在电缆隧道中
的电缆表面，可对电缆表层温度进行实时监测。

[0027] 本实施例中，分布式视频监控组件23包括多个视频监控器，多个视频监控器分别与控制单元1相连。可用于对起火点进行定点判断，利用图像识别算法识别是否起火。

[0028] 本实施例中，分布式红外探头24包括多个红外摄像探头，多个红外摄像探头分别与控制单元1相连。本实施例中红外摄像探头采用点型高精度红外传感器，对起火点进行精
确判定。

[0029] 本实施例中，电缆灭火机器人25为轨道式电缆灭火机器人，轨道式电缆灭火机器人安装在对应电缆隧道段的轨道上并可沿轨道移动。电缆灭火机器人25具备携带灭火剂及
释放灭火剂功能，用于对起火点快速灭火。

[0030] 本实施例中，电缆隧道段单元2中可控防火门26的数量为多个，且依次布置在电缆隧道内将电缆隧道分隔为多个可独立隔离的区段。可控防火门26在正常状态下是开启的，
方便隧道内空气流动和通风，当发生火灾时，一个区段的两侧的可控防火门26会同时关闭，
对火灾进行隔离。

[0031] 参见图1，本实施例中热解粒子探测器21、分布式光纤测温组件22、分布式视频监控组件23、分布式红外探头24和电缆灭火机器人25及可控防火门26均为通过数据交换机与
控制单元1相连。数据交换机与热解粒子探测器21、分布式光纤测温组件22、分布式视频监
控组件23、分布式红外探头24和电缆灭火机器人25及可控防火门26之间通过以太网、4G/5G
通讯通道进行数据交互，执行统一的TCP/IP数据协议，接收各监控设备的监测数据并发送
至控制单元1。控制单元1接收数据交换机数据，并通过数据交换机发送相应指令给各层级
监控设备(热解粒子探测器21、分布式光纤测温组件22、分布式视频监控组件23、分布式红
外探头24)、电缆灭火机器人25及可控防火门26。

[0032] 为了实现提高火灾预警精度，作为通过包括热解粒子探测器、分布式光纤测温组件、分布式视频监控组件、分布式红外探头，可根据其自身特性实现可实现对电缆隧道火灾
分级研判的一种可选的实施方式，如图2所示，本实施例还提供一种前述电缆隧道火灾分级
研判消防系统的应用方法，包括控制单元1执行的下述步骤：

[0033] 1)通过热解粒子探测器21探测热解粒子浓度，若热解粒子浓度超过预设阈值，则执行下一步；否则，结束并退出；

[0034] 2)通过分布式光纤测温组件22探测温度，若探测到存在火灾隐患点的温度超过预设阈值，则执行下一步；否则，结束并退出；

[0035] 3)调用分布式视频监控组件23、分布式红外探头24定点监控火灾隐患点，获取隐患点的图像，并根据采集得到的火灾隐患点图像对火灾隐患点进行状态判定，若判定火灾
隐患点发生火灾，则执行下一步；否则，结束并退出；

[0036] 4)控制电缆灭火机器人25移动至起火点进行灭火作业，同时联动控制可控防火门26关闭将起火点隔离。

[0037] 参见上文可知，上述实现对电缆隧道火灾分级研判的方法包括四个层级：

[0038] 第一层级：热解粒子探测器21探测到粒子浓度异常，粒子浓度超过临界阈值，报警信息经数据交换机发送至控制单元1，调用下一层级监测设备；

[0039] 第二层级：接收到热解粒子浓度异常讯号，控制单元1调用分布式光纤测温组件22，对隐患点温度进行测量，温度异常时调用第三层级监测设备；

[0040] 第三层级：接收到温度异常讯号，控制单元1调用分布式视频监控组件23、分布式红外探头24，定点监测起火隐患点，利用图像识别算法对火灾隐患点进行状态判定；

[0041] 第四层级：确定发生火灾后，控制单元1调用电缆灭火机器人25，迅速移动至火灾隐患点，对火灾进行灭火；联动可控防火门26关闭，将火情快速隔离在起火点附近区域，避
免造成大范围的电缆损伤。

[0042] 本实施例中，步骤3)中根据采集得到的火灾隐患点图像对火灾隐患点进行状态判定的步骤包括：

[0043] (1)针对分布式红外探头24采集得到的红外火灾隐患点图像，通过二值化处理提取得到火灾隐患点的区域掩膜图像；

[0044] (2)根据火灾隐患点的区域掩膜图像对分布式视频监控组件23采集得到的可见光火灾隐患点图像提取得到火灾隐患点的局部可见光火灾隐患点图像；

[0045] (3)将局部可见光火灾隐患点图像从RGB色彩空间转换到HSI色彩空间，然后根据H分量、S分量、I分量的预设阈值将HSI色彩空间下的局部可见光火灾隐患点图像进行二值化
得到火焰二值化特征图；

[0046] (4)将火焰二值化特征图输入预先完成训练的机器学习图像识别模型，得到火灾隐患点是否发生火灾的状态判断结果。

[0047] 通过步骤(1)和(2)可有效提取局部可见光火灾隐患点图像，一方面可以减少其他区域的图像干扰，提高检测精度；另一方面还可以减少后续的运算量，提高计算效率。

[0048] 可用色调、饱和度、亮度来描述彩色物体的颜色。HSI色彩空间中用H、S、I三分量描述颜色特性，其中H分量定义颜色的频率，称为色调；S分量表示颜色的深浅程度，称为饱和
度；I分量表示强度或亮度。经研究发现，火焰在HSI色彩空间中与RGB色彩空间相比具有更
好的辨识度，因此步骤(3)将局部可见光火灾隐患点图像从RGB色彩空间转换到HSI色彩空
间以提高识别准确度。此外，为了进一步显化火焰的图像特征，本实施例中后根据H分量、S
分量、I分量的预设阈值将HSI色彩空间下的局部可见光火灾隐患点图像进行二值化得到火
焰二值化特征图，H分量、S分量、I分量的预设阈值可以根据需要进行取值，例如H分量的预
设阈值可取0～50、S分量的预设阈值可取10～100、I分量的预设阈值可取100～255，二值化
时将预设阈值范围内的像素设置为255、其余预设阈值范围外的像素设置为0，即可使得到
火焰二值化特征图，得到的火焰二值化特征图数据非常小，可有效减少后续的运算量，可提
高计算效率。一般而言，火焰二值化特征图可以表征存在火焰，但是由于电缆隧道的特殊
性，包括电缆隧道的黑暗环境下可能会存在外部光斑的干扰，电缆隧道内电缆上阻燃材料
会对火焰形态产生影响，以及电缆隧道内电缆数量较多会对火焰的外形形态产生影响，为
了进一步提高火灾识别的准确度，本实施例中步骤(4)将火焰二值化特征图输入预先完成
训练的机器学习图像识别模型，得到火灾隐患点是否发生火灾的状态判断结果。本实施例
中，机器学习图像识别模型具体采用基于深度学习的卷积网络，在使用前需要采用火焰二
值化特征图、火灾状态标签构成的训练数据集进行训练。由于本实施例中仅仅涉及机器学
习图像识别模型的基本应用，其具体训练以及执行的细节均为现有技术，在此不再展开说
明。

[0049] 本实施例中，步骤3)中判定火灾隐患点发生火灾后，还包括向网络中的目标设备输出报警信号的步骤，目标设备可以为管理人员的手机，或者云端服务器，或者电力系统的
监控中心，或者公安消防系统的报警主机。

[0050] 本实施例中，步骤4)中还包括在完成灭火作业超过设定时间后(可防止再燃)，控制电缆灭火机器人25移动至默认地点，并联动控制可控防火门26打开的步骤，从而可实现
隧道内空气流动和通风，便于维护人员进入检修，确保维护人员人身安全。

[0051] 以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域
的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也
应视为本发明的保护范围。以上所述为本发明的完整实施情况。凡在本发明的精神和原则
之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。