一种基于人工智能的火电厂安全监测预警方法及系统与流程

1.本发明涉及人工智能相关技术领域，具体涉及一种基于人工智能的火电厂安全监测预警方法及系统。


背景技术：

2.火电厂的生产正常运行，需要囤积大量的煤炭，常见的，煤炭大多是露天存放，露天存放会造成煤炭损失、煤质下降、冻结、储煤含水量增加等，一般的，火电厂储煤仓囤积煤炭，可以大大降低上述不良影响。
3.但，火电厂储煤仓存在新的安全隐患，包括：储煤长期存放将会使得煤的温度升高，煤的导热系数小，热量会慢慢扩散，在热量聚集在煤炭内使得煤炭内部温度升高到达煤炭燃点时，煤炭就会发生自燃，同时由于煤的氧化速度会随着温度升高不断加速，当温度、可燃气体浓度达到一定数值后，煤炭极度容易发生自燃。
4.人工排查火电厂储煤仓的排查效率低且排查成本高居不下，仅通过温度检测传感器等相关设备的检测数据进行安全风险辨识，辨识可信度无法保障，风险辨识无法应用于风险防范，风险排查的实操性低，综上可知，亟需构建火电厂储煤仓的安全监管预警系统，同步智能排查火电厂储煤仓的安全隐患，及时解除安全隐患，为维护火电厂的生产正常运行提供支持。
5.综上所述，现有技术中存在火电厂的安全监测与隐患排查的效力低下的技术问题。


技术实现要素：

6.本技术通过提供了一种基于人工智能的火电厂安全监测预警方法及系统，旨在解决现有技术中的火电厂的安全监测与隐患排查的效力低下的技术问题。
7.鉴于上述问题，本技术实施例提供了一种基于人工智能的火电厂安全监测预警方法及系统。
8.本技术公开的第一个方面，提供了一种基于人工智能的火电厂安全监测预警方法，其中，所述方法应用于火电厂安全监测预警系统，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述方法包括：在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员；火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。
9.本技术公开的另一个方面，提供了一种基于人工智能的火电厂安全监测预警系
统，其中，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述系统包括：传感布设模块，用于在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；监测采集模块，用于通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；数据比对模块，用于通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；数据发送模块，用于若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员；影像调取模块，用于火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；模型构建模块，用于获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；预警结果获取模块，用于将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。
10.本技术的第三个方面，提供了一种基于人工智能的火电厂安全监测预警系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。
11.本技术的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
12.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：由于采用了在火电厂储煤仓布设多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集，进行监测数据比对，若出现安全风险数据，将安全风险数据发送至火电厂安全管理员；登录火电厂监控系统，调取安全风险数据限定位置区域的安全风险监控影像；获取火电厂储煤仓的历史报警记录，并通过历史报警记录构建安全警报模型；将安全风险监控影像发送至安全警报模型，获取监测预警结果，实现了提升安全监测精度，全面提升安全监测与隐患排查的效力，实时判断是否存在安全风险隐患，最大限度保障火电厂的生产正常运行，提高火电厂安全监测预警效率的技术效果。
13.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
14.图1为本技术实施例提供了一种基于人工智能的火电厂安全监测预警方法可能的流程示意图；图2为本技术实施例提供了一种基于人工智能的火电厂安全监测预警方法中检测点定位标记可能的流程示意图；图3为本技术实施例提供了一种基于人工智能的火电厂安全监测预警方法中判断是否出现安全风险数据可能的流程示意图；图4为本技术实施例提供了一种基于人工智能的火电厂安全监测预警系统可能的结构示意图；图5为本技术示例性电子设备的结构示意图。
15.附图标记说明：传感布设模块100，监测采集模块200，数据比对模块300，数据发送模块400，影像调取模块500，模型构建模块600，预警结果获取模块700，电子设备300，存储
器301，处理器302，通信接口303，总线架构304。
具体实施方式
16.本技术实施例提供了一种基于人工智能的火电厂安全监测预警方法及系统，解决了火电厂的安全监测与隐患排查的效力低下的技术问题，实现了提升安全监测精度，全面提升安全监测与隐患排查的效力，实时判断是否存在安全风险隐患，最大限度保障火电厂的生产正常运行，提高火电厂安全监测预警效率的技术效果。
17.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
实施例一
18.如图1所示，本技术实施例提供了一种基于人工智能的火电厂安全监测预警方法，其中，所述方法应用于火电厂安全监测预警系统，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述方法包括：s10：在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；步骤s10还包括步骤：s11：获取所述火电厂储煤仓的结构设计信息；s12：通过所述结构设计信息，定位标记温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点；s13：通过所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，布设所述多种检测传感器。
19.具体而言，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述通信连接简单来说就是通过信号的传输交互，在所述火电厂安全监测预警系统与多种检测传感器之间构成通讯网络，为后续进行数据分析提供硬件支持；所述火电厂储煤仓为目标火电厂的燃料存储位置，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器，在火电厂储煤仓布设所述多种检测传感器，具体包括：获取所述火电厂储煤仓的结构设计信息，所述结构设计信息包括但不限于煤仓窗户位置信息、煤仓门口位置信息等相关火电厂储煤仓结构信息，通过所述结构设计信息，在结构设计信息对应的结构图纸上，定位标记温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点；按照所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，分别布设所述多种检测传感器，为进行数据监测采集提供基础。
20.如图2所示，步骤s12包括步骤：s121：在所述火电厂储煤仓外部随机设置风向标，获取风向数据记录；s122：通过所述风向数据记录，获取历史风向指数；s123：通过所述结构设计信息与所述历史风向指数，设置温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点。
21.具体而言，通过所述结构设计信息，定位标记温度检测点、烟雾检测点、可燃气体
检测点与一氧化碳检测点，具体包括，为保证所述多种检测传感器的设置点位的合理性，即在所述火电厂储煤仓外部随机设置风向标（随机：即存在任意性，一般来说，设置于火电厂储煤仓区域内不同位置的风向标，测得风向数据与风力数据基本一致），获取风向数据记录（形如：方位337.5
°
—22.5
°
间吹来的风叫做北风；315
°
—45
°
间吹来的风表示偏北风，按照上述规范进行风向数据表达）；通过所述风向数据记录，获取历史风向指数，所述历史风向指数即出现次数最多持续时间最长的历史风向数据记录；通过所述结构设计信息与所述历史风向指数（已知的，空气经由煤仓窗户位置/煤仓门口位置，在火电厂储煤仓内部流通，处在风口位置，因风助火势的原因，需要密切关注风口位置的温度、烟雾、可燃气体与一氧化碳含量），设置温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，保证设置的检测点位置合理，为进行数据检测采集提供支持。
22.步骤s123包括步骤：s123-1：通过所述风向标，获取风力数据记录；s123-2：通过所述风力数据记录，获取历史风力指数；s123-3：通过所述结构设计信息与所述历史风力指数，对所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点进行设置密度约束。
23.具体而言，通过所述结构设计信息与所述历史风向指数，设置温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，具体包括，为保证关键位置检测数据的可信度（避免因某一检测传感器故障，导致关键位置的数据不可采集；同样的，避免了因某一检测传感器的检测误差，使得检测数据的可信度降低），提高检测采集数据的稳定性，可以通过在所述火电厂储煤仓外部随机设置风向标，获取风力数据记录（风力的大小分为18个等级，最小是0级，最大为17级，按照风速对应确定风力的等级，满足gb/t28591-2012《风力等级》等相关规范性文件）；通过所述风力数据记录，获取历史风力指数，所述历史风力指数即出现次数最多持续时间最长的历史风力数据记录；通过所述结构设计信息与所述历史风力指数（因为风助火势，所以风力越大的地方，检测精度要求高，可以通过设置检测点密度，提高监测采集的精度与稳定度），对所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点进行设置密度约束，为进行数据高精度采集提供支持。
24.s20：通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；s30：通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；如图3所示，步骤s30包括步骤：s31：通过所述火电厂储煤仓的相关安全规范，获取安全风险阈值；s32：通过所述监测数据集与所述安全风险阈值，比对判断是否出现安全风险数据；s33：若未出现所述安全风险数据，发送监测数据更替信号；s34：通过所述监测数据更替信号，对所述监测数据集进行更新。
25.具体而言，通过所述多种检测传感器，依据检测传感器的功能，在火电厂储煤仓中进行数据监测采集，获取监测数据集，所述监测数据集包括但不限于温度监测数据、烟雾监
测数据、可燃气体监测数据与一氧化碳监测数据；通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据，具体包括：通过所述火电厂储煤仓的相关安全规范（所述相关安全规范可以是《电力监管条例》、《生产安全事故报告和调查处理条例》、《电力安全事故应急处置和调查处理条例》等相关规范性文献条例），获取安全风险阈值，所述安全风险阈值包括但不限于温度风险阈值、烟雾风险阈值、可燃气体风险阈值与一氧化碳风险阈值；通过所述监测数据集与所述安全风险阈值，比对判断是否出现安全风险数据；若未出现所述安全风险数据（未出现安全风险数据：均满足温度风险阈值、烟雾风险阈值、可燃气体风险阈值与一氧化碳风险阈值的数据），发送监测数据更替信号，所述监测数据更替信号为进行更新操作的功能性信号，利用所述监测数据更替信号，对所述监测数据集进行更新，为对监测数据进行持续更新提供技术支持。
26.步骤s34包括步骤：s341：通过所述监测数据集与所述安全风险阈值，设置比对判断循环；s342：通过所述监测数据更替信号，更新得到第一更新监测数据集；s343：将所述第一更新监测数据集输入所述比对判断循环，进行实时监测判断循环；s344：在出现安全风险数据后，所述比对判断循环结束。
27.具体而言，通过所述监测数据更替信号，对所述监测数据集进行更新，具体包括：将所述安全风险阈值作为比对判断条件，将所述监测数据集作为输入数据，设置比对判断循环；通过所述监测数据更替信号，对所述监测数据集进行更新，得到第一更新监测数据集（所述第一更新监测数据集为下一检测数据更新时间节点采集所得的监测数据，所述第一更新监测数据集包括但不限于下一检测数据更新时间节点温度监测数据、下一检测数据更新时间节点烟雾监测数据、下一检测数据更新时间节点可燃气体监测数据与下一检测数据更新时间节点一氧化碳监测数据）；将所述第一更新监测数据集输入所述比对判断循环，将所述安全风险阈值作为比对判断条件，进行实时监测判断循环；在出现安全风险数据后，所述比对判断循环结束，同步所述多种检测传感器所得采集数据，设定比对判断循环，为实时判断是否存在安全风险隐患提供支持。
28.s40：若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员；步骤s40包括步骤：s41：获取火电厂储煤仓的安全管理值班表；s42：通过所述安全管理值班表，将所述安全风险数据发送至当天值班的火电厂安全管理员；s43：在第一处理时间周期中，进行风险排除进度检测；s44：若在所述第一处理时间周期未完成，获取处于登录火电厂监控系统的火电厂安全管理员；s45：将所述安全风险数据发送至登录火电厂监控系统的火电厂安全管理员；s46：在第二处理时间周期中，进行风险排除进度检测；s47：若在所述第二处理时间周期未完成，发出安全风险求援信号。
29.具体而言，若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员，具体包括：获取火电厂储煤仓的安全管理值班表（安全管理值班表中，一般是轮值）；
通过所述安全管理值班表，将所述安全风险数据发送至当天值班的火电厂安全管理员（当天值班的火电厂安全管理员最优先进行风险排查）；在第一处理时间周期（第一处理时间周期可以是十分钟）中，进行风险排除进度检测；若在所述第一处理时间周期未完成，获取处于登录火电厂监控系统的火电厂安全管理员（火电厂安全管理员的职责相同，均为维护火电厂安全）；将所述安全风险数据发送至登录火电厂监控系统的火电厂安全管理员（处于登录火电厂监控系统的火电厂安全管理员处理效率高，处于登录火电厂监控系统的火电厂安全管理员为第二顺位的风险排查团体）；在第二处理时间周期中（第二处理时间周期可以是十分钟），进行风险排除进度检测；若在所述第二处理时间周期未完成，发出安全风险求援信号（安全风险求援信号可以是发送给119，针对难以及时处理的火电安全隐患，上报给消防安全求救部门），所述安全风险求援信号包括火电厂储煤仓位置、温度监测数据、烟雾监测数据、可燃气体监测数据与一氧化碳监测数据等一系列相关数据，为全面维护火电厂安全提供支持。
30.s50：火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；s60：获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；s70：将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。
31.具体而言，火电厂安全管理员只需要登录火电厂监控系统，将火电厂监控系统运行在设备后台，然后再接收到所述安全风险数据后，再针对存在安全风险隐患区域，进行风险排查，保证监测力度的同时，降低火电厂安全监管成本，可以是火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像（一般是实时影像，以视频的形式表达，若存在网络拥堵，存在短暂的网络传输延时，需要5g网络支持，尽最大限度缩短网络传输延时）；基于所述火电厂安全监测预警系统的数据存储单元，对历史报警记录进行检索提取，获取火电厂储煤仓的历史报警记录，以所述历史报警记录为经验数据，构建安全警报模型，具体包括：所述历史报警记录包括但不限于历史报警温度监测数据、历史报警烟雾监测数据、历史报警可燃气体监测数据、历史报警一氧化碳监测数据与历史报警监控影像，以卷积bp网络模型为模型基础，将所述历史报警记录中的历史报警监控影像为训练集，将所述历史报警记录中的历史报警温度监测数据、历史报警烟雾监测数据、历史报警可燃气体监测数据、历史报警一氧化碳监测数据作为特征数据量，进行模型收敛训练，在模型输出趋于稳定状态，确定安全警报模型，为辅助火电厂安全管理员快速排查安全风险提供模型支持；将所述安全风险监控影像以及出现的所述安全风险数据作为输入数据，发送至所述安全警报模型的输入端口，通过所述安全警报模型快速排查安全风险，获取监测预警结果，所述监测预警结果若为通过，即监测预警结果内容包括：温度风险阈值、烟雾风险阈值、可燃气体风险阈值与一氧化碳风险阈值的调整优化提醒；所述监测预警结果若为未通过，即监测预警结果内容包括：安全隐患位置、安全报警信号、紧急人员疏散提醒等多种安全紧急指令，为全方位完善火电厂安全管理，提高火电厂安全监测预警效率。
32.综上所述，本技术实施例所提供的一种基于人工智能的火电厂安全监测预警方法
及系统具有如下技术效果：1.由于采用了在火电厂储煤仓布设多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集，进行监测数据比对，若出现安全风险数据，将安全风险数据发送至火电厂安全管理员；登录火电厂监控系统，调取安全风险数据限定位置区域的安全风险监控影像；获取火电厂储煤仓的历史报警记录，并通过历史报警记录构建安全警报模型；将安全风险监控影像发送至安全警报模型，获取监测预警结果，本技术通过提供了一种基于人工智能的火电厂安全监测预警方法及系统，实现了提升安全监测精度，全面提升安全监测与隐患排查的效力，实时判断是否存在安全风险隐患，最大限度保障火电厂的生产正常运行，提高火电厂安全监测预警效率的技术效果。
33.2.由于采用了通过监测数据集与安全风险阈值，设置比对判断循环；通过监测数据更替信号，更新得到第一更新监测数据集，输入比对判断循环，进行实时监测判断循环；在出现安全风险数据后，比对判断循环结束，同步多种检测传感器所得采集数据，设定比对判断循环，为实时判断是否存在安全风险隐患提供支持。
实施例二
34.基于与前述实施例中一种基于人工智能的火电厂安全监测预警方法相同的发明构思，如图4所示，本技术实施例提供了一种基于人工智能的火电厂安全监测预警系统，其中，所述系统包括：传感布设模块100，用于在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；监测采集模块200，用于通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；数据比对模块300，用于通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；数据发送模块400，用于若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员；影像调取模块500，用于火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；模型构建模块600，用于获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；预警结果获取模块700，用于将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。
35.进一步的，所述系统包括：结构设计信息获取模块，用于获取所述火电厂储煤仓的结构设计信息；检测点定位标记模块，用于通过所述结构设计信息，定位标记温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点；检测传感器布设模块，用于通过所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，布设所述多种检测传感器。
36.进一步的，所述系统包括：风向数据记录获取模块，用于在所述火电厂储煤仓外部随机设置风向标，获取风向数据记录；历史风向指数获取模块，用于通过所述风向数据记录，获取历史风向指数；第一检测点设置模块，用于通过所述结构设计信息与所述历史风向指数，设置温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点。
37.进一步的，所述系统包括：风力数据记录获取模块，用于通过所述风向标，获取风力数据记录；历史风力指数获取模块，用于通过所述风力数据记录，获取历史风力指数；第二检测点设置模块，用于通过所述结构设计信息与所述历史风力指数，对所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点进行设置密度约束。
38.进一步的，所述系统包括：安全风险阈值获取模块，用于通过所述火电厂储煤仓的相关安全规范，获取安全风险阈值；比对判断模块，用于通过所述监测数据集与所述安全风险阈值，比对判断是否出现安全风险数据；监测数据更替信号发送模块，用于若未出现所述安全风险数据，发送监测数据更替信号；监测数据集更新模块，用于通过所述监测数据更替信号，对所述监测数据集进行更新。
39.进一步的，所述系统包括：比对判断循环设置模块，用于通过所述监测数据集与所述安全风险阈值，设置比对判断循环；第一更新监测数据集获取模块，用于通过所述监测数据更替信号，更新得到第一更新监测数据集；实时监测判断循环模块，用于将所述第一更新监测数据集输入所述比对判断循环，进行实时监测判断循环；比对判断循环结束模块，用于在出现安全风险数据后，所述比对判断循环结束。
40.进一步的，所述系统包括：安全管理值班表获取模块，用于获取火电厂储煤仓的安全管理值班表；第一数据发送模块，用于通过所述安全管理值班表，将所述安全风险数据发送至当天值班的火电厂安全管理员；第一风险排除进度检测模块，用于在第一处理时间周期中，进行风险排除进度检测；系统登录状态获取模块，用于若在所述第一处理时间周期未完成，获取处于登录火电厂监控系统的火电厂安全管理员；第二数据发送模块，用于将所述安全风险数据发送至登录火电厂监控系统的火电厂安全管理员；第二风险排除进度检测模块，用于在第二处理时间周期中，进行风险排除进度检
测；安全风险求援信号发送模块，用于若在所述第二处理时间周期未完成，发出安全风险求援信号。
41.示例性电子设备下面参考图5来描述本技术的电子设备，基于与前述实施例中一种基于人工智能的火电厂安全监测预警方法相同的发明构思，本技术还提供了一种基于人工智能的火电厂安全监测预警系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一任一项所述的方法。
42.该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
43.处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。
44.通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，ran),无线局域网(wireless local area networks，wlan)，有线接入网等。
45.存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact discread-only memory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
46.其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术上述实施例提供的一种基于人工智能的火电厂安全监测预警方法。
47.可选的，本技术中的计算机执行指令也可以称之为应用程序代码，本技术对此不作具体限定。
48.本技术提供了一种基于人工智能的火电厂安全监测预警方法，其中，所述方法应用于火电厂安全监测预警系统，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述方法包括：在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；若出现所述安全风险数据，将所述安
全风险数据发送至火电厂安全管理员；火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。
49.本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如a，b，或c中的至少一项(个、种)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
50.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
51.本技术中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
52.本技术中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算
机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
53.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
54.尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。

技术特征：
1.一种基于人工智能的火电厂安全监测预警方法，其特征在于，所述方法应用于火电厂安全监测预警系统，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述方法包括：在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员；火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。2.如权利要求1所述的方法，其特征在于，所述在火电厂储煤仓布设所述多种检测传感器，所述方法包括：获取所述火电厂储煤仓的结构设计信息；通过所述结构设计信息，定位标记温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点；通过所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，布设所述多种检测传感器。3.如权利要求2所述的方法，其特征在于，所述通过所述结构设计信息，定位标记温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，所述方法包括：在所述火电厂储煤仓外部随机设置风向标，获取风向数据记录；通过所述风向数据记录，获取历史风向指数；通过所述结构设计信息与所述历史风向指数，设置温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点。4.如权利要求3所述的方法，其特征在于，所述通过所述结构设计信息与所述历史风向指数，设置温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点，所述方法还包括：通过所述风向标，获取风力数据记录；通过所述风力数据记录，获取历史风力指数；通过所述结构设计信息与所述历史风力指数，对所述温度检测点、烟雾检测点、可燃气体检测点与一氧化碳检测点进行设置密度约束。5.如权利要求1所述的方法，其特征在于，所述通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据，所述方法包括：通过所述火电厂储煤仓的相关安全规范，获取安全风险阈值；通过所述监测数据集与所述安全风险阈值，比对判断是否出现安全风险数据；若未出现所述安全风险数据，发送监测数据更替信号；通过所述监测数据更替信号，对所述监测数据集进行更新。6.如权利要求5所述的方法，其特征在于，所述通过所述监测数据更替信号，对所述监测数据集进行更新，所述方法包括：
通过所述监测数据集与所述安全风险阈值，设置比对判断循环；通过所述监测数据更替信号，更新得到第一更新监测数据集；将所述第一更新监测数据集输入所述比对判断循环，进行实时监测判断循环；在出现安全风险数据后，所述比对判断循环结束。7.如权利要求1所述的方法，其特征在于，所述将所述安全风险数据发送至火电厂安全管理员，所述方法包括：获取火电厂储煤仓的安全管理值班表；通过所述安全管理值班表，将所述安全风险数据发送至当天值班的火电厂安全管理员；在第一处理时间周期中，进行风险排除进度检测；若在所述第一处理时间周期未完成，获取处于登录火电厂监控系统的火电厂安全管理员；将所述安全风险数据发送至登录火电厂监控系统的火电厂安全管理员；在第二处理时间周期中，进行风险排除进度检测；若在所述第二处理时间周期未完成，发出安全风险求援信号。8.一种基于人工智能的火电厂安全监测预警系统，其特征在于，用于实施权利要求1-7任一一项所述的一种基于人工智能的火电厂安全监测预警方法，所述火电厂安全监测预警系统与多种检测传感器通信连接，所述系统包括：传感布设模块，用于在火电厂储煤仓布设所述多种检测传感器，所述多种检测传感器包括温度检测传感器、烟雾检测传感器、可燃气体检测传感器与一氧化碳检测传感器；监测采集模块，用于通过所述多种检测传感器，在火电厂储煤仓中进行数据监测采集，获取监测数据集；数据比对模块，用于通过所述监测数据集，进行监测数据比对，判断是否出现安全风险数据；数据发送模块，用于若出现所述安全风险数据，将所述安全风险数据发送至火电厂安全管理员；影像调取模块，用于火电厂安全管理员登录火电厂监控系统，调取所述安全风险数据限定位置区域的安全风险监控影像；模型构建模块，用于获取火电厂储煤仓的历史报警记录，并通过所述历史报警记录构建安全警报模型；预警结果获取模块，用于将所述安全风险监控影像发送至所述安全警报模型，获取监测预警结果。9.一种基于人工智能的火电厂安全监测预警系统，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行权利要求1至7任一项所述方法的步骤。10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

技术总结
本发明涉及人工智能技术领域，提供了一种基于人工智能的火电厂安全监测预警方法及系统，所述方法包括：在火电厂储煤仓布设多种检测传感器，数据监测采集获取监测数据集，进行监测数据比对，若出现安全风险数据，发送至火电厂安全管理员；登录火电厂监控系统，调取安全风险数据限定位置区域的安全风险监控影像；获取火电厂储煤仓的历史报警记录，并通过历史报警记录构建安全警报模型；将安全风险监控影像发送至安全警报模型，获取监测预警结果，解决了火电厂的安全监测与隐患排查的效力低下技术问题，实现了提升安全监测精度，全面提升安全监测与隐患排查的效力，实时判断是否存在安全风险隐患，最大限度保障火电厂的生产正常运行技术效果。运行技术效果。运行技术效果。


技术研发人员：熊剑敏 黎赛梾 杨春笋 肖敦哲 张青
受保护的技术使用者：国能长源荆门发电有限公司
技术研发日：2023.02.23
技术公布日：2023/8/1