技術文章
“自學習”AI技術,讓電動自行車入戶充電無處遁形
閱讀:320 發布時間:2024-7-10據有關部門統計,目前全國電動自行車保有量約4億輛,每年仍有較大幅度的增加。2024年以來已發生電動自行車火災10051起,造成35人死亡。從引發火災的原因看,電氣故障和用火不慎是誘發火災的主要原因,這兩類原因誘發的火災幾乎占到了火災總數的近一半,分別為26.2%、22.3%。
國務院安委辦、應急管理部部署當前安全防范工作調度推進電動自行車安全隱患全鏈條整治行動。
其中,危害最嚴重的線路打火即故障電弧是最大難點,電弧擊穿空氣溫度高達3000度,極易引發物體燃燒蔓延,傳統傳感器難以監測。
針對這種情況,力安科技基于自學習(智能識別與分析算法)等AI技術,研發推出用電寶——智慧用電安全監控解決方案。目前已廣泛應用于學校宿舍、工廠宿舍、智慧社區、公寓、城中村出租房、樓宇商鋪等區域。通過自學習、AI技術,提取每根電路自己的專有“畫像"。通過安裝用電設備監測終端,對波紋特征進行采集提取并發送至云平臺,平臺端通過數據分析和深度學習技術,對電器類型線路、實時能耗、電器功率進行識別(電動自行車充電、電磁爐、燒水壺、電熱毯、卷發棒等),將看不見的電流轉換成看得見的數據。
當電路設備波紋特征跟平時不一樣,可以馬上監測到異常,然后反饋到系統進行語音播報、電話提醒、APP推送用戶進行處理,將火災隱患消滅在萌芽狀態。根據應用場景不同,智能采集終端通過RS485或LORA方式上傳至網關,網關通過4G/5G方式上傳云平臺。
相關產品
技術原理:電器接入電網的過渡區段、穩態區段中蘊含著一定的統計規律,稱為負荷特征。通常,把能可靠標志電器用電狀態的多個負荷特征作為一個組合,稱作負荷印記。針對這一特點,建立容納各類型電動自行車負荷特征的數據庫,由安裝在居民家中的監測設備在不同區段采集、提取電網中的特殊負荷印記,按照負荷分解模型得出監測結論,監測到入戶充電行為后自動預警并聯動智能空開裝置斷電,實現阻止入戶充電的效果。