基于霍尔效应的电器特征识别方法及其安全预警系统

技术领域

本发明涉及电路测量电变量的技术领域，尤其涉及一种基于霍尔效应的电器特征识别方法及其安全预警系统。

背景技术

随着科技的发展，越来越多种类的用电设备深入各个家庭、公司、企业，随着智能化的进程，用电设备的种类更是越来越多，而每个用电设备的工作状态也存在不同，甚至会随着环境、时间的变化不间断切换。

现有的用电设备开始智能化发展，其可以被、或已经被应用于双向多种费率计量等智能化的功能环境，这代表着未来节能型智能电网最终将向用户智能化终端进行发展，然而现有的问题在于，在安装了相应的模块后，需要手动选择用电设备的类型并进行配置，一则用户在后续的使用中无法灵活调节用电设备，二则需要派出专门的运营维护人员进行安装调试并进行预安装，人员成本提升的同时也增加了监管成本。

另一方面，一些用电设备没有被安全关闭，将导致其由于持续处于通电状态而发热，无形中增加了火灾的风险；即对于用电安全来说，监控摄像无法处理的。因此，急需研发相应的技术解决现有的问题。

发明内容

针对上述问题，本发明提供基于霍尔效应的电器特征识别方法及其安全预警系统，能够实现根据霍尔效应识别各电路当前的用电电器，并利用后台数据分析进行相应的安全用电预警预测的目的。

为了达到上述目的，本发明提出基于霍尔效应的电器特征识别方法，包括以下步骤：

S110：霍尔传感器检测当前电路的电流信号；

S120：将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配，判断是否能够匹配成功；若是，则转入步骤S130；若否，则转入步骤S140；

S130：定义匹配成功的预存电器为当前电路所连接的电器；

S140：手动获取当前电器及对应的电流信号数据，并更新至所述电器特征库。

优选的，所述S120过程：

将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配；

判断所述电流信号是否与某一基准电流信号或两个及以上的基准电流信号叠加匹配成功；

若匹配成功，则判断结果为是；反之，则判断结果为否。

优选的，所述电器特征库的形成过程为：

采集流经若干电器的电流信号，分别作为训练样本；

以时间为X轴、电流为Y轴，构建不同电器训练用的电流信号-时间坐标图；

将构建后的不同电器的所述电流信号-时间坐标图时间坐标图分别输入神经网络进行训练，直至训练形成所述电器特征库。

优选的，所述电流信号为：电流、霍尔电势差。

优选的，所述霍尔传感器利用卡扣装置接入所述当前电路中进行电流信号检测获取。

为了达到上述目的，本发明还提供了一种基于霍尔效应的安全预警系统，所述基于霍尔效应的安全预警系统包括：霍尔传感器、主控模块、手动更新模块；

所述霍尔传感器，用于检测当前电路的电流信号；所述主控模块与所述霍尔传感器电连接，用于将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配，判断是否能够匹配成功；当判断能够匹配成功，则定义匹配成功的预存电器为当前电路所连接的电器；所述手动更新模块与所述主控模块电连接，用于手动获取当前电器及对应的电流信号数据，并更新至所述电器特征库。

优选的，所述基于霍尔效应的安全预警系统还包括：后台；所述后台，用于根据当前电路的电流信号，获取到所述当前电路对应的用户使用电器习惯，并根据所述用户使用电器习惯判断是否存在异常使用情况。

优选的，所述异常使用情况包括：危险电器设备接入、异常用电行为、和/或电器故障。

优选的，所述后台，还用于分析多条电路的电流信号，并根据大数据分析进行相应的火灾信息的预测。

与现有技术相比，本发明的有益效果在于：能够实现根据霍尔效应识别各电路当前的用电电器，并利用后台数据分析进行相应的安全用电预警预测的目的。

附图说明

图1为本发明的基于霍尔效应的电器特征识别方法的流程示意图；

图2为本发明的基于霍尔效应的安全预警系统实施例一的模块框图；

图3为本发明的基于霍尔效应的安全预警系统实施例二或实施例三的模块框图。

具体实施方式

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。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

本发明提供了基于霍尔效应的电器特征识别方法。所述基于霍尔效应的电器特征识别方法应用场景不作限定，例如：学校、工厂、娱乐场所、家庭等。霍尔效应的识别是指对电流特征进行提取，与常规的指纹识别技术相类似，只不过提取的特征类型各不相同。所述霍尔效应的原理为：当电流垂直于外磁场通过半导体时，载流子发生偏转，垂直于电流和磁场的方向会产生一附加电场，从而在半导体的两端产生电势差，这一现象就是霍尔效应，这个电势差也被称为霍尔电势差。通过进一步结合各类用电设备在使用时的电流特征数据(电流、霍尔电势差等)，从而判断出：接入该条线路的用电设备有哪些(如空调、电脑、电瓶车)，以及用电设备的工作状态(如工作档位、是否异常)。

参见图1，图1为本发明的基于霍尔效应的电器特征识别方法的流程示意图。所述基于霍尔效应的电器特征识别方法，包括以下步骤：

S110：霍尔传感器检测当前电路的电流信号。

本实施例中，所述霍尔传感器利用卡扣装置接入所述当前电路中进行电流信号检测获取，因此不需要入侵电路进行相应电流信号的获取。其中，所述霍尔传感器可采用常规的型号，在此不作详细说明。所述霍尔传感器检测获取电流信号的采样频率设定优选地为10k，可根据实际需求集体地设定采样频率，常规的采样频率均在本发明的保护范围内。其中，所述电流信号可以为电流、霍尔电势差等信号。

S120：将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配，判断是否能够匹配成功；若是，则转入步骤S130；若否，则转入步骤S140。

本实施例中，所述S120过程：1、将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配；2、判断所述电流信号是否与某一基准电流信号或两个及以上的基准电流信号叠加匹配成功；3、若匹配成功，则判断结果为是；反之，则判断结果为否。其中，所述电器特征库的形成过程为：采集流经若干电器的电流信号，分别作为训练样本；以时间为X轴、电流为Y轴，构建不同电器训练用的电流信号-时间坐标图；将构建后的不同电器的所述电流信号-时间坐标图时间坐标图分别输入神经网络进行训练，直至训练形成所述电器特征库。

本实施例以具体的例子对步骤S120的过程进行详细的说明。例如：当前获取的电流信号为第一霍尔电势差信号；将所述第一霍尔电势差信号与电器特征库内各预存电器的基准霍尔电势差信号进行匹配，匹配结果为所述第一霍尔电势差信号与空调霍尔电势差信号和电灯霍尔电势差信号的叠加结果一致；因此得出当前电路所连接的电器为空调与电灯。若匹配结果为所述第一霍尔电势差信号与电灯霍尔电势差信号部分类似，剩余霍尔电势差信号归属于某一未知电器信号的叠加，因此得出当前电路所连接的电器电灯、以及某未知电器。

S130：定义匹配成功的预存电器为当前电路所连接的电器。

本实施例中，将分析得出的所连接的电器反馈至后台等进行处理。

S140：手动获取当前电器及对应的电流信号数据，并更新至所述电器特征库。

本实施例中，若分析得出存在未知电器，则可以通知相应管理人员前往当前电路进行检测，获取所述未知电器的归属以及其电流信号，并进一步更新至所述电器特征库。从而方便后续的霍尔效应技术的分析与发展。

本发明另提出基于霍尔效应的安全预警系统的实施例一。所述基于霍尔效应的安全预警系统应用场景不作限定，例如：学校、工厂、娱乐场所、家庭等。所述霍尔效应的原理为：当电流垂直于外磁场通过半导体时，载流子发生偏转，垂直于电流和磁场的方向会产生一附加电场，从而在半导体的两端产生电势差，这一现象就是霍尔效应，这个电势差也被称为霍尔电势差。通过进一步结合各类用电设备在使用时的电流特征数据(电流、霍尔电势差等)，从而判断出：接入该条线路的用电设备有哪些(如空调、电脑、电瓶车)，以及用电设备的工作状态(如工作档位、是否异常)。

参见图2，图2为本发明的基于霍尔效应的安全预警系统实施例一的模块框图。所述基于霍尔效应的安全预警系统包括：霍尔传感器100、主控模块200、手动更新模块300。所述霍尔传感器100，用于检测当前电路的电流信号。所述主控模块200与所述霍尔传感器100电连接，用于将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配，判断是否能够匹配成功；当判断能够匹配成功，则定义匹配成功的预存电器为当前电路所连接的电器。所述手动更新模块300与所述主控模块200电连接，用于手动获取当前电器及对应的电流信号数据，并更新至所述电器特征库。

本实施例中，所述霍尔传感器100利用卡扣装置接入所述当前电路中进行电流信号检测获取，因此不需要入侵电路进行相应电流信号的获取。所述霍尔传感器100检测获取电流信号的采样频率设定优选地为10k，可根据实际需求集体地设定采样频率，常规的采样频率均在本发明的保护范围内。其中，所述电流信号可以为电流、霍尔电势差等信号。

本实施例中，所述主控模块200的处理过程包括：1、将所述电流信号与电器特征库内各预存电器的基准电流信号进行匹配；2、判断所述电流信号是否与某一基准电流信号或两个及以上的基准电流信号叠加匹配成功；3、若匹配成功，则判断结果为是；反之，则判断结果为否。其中，所述电器特征库的形成过程为：采集流经若干电器的电流信号，分别作为训练样本；以时间为X轴、电流为Y轴，构建不同电器训练用的电流信号-时间坐标图；将构建后的不同电器的所述电流信号-时间坐标图时间坐标图分别输入神经网络进行训练，直至训练形成所述电器特征库。

本实施例以具体的例子对所述主控模块200的过程进行详细的说明。例如：当前获取的电流信号为第一霍尔电势差信号；将所述第一霍尔电势差信号与电器特征库内各预存电器的基准霍尔电势差信号进行匹配，匹配结果为所述第一霍尔电势差信号与空调霍尔电势差信号和电灯霍尔电势差信号的叠加结果一致；因此得出当前电路所连接的电器为空调与电灯。若匹配结果为所述第一霍尔电势差信号与电灯霍尔电势差信号部分类似，剩余霍尔电势差信号归属于某一未知电器信号的叠加，因此得出当前电路所连接的电器电灯、以及某未知电器。

本实施例中，若所述主控模块200分析得出存在未知电器，则所述手动更新模块300可以通知相应管理人员前往当前电路进行检测，获取所述未知电器的归属以及其电流信号，并进一步手动更新至所述电器特征库。从而方便后续的霍尔效应技术的分析与发展。

本发明另提出基于霍尔效应的安全预警应用的实施例二。参见图3，图3为本发明的基于霍尔效应的安全预警系统实施例二的模块框图。所述基于霍尔效应的安全预警系统实施例二在上述实施例一的基础上进行了改进，改进之处在于，所述基于霍尔效应的安全预警系统还包括：后台400。所述后台400，用于根据当前电路的电流信号，获取到所述当前电路对应的用户使用电器习惯，并根据所述用户使用电器习惯判断是否存在异常使用情况。

本实施例中，所述异常使用情况包括：危险电器设备接入、异常用电行为、和/或电器故障。由于当前电路对应的电器是相对固定的，而每台电器的使用时间以及使用频率等也相对固定，因此通过所述后台400进行数据分析，若在非使用时间段出现电器的使用，可能推断为用户忘记关电器，此时所述后台400可以通过发送相应的短信提醒至用户端或管理员端进行核实处理。若在非使用时间段出现其他电流信号，则说明用户端在当前电路接入了其他使用电器，此时需要判断核实该使用电器是否为电动车等危险设备；若为危险设备，则需要通知管理员端或用户端及时处理。若在固定的使用时间段没有出现对应电器的电流信息，则需要进一步核实是否该电器出现故障无法使用。通过上述实施方式，能够进一步完善所述基于霍尔效应的安全预警系统，保障用户的安全。

本发明另提出基于霍尔效应的安全预警应用的实施例三。参见图3，图3为本发明的基于霍尔效应的安全预警系统实施例三的模块框图。所述基于霍尔效应的安全预警系统实施例三在上述实施例二的基础上进行了改进，改进之处在于，所述后台400，还用于分析多条电路的电流信号，并根据大数据分析进行相应的火灾信息的预测。

本实施例中，关于火灾信息的预测可以通过下述方式进行预测：首先获取一定时间段内一定管辖区域内多条电路的电流信号、以及获取对应的报警设备的报警历史数据、人口密度数据；根据上述获取到的各信号与数据分析发生火灾与人口密度、使用电器之间的关联度；根据所述关联度，推测发生下一次火灾的概率性；并进一步根据计算出的概率性进行定期定点的排查。通过上述实施方式，能够基于现有的火灾数据对未来的火灾隐患进行预测、并给出警示，降低人身财产的损失和社会资源的损耗。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。