您的位置:首页 > 技术支持 > “自学习”AI技术,让电动自行车入户充电无处遁形

“自学习”AI技术,让电动自行车入户充电无处遁形

发布日期:2024-07-10      点击:54

据有关部门统计,目前全国电动自行车保有量约4亿辆,每年仍有较大幅度的增加。2024年以来已发生电动自行车火灾10051起,造成35人死亡。从引发火灾的原因看,电气故障和用火不慎是诱发火灾的主要原因,这两类原因诱发的火灾几乎占到了火灾总数的近一半,分别为26.2%、22.3%。

 

国务院安委办、应急管理部部署当前安全防范工作调度推进电动自行车安全隐患全链条整治行动。


 

其中,危害最严重的线路打火即故障电弧是最大难点,电弧击穿空气温度高达3000度,极易引发物体燃烧蔓延,传统传感器难以监测。

 

针对这种情况,力安科技基于自学习(智能识别与分析算法)等AI技术,研发推出用电宝——智慧用电安全监控解决方案。目前已广泛应用于学校宿舍、工厂宿舍、智慧社区、公寓、城中村出租房、楼宇商铺等区域。通过自学习、AI技术,提取每根电路自己的专有“画像”。通过安装用电设备监测终端,对波纹特征进行采集提取并发送至云平台,平台端通过数据分析和深度学习技术,对电器类型线路、实时能耗、电器功率进行识别(电动自行车充电、电磁炉、烧水壶、电热毯、卷发棒等),将看不见的电流转换成看得见的数据。

图片

当电路设备波纹特征跟平时不一样,可以马上监测到异常,然后反馈到系统进行语音播报、电话提醒、APP推送用户进行处理,将火灾隐患消灭在萌芽状态。根据应用场景不同,智能采集终端通过RS485或LORA方式上传至网关,网关通过4G/5G方式上传云平台。

图片

 

相关产品

 

图片

 

图片
图片
图片

 

 

 

技术原理:电器接入电网的过渡区段、稳态区段中蕴含着一定的统计规律,称为负荷特征。通常,把能可靠标志电器用电状态的多个负荷特征作为一个组合,称作负荷印记。针对这一特点,建立容纳各类型电动自行车负荷特征的数据库,由安装在居民家中的监测设备在不同区段采集、提取电网中的特殊负荷印记,按照负荷分解模型得出监测结论,监测到入户充电行为后自动预警并联动智能空开装置断电,实现阻止入户充电的效果。