避免Natech事故引发的电气火灾：电气过程安全中的应用研究

《Journal of Loss Prevention in the Process Industries》：Prevention of electrical fire from Natech disaster: An application study in electrical process safety

　　

摘要

严重的暴风雪和冰灾等自然灾害会导致工艺行业的电力需求突然激增，进而引发电力电缆的失控热 runaway现象，导致系统故障或电气火灾。在高风险设施中，这类火灾常常会引发一系列灾难性连锁反应，包括爆炸、有毒化学物质泄漏以及全面停产，最终造成Natech灾难。传统的监测系统只能在故障发生后才发出警报，无法检测到故障前的电路异常发热情况，也无法在预警可靠性与运营成本之间找到平衡点。本文提出了一种专为电阻电路电气火灾设计的新型三阶段频率转换预测与预防系统，具有三大创新点：（1）一种动态采样机制，能够根据火灾发展的不同阶段自动调整采样频率；（2）一种基于物理原理的改进型长短期记忆网络模型，通过结合热平衡方程来纠正预测偏差；（3）一种边缘计算与云计算相结合的三层分布式平台，可实现实时风险响应和全生命周期闭环管理。以一家医院的用电情况为实例进行的测试表明，传统的长短期记忆网络在潜在异常阶段进行长期趋势预测时的平均均方根误差为3.97摄氏度，而改进后的模型在加速升温阶段的预测误差可降至2.09–2.52摄氏度，消除了纯数据驱动模型的预测延迟问题。该系统能够提前识别电气火灾风险，有效降低日常能源消耗，为石化厂和制药厂等高风险工艺工业设施提供一种经济高效的主动防损解决方案，有助于提升Natech风险管理水平。

引言

电气火灾是全球范围内最为常见且破坏性最强的火灾类型之一（Li等人，2025a；Kong等人，2026），无论是在工艺行业还是民用领域，都会造成严重的人员伤亡和财产损失（Zhang等人，2021；El-Harbawi，2022；Solukloei等人，2022）。统计数据显示，建筑火灾中有超过30%是由电气故障引起的，而且随着电力系统复杂性的增加，这一比例还在上升（He等人，2024；Dai等人，2022）。

极端热浪、暴风雪和雷击等自然灾害会进一步加剧这一风险，它们会导致电力需求激增和电网不稳定，加速绝缘材料老化，提高火灾发生的概率（Souto等人，2024；Xiong等人，2024）。在工艺行业中，电气火灾有可能演变成Natech灾难，伴随二次爆炸、有毒物质泄漏以及连锁故障，其后果比普通建筑火灾更为严重（Rashid等人，2023；Li等人，2025b；He和Weng，2022；Ma等人，2024；Luo等人，2025）。这种风险也对重要的民生设施构成严重威胁。

在各类电气火灾中，由于长期过载、接触不良以及绝缘材料老化所引发的电阻电路电气火灾在建筑和工业领域最为常见，却也最容易被忽视（Fangrat等人，2020；He等人，2024；He等人，2025）。与由短路或电弧断裂引发的突发性火灾不同，电阻电路电气火灾具有渐进的发展过程，且各阶段特征明显，这为早期干预提供了宝贵的时间窗口。然而，传统的电气火灾监测系统通常依靠固定阈值的警报机制，只有在火灾发生之后才会触发警报，从而错失最佳的预防时机（Zhang，2022；Ma等人，2025）。对于工艺行业而言，这种被动应对方式尤其不可取，因为哪怕是轻微的电气故障也可能在几分钟内演变成重大灾难。而在医院环境中，短暂的停电或火灾都可能危及重症患者的生命安全。

传统的电气火灾预防技术已经经历了几个主要发展阶段（Ma等人，2020；Peng和Yu，2021；Yang等人，2023）。传统的基于硬件的阈值保护方法依赖断路器、保险丝和温度传感器，只能对已经发生的故障做出反应，无法发现诸如轻微过载和逐渐恶化的绝缘状况等潜在隐患（Ma等人，2020；Yang等人，2023；Yang等人，2022）。传统的机器学习模型，如支持向量机、随机森林和BP神经网络，虽然也被用于电气火灾风险评估，但它们需要手动提取特征，且难以捕捉电气参数的长期时间依赖关系，因此在预测温度逐渐上升的情况时表现不佳（Fan等人，2021；Li等人，2022；Souhe等人，2022）。

近年来，以长短期记忆网络为代表的深度学习时间序列预测方法被广泛应用于电气温度预测领域（Peng和Yu，2021；He等人，2024；Gui等人，2025；He等人，2025）。这些方法能够自动从原始数据中提取时间特征，有效捕捉由正常用电模式带来的周期性温度变化（He等人，2024），在正常运行条件下表现良好。不过，纯数据驱动的模型过度依赖历史数据拟合，且缺乏对电路发热机制的物理解释能力（He等人，2024）。当电路进入加速升温阶段，温度变化模式偏离历史规律时，这类模型的预测延迟和准确性都会显著下降，从而严重限制了其在火灾预警领域的应用。

此外，大多数现有的监测系统为了保证预测精度而采用高频采样方式，这导致了过高的能源消耗和数据传输负担（Shabbir等人，2024）。对于拥有数千个监测点的大型建筑电气系统和工艺工业设施来说，这种做法在经济上并不可行。相反，低频采样则无法满足高风险阶段快速温度变化的监测精度要求（He等人，2024）。监测精度与系统成本之间的这一固有矛盾长期以来一直制约着先进电气火灾预测技术的普及应用（Zhang，2022；Li等人，2025b）。另外，传统系统往往存在功能分散、管理不连贯的问题，无法形成从数据采集到风险处置的完整闭环管理流程（Thai等人，2024）。

为了解决上述问题，本文提出了一种针对电阻电路电气火灾的三阶段频率转换预测与预防系统，并开发了相应的全流程集成平台。本研究在技术层面做出了三项重要贡献：（1）一种分阶段的频率转换机制，能够根据火灾发展的不同阶段自动调整采样频率和预测模型，从而在保障预测精度的同时降低系统能耗；（2）一种基于物理原理的改进型长短期记忆网络模型，通过融入热平衡机制，显著提升了加速升温阶段的预测精度和及时性；（3）一种边缘计算与云计算相结合的三层分布式平台，可实现电气火灾风险的全生命周期闭环管理。通过中国重庆某三级综合医院的实际案例验证，该方法也可应用于工艺工业设施，为主动防损和降低Natech风险提供有效的技术解决方案。

章节节选

电气火灾的定义与发展

根据发生机制和演化特点的不同，电路电气火灾可分为突发性火灾和渐进性火灾。突发性火灾是由短路、电弧断裂和雷击等瞬间故障引发的，其发生速度极快，演化周期短，几乎无法进行预测和提前预警。而渐进性火灾则主要是由电路和电气设备长期累积的故障造成的，其中

电气火灾预防系统的设计

为了实现第2.3节中提出的三阶段频率转换预测与预防系统的工程应用，同时解决传统监测系统功能分散、管理不连贯的问题，本文设计了一种全流程集成的电气火灾预测与预防平台。该平台采用了“前端感知-边缘计算-云管理”的三层分布式架构，能够全面实现分阶段的

工程实验

本研究以中国重庆的一家三级综合医院的实际电气系统作为案例进行研究。工程实验于1月份开展。由于重庆地区没有普遍的集中供暖设施，室内供暖主要依靠空调系统，因此在实验期间该地区的电力需求出现了大幅上升。该医院的电气系统配备了双电源供应和备用发电机，以确保

讨论

本研究提出了一种针对电阻电路电气火灾的三阶段频率转换预测与预防系统，并基于“前端感知-边缘计算-云管理”架构开发了相应的全流程集成平台。通过一家真实三级医院的工程案例验证，所提出的方法能够在保障预测精度的同时控制系统能耗，有效实现对渐进性电气火灾的早期预警

结论

本文提出了一种针对电阻电路电气火灾的新型三阶段频率转换预测与预防系统，旨在解决传统监测系统中预警可靠性与运营成本之间的长期矛盾。主要结论如下：

• 1)
  所提出的分阶段频率转换机制能够有效平衡预测精度与系统能耗，通过根据不同阶段自动调整采样频率和预测模型

CRediT作者贡献说明

Ting Lv：写作——审稿与编辑、软件、方法论、研究、形式分析、数据整理、概念构建。Sheng He：写作——初稿撰写、可视化、验证、监督、软件、方法论、研究、形式分析、数据整理、概念构建。Wenguo Weng：写作——审稿与编辑、监督、资源协调、项目管理、研究、资金筹集。Xueming Shu：监督、项目管理

未引用参考文献

Chawla等人，2018年；Lu等人，2026年；Spearman，1904年。

数据可用性

数据可应要求提供。

利益冲突声明

? 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

作者感谢中国国家自然科学基金委员会的财政支持（项目编号：72442008、72521001）。作者对这一支持表示衷心的感激。

Sheng He|Ting Lv|Xueming Shu|Wenguo Weng

清华大学安全科学与工程系，中国北京