光伏系统中智能直流电弧故障检测的轻量、可迁移与自适应框架

电弧故障断路器（AFCI）对于缓解住宅光伏（PV）系统中的火灾隐患至关重要，但在实际条件下实现可靠的直流电弧故障检测仍具有挑战性。逆变器开关产生的频谱干扰、硬件异构性、运行条件漂移以及环境噪声共同削弱了传统AFCI方案。本文提出了一种轻量、可迁移与自适应的学习驱动框架（LD-framework），用于智能直流电弧故障检测。在设备层面，LD-Spec学习紧凑的频谱表示，实现高效的设备端推理和近乎完美的电弧判别。在异构逆变器平台之间，LD-Align执行跨硬件表示对齐，确保在硬件引起的分布偏移下仍能鲁棒检测。为应对长期演化，LD-Adapt引入云边协同的自适应更新机制，检测未见过的运行模式并执行受控的模型演化。涉及超过53,000个标注样本的广泛实验表明近乎完美的检测性能，达到0.9999准确率和0.9996 F1分数。在多种易误触发条件下，包括逆变器启动、电网切换、负载切换和谐波干扰，该方法实现了0%的误触发率。跨硬件迁移仅使用0.5%–1%的目标标注数据即可实现可靠适配，同时保持源域性能。现场适配实验表明，在未见运行条件下检测精度从21%恢复到95%。这些结果表明，LD-framework能够实现可扩展的、面向部署的AFCI解决方案，在异构设备和长期运行中保持高度可靠的检测。