在智能农场环境中，利用谱拓扑和分段谱分析技术实现可靠的电弧故障检测

《IEEE Access》：Robust Arc Fault Detection in Smart Farm Environments Using Spectral Topology and Segmented Spectral Analysis

　　

摘要：

智能农场的迅速发展带来了复杂的电气火灾风险，其中最主要的原因在于电弧故障。检测这些故障具有挑战性，因为逆变器和LED生长灯产生的开关噪声会模仿电弧的特征，导致传统频域方法出现较高的误报率。本文提出了一种适用于噪声丰富的智能农场环境的强大两阶段电弧故障检测算法。第一阶段采用自适应噪声峰值去除技术来消除瞬态谐波干扰，从而建立稳定的基线。第二阶段利用分段功率谱密度（PSDSF）分析来捕捉10 kHz至70 kHz频段内的电弧宽带频谱特性。与传统基于幅值的方法不同，该算法仅在多个频率段观察到宽带一致性时才判定为故障。在模拟的智能农场测试平台上进行的实验验证表明，该方法在所有测试电流水平下都具有100%的灵敏度。值得注意的是，即使在低电流条件（1.2 A）下，该方法也实现了92%的特异性，显著优于那些在相同情况下误报率高达100%的传统基于幅值的方法。这些结果证实，分段频谱拓扑分析为预防农业设施中的电气火灾提供了一种高度可靠且计算效率高的解决方案。