一种远程边缘协同的电弧自动化测试系统的制作方法

本技术涉及电力，尤其涉及一种远程边缘协同的电弧自动化测试系统。

背景技术：

1、交流电弧是电气火灾的主要诱因之一。在家庭用电环境中，由于线路老化、接触不良、绝缘破损等原因，极易产生串联或并联电弧。串联电弧由于其阻抗作用，报警电流幅值往往不增反降，无法触发传统断路器保护，隐蔽性强、检测难度大。

2、现有的电弧测试系统通常把硬件控制、数据采集、数据分析分块组成。一般采用人工方式将交流电源串联接入被测负载，并串联一个机械式电弧发生器。测试人员通过手动控制方式，改变电弧间隙，实现电弧发生。通过高速数据采集卡实时采集线路电信号，将完整的原始波形数据存储在本地硬盘中。测试结束后，导出原始测试波形文件，使用专用软件进行离线分析，提取特征并验证检测算法的准确性。

3、现有技术方案虽然能实现基本的电弧产生与采集，但其本质上是一个“半自动”的仪器组合，缺乏针对复杂场景模拟和数据价值挖掘的系统级设计，测试效率低下，无法实现远程、批量、自动化测试采集，也无法在测试过程中实时反馈检测结果，更无法远程控制测试设备。

4、现有电弧测试方案存在的以下技术问题：

5、1、测试效率低下，依赖人工干预。现有电弧测试系统大多采用人工手动搭建测试场景，现有的测试装置在不同负载类型、不同线路长度等测试条件时，通常需要人工手动插拔线路、更换负载、调整电弧发生器的间隙等操作。这种依赖人工干预的方式不仅导致单次测试准备时间长（单次测试准备时间长达数十分钟），而且在大批量样本采集时效率极低，无法实现自动化批量测试。同时，人工频繁操作电气线路存在触电风险和电弧灼伤风险。

6、2、测试场景单一，缺乏真实性。现有测试平台通常只支持单一类型负载（如纯阻性、纯感性、容性负载），而实际家庭用电环境往往是阻性、容性、感性负载并存的复杂混叠场景。现场测试时，只涉及一个电弧发生环境，实际环境中可能存在多条线路，同时产生电弧情况。由于缺乏对真实电气环境的复现能力，在这样的平台上采集到的电弧样本与真实家庭环境中的电弧特征存在较大偏差，导致后续训练出的电弧检测算法在实际应用中误报率高、算法适应能力差。

7、3、数据处理滞后，资源占用巨大。传统测试方案通常采用高速采集卡记录完整的原始波形数据。单次测试产生的原始数据量可达数百mb，需要测试结束后通过u盘拷贝进行离线分析。这种“采集-存储-离线分析”的模式无法实现测试过程中的实时反馈，且海量原始数据的传输和存储对带宽和硬件资源造成巨大压力。同时，各个环节都需要人工参与，带来测试效率的低下。

8、4、传统的阈值判断或浅层机器学习算法计算量小但误报率高；高精度的深度学习算法模型参数量大，无法直接部署在资源受限的嵌入式终端上。现有测试系统无法在边缘端实现低成本、高精度的实时电弧监测。

9、5、无法远程控制测试过程，测试灵活性差。现有技术中，测试人员必须在测试现场手动切换负载、调整线路长度、控制电弧发生器的起弧和灭弧。当需要测试多种负载组合或不同线路长度时，需要反复中断测试进行人工干预。这种模式无法支持远程批量测试、无法实现测试任务的自动化控制，也无法在无人值守的情况下长时间运行。

10、因此，亟需提供一种远程边缘协同的电弧自动化测试系统，实现以下目的：

11、1）实现全自动测试场景切换。通过集成化的电弧发生柜与边缘计算单元，自动切换不同线路长度和负载类型，无需人工插拔线路或更换设备，显著提升测试效率并降低安全风险。

12、2）复现真实家庭复杂用电环境。系统内置多种典型负载及组合，可编程模拟真实家庭中多负载同时运行的电弧场景。

13、3）实现边缘侧实时处理与数据轻量化。在边缘计算单元上对采集的波形进行实时特征提取与轻量级判断，上传特征向量而非原始波形，既保证了测试快速响应，又大幅降低了对网络带宽和云端存储的压力。

14、4）建立云边协同的算法闭环。边缘端负责快速初步判断，云端部署高精度深度学习模型进行二次复核。当边缘判断不确定或与云端结果不一致时，云端予以修正训练集，更新后的模型可定期下发至边缘端，形成持续进化的检测能力。

15、5）实现云端远程自动化测试。云端可远程编排测试任务、下发控制指令，边缘端自主执行，支持批量、无人值守测试。

技术实现思路

1、本技术要解决的技术问题是提供一种远程边缘协同的电弧自动化测试系统，实现家庭复杂场景下电弧测试条件的自动模拟；在边缘侧部署轻量级特征提取与快速判断算法，保障测试结果快速响应；在云端部署高复杂度深度学习模型进行二次复核与模型迭代；云端可远程编排测试任务并下发给边缘端自动执行，实现测试过程的无人化、自动化、可编程化。

2、本技术提供一种远程边缘协同的电弧自动化测试系统，包括电弧发生柜、边缘计算控制单元、云端平台、第一通信链路、第二通信链路、第三通信链路、第四通信链路、第五通信链路以及adc数据链路；所述电弧发生柜用于电弧发生与检测、负载运行控制以及用电监测，所述电弧发生柜包括线路长度切换单元、第一电弧发生测试层、第二电弧发生测试层、第三电弧发生测试层、温度传感器和湿度传感器；所述线路长度切换单元用于切换前端接入线路的长度，所述第一电弧发生测试层、所述第二电弧发生测试层和所述第三电弧发生测试层接入各类负载；所述边缘计算控制单元对所述电弧发生柜进行控制与数据采集，所述边缘计算控制单元通过所述第一通信链路控制所述线路长度切换单元中的线路切换开关，所述电弧发生柜通过所述第二通信链路将电弧发生控制数据和负载运行数据传输至所述边缘计算控制单元，所述电弧发生柜通过所述adc数据链路将电弧信号数据传输至所述边缘计算控制单元，所述边缘计算控制单元通过所述第三通信链路与所述温度传感器连接，所述边缘计算控制单元通过所述第四通信链路与所述湿度传感器连接；所述云端平台对所述边缘计算控制单元通过所述第五通信链路上传过来的数据进行管理与分析，并创建分析模型，所述云端平台通过所述第五通信链路将所述分析模型下发到所述边缘计算控制单元；所述云端平台通过生成并下发测试脚本到所述边缘计算控制单元，实现对测试的控制。

3、根据一些实施例，所述第一电弧发生测试层、所述第二电弧发生测试层和所述第三电弧发生测试层均包含5个电弧发生测试模块，所述电弧发生测试模块包括远程控制开关、电弧发生器、电弧高频电流互感器、智能插座和测试负载，所述电弧发生器与所述远程控制开关并联接入低压线路，低压线路穿过所述电弧高频电流互感器接入所述智能插座，所述测试负载连接所述智能插座；所述边缘计算控制单元通过所述第二通信链路控制所述远程控制开关，所述边缘计算控制单元通过所述第二通信链路控制所述电弧发生器产生电弧，所述智能插座测量低压线路实时电压、电流和功率数据并通过所述第二通信链路上传至所述边缘计算控制单元。

4、根据一些实施例，所述边缘计算控制单元包括数据采集层、特征提取与初级分析层以及控制执行与云端通信层；所述数据采集层通过所述adc数据链路周期性同步采样电弧高频电流互感器的原始电流波形数据，所述数据采集层通过所述第二通信链路按需轮询获取所述智能插座的电压、电流和功率数据，所述数据采集层通过所述第三通信链路定时读取所述温度传感器的环境温度数据，所述数据采集层通过所述第四通信链路定时读取所述湿度传感器的环境湿度数据，所述数据采集层通过所述第五通信链路异步接收所述云端平台的云端指令；所述特征提取与初级分析层分别进行无电弧阶段波形采集与特征提取，以及有电弧阶段波形采集与特征提取；所述控制执行与云端通信层作为现场执行控制器执行接收到的指令，所述指令包括本地算法决策指令和云端远程指令。

5、根据一些实施例，所述无电弧阶段波形采集与特征提取包括以下步骤：

6、s401，所述边缘计算控制单元将所述第一电弧发生测试层、所述第二电弧发生测试层和所述第三电弧发生测试层设定为无电弧模式；

7、s402，所述边缘计算控制单元连续采集50个周期电流波形，每个周期1000个采样点；

8、s403，提取单个周期时域特征参数，所述时域特征参数包括峭度knor、偏度snor、整流均值mnor；

9、s404，提取单个周期频域特征参数和时频域特征参数，所述频域特征参数为谐波含量，所述时频域特征参数为小波能量熵enor；

10、s405，所述边缘计算控制单元采集所述时域特征参数和所述频域/时频域特征参数并上传到所述云端平台，在所述云端平台建立分析模型后，将所述分析模型下发至所述边缘计算控制单元；

11、s406，进行负载类型识别，包括：将50个周期的峭度、偏度、小波能量熵和整流均值组合成50×4的特征矩阵，所述特征矩阵的行对应电流周期，所述特征矩阵的列分别对应峭度、偏度、小波能量熵和整流均值；将所述特征矩阵输入轻量级一维卷积神经网络，所述轻量级一维卷积神经网络由云端平台预先使用大量不同负载的正常波形训练而成，所述轻量级一维卷积神经网络包括两层卷积、两层池化、展平和全连接层，所述轻量级一维卷积神经网络最后通过归一化指数函数输出4类负载的概率；所述边缘计算控制单元执行一次前向推理，取最大概率对应的类别作为负载类型标签；

12、s407，将所述负载类型标签与对应的正常基准关联存储，供实时检测调用；若上电期间检测到异常，则直接发出本地报警并保存异常数据，不再继续后续流程；若无电弧阶段期间检测到报警特征，则直接发出本地报警并保存异常数据。

13、根据一些实施例，所述有电弧阶段波形采集与特征提取包括以下步骤：

14、s501，所述边缘计算控制单元将所述第一电弧发生测试层、所述第二电弧发生测试层和所述第三电弧发生测试层设定为有电弧模式；

15、s502，所述adc数据链路采集当前半周期的500个电流采样点，对采样数据进行去直流偏置、幅值归一化滤波处理；

16、s503，计算当前半周期内峭度kcur、偏度scur、整流均值mcur；

17、s504，对当前半周期数据做fft，计算波形3次谐波、5次谐波和7次谐波幅值与基波的比值，计算当前半周期的小波能量熵ecur；

18、s505，计算当前峭度的周期变化率，计算当前偏度的周期变化率，计算当前整流均值的周期变化率，计算当前小波能量熵的周期变化率；

19、s506，根据所述周期变化率分别设置正常区、预警区和报警区；在预警区内，将当前半周期的改进不完全s变换获取的4维时频特征输入边缘侧预训练的轻量级支持向量机分类器，得到电弧概率parc，所述轻量级支持向量机模型由云端平台预先使用大量正常和故障样本训练得到，若parc>0.8，则判定为电弧，执行报警区的报警与上传动作；否则判定为正常，仅上传统计特征；

20、s507，所边缘计算控制单元执行以下上传策略：若判断结果在正常区则不上传；若判断结果在预警区且判定非电弧，则上传特征参数；若判断结果在预警区且判定为电弧，则上传故障前后各5周期的压缩波形及特征参数；若判定结果为报警区，则上传故障前后各5周期的压缩波形及特征参数。

21、根据一些实施例，所述正常区、预警区和报警区的设置步骤为：

22、若且且，则为正常区，其中为的正常区阈值，为的正常区阈值，为的正常区阈值；

23、若且且且，则为预警区，其中a为的预警区阈值，为的预警区阈值，为的预警区阈值，为的预警区阈值；

24、若且且且，则为报警区，其中为的报警区阈值，为的报警区阈值，为的报警区阈值。

25、根据一些实施例，所述本地算法决策指令为当检测到故障或电弧时，通过所述第二通信链路发送急停指令，闭合短路开关灭弧；所述云端远程指令为由所述云端平台下发的测试脚本；所述控制执行与云端协同层还进行通信中断容错和环境温湿度补偿。

26、根据一些实施例，所述云端平台包括数据管理单元、远程控制与任务编排单元、分析模型创建和优化单元和数据可视化单元；所述通过消息队列遥测传输协议接收所述边缘计算控制单元上传的数据包，所述数据包包括原始波形、特征向量值、边缘端判断结果，所述原始波形为采集报警发生前后各5个周期的压缩电流波形以及对应的特征向量；所述特征向量值为所述边缘计算控制单元上传的预警区、报警区的数据，所述数据包括峭度、偏度、小波能量熵、整流均值的当前值及周期变化率，当前上传数据的时间戳、测试点编号、负载类型标签、环境温湿度；所述边缘判断结果为所述边缘计算控制单元判定的测试结果；所述远程控制与任务编排单元执行测试任务创建、测试脚本生成、脚本下发与监控和远程干预；所述分析模型创建和优化单元执行统计分析、轻量级支持向量机重训练、云端深度模型微调、负载识别模型更新以及模型下发与迭代。

27、根据一些实施例，所述线路长度切换单元包括四种长度的测试线路和四个远程控制开关；所述四种长度的测试线路分别接入所述四个远程控制开关的上端，所述四个远程控制开关的下端并联后接入公共母线。

28、根据一些实施例，所述四种长度的测试线路为1m、30m、60m、90m四个长度等级的测试线路。

29、本技术公开的技术方案构建了云边协同的双模式检测架构，边缘计算控制单元独立完成上电模式（基准建立与负载识别）和过程模式（实时分区递进判断），同时负责解析云端指令并直接控制电弧发生柜内的开关和电弧发生器。采用基于多域特征的分区递进检测与差异化上传方法，综合使用时域和频域特征（峭度、偏度、小波熵、整流均值），将特征变化率划分为正常区、预警区、报警区；正常区不上传，预警区上传特征向量，报警区上传原始波形，大幅降低带宽占用。采用边缘端轻量级模型识别的实现方法，包括无电弧模式中使用人工神经网络识别负载类型；有电弧模式预警区中使用轻量级支持向量机（svm）精确分类，模型由云端训练、边缘端推理，并通过ota（空中下载技术）持续更新。形成云边协同的模型迭代闭环：云端利用难例库进行统计分析、重训练svm、微调深度模型、更新分区阈值，并通过ota将优化后的模型下发至边缘端，实现检测能力的持续进化。通过环境温湿度补偿机制，利用温湿度传感器数据动态修正检测阈值，提高检测鲁棒性。云端生成控制指令序列（测试脚本），下发给边缘端自动执行，支持批量测试、循环测试、异常处理。采用三级切换结构（1m/30m/60m/90m长度切换、测试层分配），通过远程控制开关实现远程独立控制。基于485总线分工的分布式测试点控制与采集架构。边缘计算控制单元通过485总线（第二通信链路）控制所有测试点的电弧发生器和短路开关，通过485总线读取智能插座数据，通过adc采集高频ct模拟信号。

30、综上所述，本技术的有益效果在于：

31、1）高效率。全自动场景切换与批量测试，测试效率提升10倍以上，无人值守完成数千个测试场景。

32、2）真实性强。可模拟多种线路长度、负载类型（阻、感、容及混叠），15个独立测试点，样本代表性强。

33、3）数据轻量化。边缘侧特征提取后上传数据量减少99%以上。

34、4）实时性与准确率兼顾。边缘毫秒级报警，云端高精度复核，综合准确率97.4%以上。

35、5）持续进化能力。云端模型分析、优化、下发闭环使检测能力不断提升。

36、6）低成本部署。采用工业级微控制器、低成本互感器和智能插座。

37、7）远程自动测试，节省人力成本。人力成本降低90%以上。

38、8）测试重复性和一致性高。消除人工操作随机误差。

39、9）多测试点并行控制与采集。显著提高测试吞吐量。

40、10）自适应环境变化。温湿度补偿机制保持稳定性能。