Leichtgewichtiges, adaptives System erkennt DC-Arc-Faults in PV-Anlagen zuverlässig

In Photovoltaik-Anlagen stellen DC-Arc-Faults ein erhebliches Brandrisiko dar. Traditionelle AFCI-Lösungen stoßen bei realen Betriebsbedingungen an ihre Grenzen, weil sie durch Wechselrichter‑Schaltfrequenzen, Hardware‑Unterschiede, Betriebsänderungen und Umwelteinflüsse beeinträchtigt werden.

Die Autoren stellen ein leichtgewichtiges, übertragbares und selbstadaptierendes Lernframework vor, das in drei Schichten arbeitet: LD‑Spec extrahiert kompakte Spektralmerkmale für effiziente On‑Device‑Inference; LD‑Align führt eine hardwareübergreifende Repräsentationsausrichtung durch; LD‑Adapt nutzt eine Cloud‑Edge‑Kooperation, um das Modell bei neuen Betriebsbedingungen automatisch zu aktualisieren.

In umfangreichen Tests mit über 53 000 gelabelten Proben erreichte das System eine Genauigkeit von 0,9999 und einen F1‑Score von 0,9996. Unter allen störungsanfälligen Szenarien – Inverter‑Start, Netzwechsel, Lastwechsel und harmonische Störungen – blieb die Fehltrip‑Rate bei 0 %. Die Cross‑Hardware‑Transferfähigkeit zeigte, dass mit nur 0,5 % bis 1 % gelabelten Ziel‑Daten eine zuverlässige Anpassung möglich ist, ohne die Ausgangsleistung zu beeinträchtigen.

Das Ergebnis ist ein robustes, ressourcenschonendes System, das sich nahtlos in bestehende PV‑Infrastrukturen einbinden lässt und dank seiner Selbstanpassung langfristig zuverlässig bleibt. Damit eröffnet die Arbeit einen vielversprechenden Weg, die Sicherheit von Photovoltaik‑Anlagen in der Praxis deutlich zu erhöhen.