太陽光発電システムにおけるインテリジェントDCアーク故障検出のための軽量・移植可能・自己適応フレームワーク

Abstract

交流アーク故障回路遮断器（AFCI）は住宅用太陽光発電（PV）システムにおける火災リスクの低減に不可欠である一方で、現実の条件下で信頼性の高い直流アーク故障検出を実現することは依然として困難です。インバータのスイッチングによるスペクトル干渉、ハードウェアの異質性、動作条件ドリフト、そして環境ノイズが、従来のAFCIソリューションを総合的に損なっています。本論文では、軽量で転用可能、かつ自己適応的な学習駆動フレームワーク（LD-framework）を提案し、インテリジェントな直流アーク故障検出を実現します。デバイスレベルでは、LD-Specがコンパクトなスペクトル表現を学習し、効率的なオンデバイス推論と、ほぼ完璧なアークの識別を可能にします。異種のインバープタ基盤にまたがって、LD-Alignはクロスハードウェアの表現アラインメントを実行し、ハードウェア起因の分布シフトがあっても頑健な検出を保証します。長期的な変化への対応として、LD-Adaptはクラウド—エッジ協調型の自己適応的アップデート機構を導入し、未見の動作レジームを検出して、制御されたモデル進化を行います。53,000件超のラベル付きサンプルを用いた大規模な実験により、ほぼ完璧な検出を示し、0.9999の精度と0.9996のF1-scoreを達成しました。インバータの起動、系統（グリッド）遷移、負荷スイッチング、ならびに高調波擾乱を含む、多様な誤トリップが起こりやすい条件下においても、本手法は誤トリップ率0%を達成します。クロスハードウェア転移では、ソースの性能を保持しながら、ラベル付きターゲットデータのみ0.5%〜1%で信頼性の高い適応が可能であることが示されます。フィールド適応の実験では、これまで未見だった条件下で検出精度が21%から95%へ回復することが確認されました。これらの結果は、LD-frameworkが、異種デバイスおよび長期運用にわたって非常に高い信頼性を維持しつつ、スケーラブルで実装志向のAFCIソリューションを可能にすることを示しています。