電子發(fā)燒友網報道（文/黃山明）電弧故障分斷器（AFCI）是一種特殊的電路保護裝置，用于識別和中斷電路中的電弧故障，以防止電氣火災的發(fā)生。當檢測到異常電弧時，它會在電弧故障發(fā)展成為火災或電路短路之前迅速斷開電源。

電弧是電流通過空氣或其他絕緣介質產生的放電現象，通常表現為高熱和強光。這種故障電弧可能發(fā)生在電線損壞、接觸不良等地方。相比傳統的斷路器和漏電保護器，AFCI能更精確地識別電弧故障，避免誤報，并及時切斷電源。

在儲能系統中，AFCI的作用主要體現在提升電器安全和防火能力上。儲能系統通常需要配置多種保護裝置以確保安全和可靠運行。根據《電化學儲能電站設計規(guī)范》GB51048-2014，儲能電站直流側的保護可以由功率變換系統及電池管理系統完成，其中電池管理系統應具備過壓保護、欠壓保護、過流保護、過溫保護和直流絕緣監(jiān)測等功能。

雖然AFCI 不能取代傳統的漏電、過載和短路保護，但它提供了額外的安全層，特別是在檢測和中斷由故障電弧引起的火災風險方面。

在儲能系統中，除了基本的過流、過載和短路保護外，還需要考慮逆功率保護。逆功率保護裝置用于防止儲能系統向電網送電，確保儲能系統安全高效運行，特別是在自發(fā)自用的光伏系統中，安裝了帶防逆流的光伏系統后，光伏發(fā)的電僅供給就地負載使用，防止逆流發(fā)生。

AI正在參與設計AFCI

傳統AFCI設備依賴于預設的閾值和模式匹配來識別電弧故障，但這種方法可能會遇到誤報或漏報的問題，因為電弧特征可能因環(huán)境條件而異，而且電弧信號與正常電氣噪聲之間的區(qū)別有時并不明顯。

AI技術，特別是機器學習（ML），可以顯著改善AFCI的性能，提高電弧檢測的準確性，減少誤報，從而為電站提供更高級的安全保護。

例如通過華為開發(fā)AI加持分布式智能光伏解決方案，采用了AFCI拉弧檢測技術，能在2秒內快速自動切斷電路，通過自學習算法訓練電弧檢測模型，實現精準檢測。

據北京鑒衡認證中心對華為帶AFCI功能的逆變器進行了全面的技術評估和性能驗證，結果表明該技術滿足UL 1699B-2018《光伏直流電弧故障電路保護安全標準》的要求，達到CGC/GF 175：2020《電弧檢測及快速關斷性能等級評價技術規(guī)范》中的最高等級“L4”水平。

ADI公司也探討了將電弧檢測集成到光伏逆變器設備中的可能性，其中提到使用AI算法的智能IV診斷技術，能夠遠程100%組件健康檢查，精準識別組串故障類型，大幅提升運維效率。

此外，通過在STM32上運行的AI算法，AFCI能夠更精確地識別電弧故障的特征信號，與傳統機理算法相比，顯著提升了檢測的準確性。

AI算法具備自學習和自適應能力，能夠在各種電流波形不規(guī)則的情況下正確區(qū)分正常電弧和故障電弧，有效避免了誤跳閘。并且基于AI的AFCI能夠適應不同的使用環(huán)境和電氣條件，確保在各種復雜情況下均能穩(wěn)定工作。將過流或漏電保護等功能集成到AI-AFCI中，提供更全面的電路保護方案，符合UL1699等國際標準。

在實際應用中，AFCI技術面臨的挑戰(zhàn)包括電弧噪音微弱難以偵測、外界干擾信號多導致易誤報等問題。而AI技術的引入，通過自學習和算法優(yōu)化，可以有效提升噪聲適應性，區(qū)分噪聲和電弧特征，實現電弧及故障的精準定位。

小結

AI技術在AFCI設計中的應用，不僅提高了電弧檢測的準確性和響應速度，還增強了系統的自適應性和可靠性，為光伏電站的安全運行提供了有力保障。隨著技術的不斷進步，AI在AFCI中的應用將變得更加成熟，進一步提升電氣系統的安全性和可靠性。