Sviluppo di Metodologie di Elaborazione del Segnale per il Rilevamento e la Diagnosi di Guasti da Arco Elettrico

This thesis focuses on the development of an algorithm for detecting an electric arc through the analysis of the circuit's AC current signal and the subsequent embedded software implementation. Electrical faults in a system can generate electric arcs, which can easily escalate into fires or explosions if not detected by protective devices. Depending on the nature of the arc, more advanced detection tools are necessary. By processing a dataset proposed as a benchmark in the literature and published in an open repository—containing current and voltage measurements from 15 different electrical tools/devices where electric arcs are present—it was possible to extract the characteristic parameters of the event, following a data processing phase. From these characteristics, using a labeling algorithm, a simple decision tree was trained with the ultimate goal of detecting the presence or absence of an arc fault. The thesis will describe the methodologies used for processing, data analysis, and the construction of the decision tree; it will also present the statistical analysis of the classifier's performance and the code for the microcontroller implementation. This study provides a foundation for building an AFDD (Arc Fault Detection Device) system, suggesting potential design improvements and further research to optimize its effectiveness in real-world applications.

Questa tesi si concentra sullo sviluppo di un algoritmo che permette la rilevazione di un arco elettrico attraverso l’analisi del segnale di corrente AC del circuito e la successiva implementazione embedded del software. I guasti nel sistema elettrico possono generare archi elettrici, che facilmente possono degenerare in incendi o esplosioni, se non rilevati dai dispositivi di protezione. Dipendentemente dalla natura dell’arco, sono necessari strumenti di rilevazione più avanzati. Mediante l’elaborazione di un dataset proposto come benchmark in letteratura e pubblicato su un open repository, contenente grandezze di corrente e tensione di 15 differenti utensili/dispositivi elettrici dove sono presenti archi elettrici, è stato possibile estrarre i paramenti caratteristici dell’evento, dopo una fase di processamento dei dati. Da queste caratteristiche, impiegando un algoritmo di etichettatura, è stato addestrato un semplice albero decisionale con l’obiettivo finale di rilevare la presenza o meno del guasto ad arco. Nella tesi verranno descritte le metodologie utilizzate per il processamento, per l’analisi dei dati, per la costruzione dell’albero decisionale; verranno inoltre presentati l’analisi statistica delle prestazioni del classificatore e il codice dell’implementazione su microcontrollore. Questo studio fornisce una base per la costruzione di un sistema AFDD (Dispositivi di Rilevamento dei Guasti ad Arco), suggerendo possibili miglioramenti nel design e ulteriori ricerche per ottimizzarne l’efficacia nei contesti di utilizzo.