基于树莓派的智能电网边缘计算：多代理系统与高精度数据采集实践

1. 项目概述：当智能电网遇上“边缘大脑”

在电力配网自动化领域，故障的快速检测、定位与隔离，以及非故障区域的快速恢复供电，是衡量系统可靠性的核心指标。传统的解决方案要么依赖集中式的控制中心，响应速度受限于通信延迟；要么采用功能固化的保护装置，策略调整困难，难以适应日益复杂的分布式能源接入场景。

近年来，多代理系统（MAS）的概念为这个问题提供了新的思路。想象一下，将配电网中的每个智能设备（如重合闸）都赋予一个“智能体”（Agent），它们就像一个个拥有自主决策能力的“哨兵”，不仅能监测本地线路状态，还能与邻居“哨兵”通信、协商，共同制定故障隔离和供电恢复的最优策略。这比等待远方控制中心的指令要快得多，也更具韧性。

然而，将这种美好的理论落地，面临一个非常现实的挑战：硬件平台。大多数关于MAS在配电网中应用的研究，都停留在软件仿真或实验室模拟环境。一个能真正部署在野外、挂在电杆上的智能重合闸，需要什么样的“身体”来承载这个“智能大脑”？它需要实时、高精度地采集三相电压电流信号；需要有足够的本地算力进行故障特征提取、谐波分析等计算；需要具备在复杂电磁环境下稳定工作的长距离无线通信能力；还需要在有限的成本和功耗约束下，实现这一切。

这正是我们这次项目的出发点：设计并实现一套基于单板计算机（SBC）的智能重合闸数据采集系统，并验证其在多代理系统协同恢复供电场景下的实际应用能力。我们不是在做纯软件仿真，而是打造一个从传感器接口到应用层软件的完整嵌入式硬件平台，直面真实世界中的信号完整性、实时性、通信可靠性等工程挑战。

2. 核心需求与设计思路拆解

要构建这样一个系统，我们不能拍脑袋决定，必须从核心需求倒推设计。这个智能重合闸的“边缘大脑”需要完成以下几项关键任务：

2.1 高保真、同步数据采集

这是所有高级分析的基础。系统需要同步采集多路（通常是三相电压、电流）模拟信号，采样率要足够高以捕捉故障瞬态（如行波），通常需要数千赫兹。信号调理电路必须能承受电力线上的高电压大电流（通过互感器转换后），并具备抗混叠滤波和可编程增益，以适应不同的测量范围。最关键的是，必须保证在连续采样中不丢失任何一个样本，否则后续的故障分析将失去准确性。

2.2 强大的本地实时处理能力

采集到数据只是第一步。我们需要在设备本地实时计算有效值、频率、谐波畸变率（THD），并运行故障检测算法（如过流判断）。这意味着需要一个算力足够的处理器，能够运行复杂的数字信号处理（DSP）算法，而不是仅仅把原始数据一股脑上传，那样会对通信带宽造成巨大压力并引入延迟。

2.3 确定性的低延迟响应

从故障发生到保护动作（如跳闸），时间窗口可能只有几十到几百毫秒。这就要求数据采集链路的整体延迟必须尽可能低，最好在亚毫秒级。这包括了信号通过调理电路、模数转换（ADC）、数据传送到主处理器、以及算法判断的时间。任何非确定性的延迟（例如由于操作系统任务调度导致的延迟抖动）都可能导致保护误动或拒动。

2.4 可靠的长距离协同通信

智能体之间需要交换状态信息（如“我这儿跳闸了”、“我这里有备用容量”）。配电网设备分布广泛，常常跨越数公里，且环境复杂（有建筑物、树木遮挡）。因此，通信模块必须支持远距离、低功耗、高可靠的无线Mesh网络，并具备标准的网络协议栈（如IPv6），以便与更上层的管理系统集成。

2.5 软件架构的灵活性与模块化

整个系统软件需要兼顾实时性任务（如数据采集、紧急跳闸）和高级智能应用（如多代理协商）。一个理想的架构是将不同实时性要求的任务解耦。例如，用高优先级进程处理紧急硬件交互，用独立进程运行智能体算法，它们之间通过轻量级的进程间通信（IPC）交换数据。这样既保证了关键任务的实时响应，又使复杂的应用逻辑易于开发和维护。

基于以上需求，我们的设计思路变得清晰：采用“高性能SBC + 专用数据采集板 + 工业级无线通信模块”的异构架构。SBC（如树莓派）负责提供强大的通用计算能力和丰富的软件生态；专用采集板负责高精度、确定性的模拟信号数字化；无线模块负责提供可靠的网络连接。三者通过高速接口（如SPI、UART、USB）紧密耦合，形成一个完整的边缘智能节点。

3. 硬件系统设计与核心细节解析

硬件是整个系统的物理基石，其设计直接决定了性能上限。我们的方案没有采用高度集成的专用芯片，而是选择了模块化、可扩展的架构，以便于调试、验证和未来升级。

3.1 主控单元：单板计算机的选型与考量

我们选择了树莓派3B+作为核心SBC。这个选择基于几个关键考量：

1. 充足的算力：四核Cortex-A53处理器，主频1.4GHz，1GB内存。这足以流畅运行一个完整的Linux操作系统（我们选用Raspbian），并同时运行数据采集服务、信号分析程序、多代理系统（JAVA编写）和网络通信栈等多个进程。
2. 丰富的生态与灵活性：Linux系统带来了巨大的优势。我们可以直接使用成熟的TCP/IP网络协议栈、数据库、Web服务器，以及各种编程语言（C/C++, Python, Java）的库。这极大加速了开发进程，避免了从零开始移植或开发底层驱动。
3. 标准的扩展接口：40针的GPIO排针提供了SPI、I2C、UART等接口，方便与自定义的外设板连接。USB和以太网口则为连接无线通信模块和调试提供了便利。
4. 成本与普及度：树莓派价格低廉，社区支持强大，资料丰富，降低了开发和后期维护的门槛。

注意：在工业现场，需要考虑树莓派的工作温度范围（通常0-70°C）和长期的可靠性。对于严苛环境，可以考虑工业级的SBC变种，但原理相通。我们的设计将核心采集逻辑放在独立的MCU上，部分缓解了Linux系统在实时性上的不足。

3.2 数据采集子系统：精度与实时性的保障

这是整个系统的“感官”部分，其设计最为关键。我们设计了一块独立的PCB板，通过40针GPIO与树莓派连接。该板的核心功能链路由三路完全相同的通道组成，对应三相输入。

3.2.1 信号调理链路详解电力线上的信号经过电压/电流互感器后，变为毫伏到伏特级别的小信号。我们的调理链路如下：

1. 仪表放大器（INA826）：作为第一级放大。它的高输入阻抗、高共模抑制比（CMRR）特性，能有效抑制传输过程中引入的共模噪声。其增益通过一个外部电阻设置，范围在1到1000倍，用于初步匹配信号幅度。
2. 可编程增益放大器（PGA， LTC6912）：作为第二级放大。其增益可以通过树莓派的SPI接口动态配置（例如1, 2, 4, 5, 8, 10, 16, 32倍）。这是为了适应不同的测量范围（例如，正常电流和故障冲击电流可能差几十倍），充分利用ADC的动态范围，提高测量精度。
3. 抗混叠滤波器：采用四阶Sallen-Key拓扑的有源低通滤波器，截止频率设置为3kHz。根据奈奎斯特采样定理，我们设定的采样频率为15360 Hz，其奈奎斯特频率为7680 Hz。将滤波器截止频率设为3kHz，可以确保在采样前有效滤除高于7680 Hz的高频噪声，防止混叠失真，同时保留电力信号的主要谐波成分（通常关注到40次谐波以内，即2400Hz以下）。

3.2.2 模数转换与数据流管理我们选用ADI公司的AD7606-4 ADC芯片。它有4路同步采样通道（我们用其中3路），16位分辨率，完全满足电力测量对精度的要求。其同步采样特性保证了三相信号相位关系测量的准确性，这对功率、谐波等计算至关重要。

这里有一个关键的设计抉择：ADC采样时钟由谁提供？我们选择由树莓派通过GPIO生成一个精确的15360 Hz方波时钟信号给ADC。这样，采样速率就由软件可控的树莓派掌握，灵活性更高。

更关键的设计是：如何确保在Linux非实时操作系统下不丢失样本？ADC每完成一次转换，就会产生一个中断信号（DRDY引脚变低）。如果直接把这个中断接到树莓派上，在Linux繁忙时，中断可能无法被及时响应，导致样本被覆盖丢失。我们的解决方案是引入一个“中间人”——一块ATmega328P MCU。

• MCU的角色：ATmega328P运行一个简单的固件。它将ADC的DRDY中断引脚连接到自己的外部中断引脚。每当中断到来，MCU立即通过SPI从ADC读取3个通道的16位数据（共6字节），然后存入一个环形缓冲区，并通过UART以2Mbps的波特率发送给树莓派。
• 为什么是UART？Linux内核为串口设备提供了深度缓冲区。即使上层应用程序（我们的进程）暂时繁忙，数据也会安全地堆积在内核的UART缓冲区中，不会被覆盖。这相当于在高速ADC和非实时的Linux应用之间，增加了一个硬件FIFO和软件缓冲的双重保险。
• 波特率计算：采样率15360 Hz，每样本3通道×16位=48位=6字节。理论所需波特率为15360 * 6 * 8 = 737,280 bps。我们选择2Mbps，为MCU的处理开销和未来扩展留足了余量。

这个“SBC + 专用MCU”的架构，巧妙地平衡了高性能计算和硬实时性要求。MCU负责时间紧迫的样本抓取和搬运，SBC负责复杂的上层处理和分析，各司其职。

3.3 通信子系统：构建智能体间的“神经网络”

智能体之间需要对话。我们选择了基于IEEE 802.15.4g物理层和6TiSCH协议栈的解决方案，具体硬件是TI的LAUNCHXL-CC1350评估板。

• IEEE 802.15.4g：这是一种专为智能计量等公共事业网络（SUN）设计的物理层标准，工作在Sub-1GHz频段（如920MHz）。相比2.4GHz，它的传输距离更远，绕射能力更强，更适合配电网这种广域、多障碍物的场景。
• 6TiSCH协议栈：这是IETF为工业物联网制定的标准。它核心结合了两项技术：
  • TSCH（时隙信道跳频）：将时间划分为固定的时隙，设备只在分配的时隙内通信，避免了冲突。同时，每次通信都切换信道频率，极大地增强了抗干扰能力。
  • 6LoWPAN：实现了在低功耗无线网络上承载IPv6数据包，并进行了头部压缩。这使得我们的每个智能重合闸都能获得一个全球唯一的IPv6地址，可以直接使用标准的UDP/TCP套接字编程进行通信，与互联网无缝集成。
• 网络拓扑：我们采用Mesh（网状）网络。任何一个节点都可以作为路由器，为其他节点中继数据。这形成了多跳网络，极大地扩展了覆盖范围。网络中有一个节点作为“边界路由器”，负责连接6TiSCH网络和传统的IP网络（如以太网），使得监控中心可以通过互联网访问所有现场设备。

这套通信方案提供了高可靠性、确定性的低功耗多跳通信，是构建分布式多代理系统的理想“神经系统”。

4. 软件架构与多代理系统实现

硬件是躯体，软件是灵魂。我们的软件架构设计遵循“高内聚、低耦合”的原则，将不同功能模块化为独立的进程，通过UDP套接字进行通信。这种基于消息的松散耦合方式，使得每个模块可以独立开发、测试、升级甚至替换。

4.1 四大核心进程详解

整个系统在树莓派的Linux上主要运行四个核心进程：

进程1：硬件接口进程（C/C++实现）这是与底层硬件直接打交道的“司机”。它拥有最高的运行优先级（可通过Linux的chrt命令设置），确保实时性。

• 职责：
  • 通过SPI配置PGA的增益。
  • 生成并输出ADC采样时钟（通过GPIO）。
  • 读取UART缓冲区中的数据（来自MCU的样本流），并将其打包成数据包。
  • 监控GPIO输入（如“带电指示”信号）。
  • 控制GPIO输出（直接驱动继电器，执行跳闸/合闸命令）。
  • 实现简单的硬件保护逻辑，如持续监测电流值，一旦超过设定阈值，立即执行跳闸，并将事件通知其他进程。
• 关键技巧：这个进程采用轮询（Polling）方式读取UART，而不是中断方式。因为在Linux用户空间，中断响应并不实时。我们以高于数据到达速率的频率（例如10kHz）去检查UART文件描述符，一旦有数据就全部读出。配合内核缓冲区，这能保证数据不丢失。

进程2：信号分析进程（C/C++实现）这是“数据分析师”。它从进程1接收原始样本数据包。

• 工作流程：
  1. 数据积累：等待收集足够长度的数据，例如10个周波（2560个样本）。
  2. 故障检测：检查数据包中是否携带了来自进程1的“过流跳闸”标志。如果有，则立即对跳闸前后一段时间（例如1秒）的波形进行深入分析，提取故障特征。
  3. 常规计算：对每个周波，计算电压电流的有效值、相位、频率偏差。
  4. 高级分析：每积累满1秒数据（15360个样本），就计算一次总谐波畸变率（THD）、各次谐波含有率等电能质量指标。
• 设计考量：将故障检测（快）和电能质量分析（慢）分离。故障检测基于实时流，快速响应；电能质量分析基于时间窗口，定期输出。计算结果可以通过UDP发送给进程3（智能体）或进程4（上传到服务器）。

进程3：智能体进程（Java实现）这是系统的“决策大脑”，基于“智能体与 artifact”模型（如Jason平台）开发。每个重合闸运行一个智能体实例。

• 智能体知识：每个智能体知晓自己的唯一ID、开关状态（开/合）、闭锁状态、线路是否带电、邻居智能体的ID列表、所辖优先供电的负荷列表等。
• 协同协议：采用合同网协议进行协商。当某个智能体（如R1）因故障跳闸后，其供电区域失电。该智能体作为“发起者”，向其邻居（如R2, R3）广播一个“呼叫提议”消息，内容包含其负荷需求。
• 决策逻辑：邻居智能体（参与者）收到提议后，检查自身状态：上游是否有电？自身容量是否足够？如果满足条件，则回复一个“提议”消息（包含可提供的容量）；否则回复“拒绝”。
• 恢复动作：发起者评估收到的所有提议，选择最优者（如容量最匹配、路径最短），并命令相应的智能体合闸，从而形成一个临时供电网络，恢复非故障区域的供电。整个过程完全分布式，无需中心控制器。

进程4：通信进程（任意语言，如Python）这是“外交官”。它负责管理LAUNCHXL-CC1350无线模块，实现6TiSCH协议栈的接入、数据包的发送与接收。它将进程3产生的状态消息、控制命令封装成应用层协议包，通过6TiSCH网络发送给其他节点或边界路由器。同时，它也接收来自网络的消息，并分发给进程3。

4.2 进程间通信：UDP的妙用

为什么选择UDP而不是TCP，或者更高级的中间件（如ZeroMQ, DDS）？

• 轻量级与低延迟：UDP是无连接的，没有握手、确认、重传等开销，在本地回环地址（127.0.0.1）上通信，延迟极低且稳定。
• 解耦与灵活性：每个进程绑定一个固定的UDP端口。进程1向进程2的端口发送样本数据；进程2向进程3的端口发送分析结果；进程3向进程4的端口发送要外发的消息。这种设计使得我们可以轻松地替换某个进程。例如，我们可以将进程2替换为一个用Python编写的机器学习故障分类器，只要它监听相同的端口、遵循相同的数据格式即可。
• 容错性：如果某个进程（如进程3）崩溃重启，它只需要重新绑定端口即可，不会影响其他进程的正常运行（除了可能会丢失一些在途数据包，这对于非关键的状态同步是可接受的）。系统具备一定的自恢复能力。

实操心得：在本地进程间使用UDP通信时，务必注意发送速率不要超过接收方的处理能力，否则会导致内核缓冲区满而丢包。我们的做法是，进程1以固定采样率产生数据，进程2以更高的频率轮询套接字，确保及时取走数据。对于关键的控制命令（如跳闸指令），我们可以在应用层实现简单的确认重传机制。

5. 系统性能实测与结果分析

设计得再好，也需要用数据说话。我们在实验室搭建了完整的测试环境，对系统的核心性能指标进行了量化评估。

5.1 信号采集质量：精度与保真度

我们使用高精度任意波形发生器（AWG）产生纯净的60Hz正弦波，输入到我们数据采集板的三路通道，输入幅度从1mV到4V不等，以测试小信号和大信号下的性能。

5.1.1 样本零丢失验证我们连续采集了数千个周波（每个周波256个点），并将所有周波的波形重叠绘制。如果存在样本丢失或时序错乱，重叠的波形将会无法对齐。实测结果显示，所有周波完美重叠，证明了从ADC采样、MCU读取、UART传输到SBC接收的整个链条没有丢失任何一个样本。这对于依赖完整波形数据进行故障分析的算法至关重要。

5.1.2 噪声与误差分析我们通过计算每个采样点在所有周波中的平均值，得到“理想”波形，然后用实际采样值减去这个理想值，得到噪声/误差序列。

• 噪声水平：对于10mV输入信号，噪声标准差约为0.129mV；对于1V输入信号，噪声标准差约为0.194mV。信号幅度增大100倍，噪声仅增大1.5倍，说明系统本底噪声很低，且非线性失真控制得很好。
• 相对误差：将上述误差除以信号峰值，得到百分比误差。如图10所示，对于0.1V和1V的信号，误差大约在1%左右。即使是微弱的10mV信号，误差也仅在5%以内。这完全满足电力测量对精度的要求（通常误差要求在1%级或更低）。

5.1.3 谐波失真评估我们计算了采样信号的总谐波畸变率（THD）。这是衡量信号调理电路线性度的重要指标。

• 结果：对于10mV输入信号，THD约为0.5%；对于1V输入信号，THD仅为0.05%。作为对比，IEEE 519标准对电力系统谐波的一般限值在5%左右。我们的系统引入的谐波失真远低于此限值，意味着采集电路本身对信号造成的“污染”可以忽略不计，能够真实反映线路上的电能质量状况。

5.2 系统延迟测量：从信号输入到软件感知

对于故障检测，尤其是行波测距这类技术，微秒级的延迟都至关重要。我们设计实验来测量从模拟信号输入到被上层应用软件感知到的总延迟。

1. 测试方法：我们让进程1通过一个GPIO引脚产生一个周期性的上升沿脉冲，同时用高精度时钟（clock_gettime(CLOCK_MONOTONIC)）记录脉冲发出的时间戳t1。
2. 信号路径：这个GPIO脉冲被直接送入数据采集板的一个输入通道，经过调理、ADC采样、MCU读取、UART传输，最终被进程1从UART缓冲区读出。
3. 终点检测：进程1在读取到的数据流中，检测到这个特定通道的上升沿，并记录此时的时间戳t2。
4. 延迟计算：延迟 L = t2 - t1。这个过程重复上万次。

实测结果：如图13所示，绝大部分（99.65%）的延迟在65微秒以内，这甚至小于一个采样周期（1/15360 Hz ≈ 65.1 μs）。这意味着信号在下一个采样点到来之前就已经被软件获取了。存在少量超过65微秒的异常值（最大约700微秒），这是由于Linux操作系统偶尔的任务调度和中断延迟所致。但重要的是，即使出现这种延迟，样本也不会丢失，因为它们早已安全地存储在UART的硬件缓冲区和Linux的内核缓冲区中，只是被软件读取的时间晚了一点。这对于基于连续波形分析的故障检测算法来说，是可以接受的。

5.3 多代理恢复供电场景演示

我们在实验室搭建了一个小型模拟配电网，包含三个由我们系统控制的智能重合闸（R1, R2, R3），三个模拟负荷（C1, C2, C3）和两个模拟电源（GA, GB）。通过一个开关模拟在C2处发生短路故障。

1. 正常状态：R1, R2闭合，为C1, C3供电；R3断开。
2. 故障发生：闭合C2处开关模拟故障，R1检测到过流，立即跳闸（由进程1的硬件保护逻辑执行）。
3. 智能体协商与隔离：R1的智能体（进程3）将“我已跳闸，疑似下游故障”的状态通知邻居R2。R2的智能体得知上游故障，保持断开并闭锁，从而将故障区域（C2）隔离。
4. 恢复供电：R1的智能体向所有邻居（包括R3）发起“呼叫提议”，请求支援。R3的智能体检查自身状态：其上游电源GB正常，且容量足够。于是R3回复“提议”，并自动合闸，为C3恢复供电。

整个过程中，我们开发的一个简易Web仪表盘实时显示了各开关状态和电流值（见图15）。从故障发生到非故障区域C3恢复供电，全过程在秒级内完成，且完全由本地智能体自主协商完成，无需任何中心干预。这充分验证了“硬件采集-本地分析-多代理决策-协同执行”这一技术路线的可行性。

6. 开发中的挑战与避坑指南

在实际开发这套系统的过程中，我们遇到了不少教科书上不会写的“坑”。这里分享一些核心经验，希望能帮到后来的开发者。

6.1 硬件设计陷阱

• 模拟地（AGND）与数字地（DGND）的处理：这是数据采集板稳定性的生命线。如果处理不当，数字电路的高速噪声会串扰到敏感的模拟信号中，导致测量结果跳动、不准。我们的做法是：在PCB布局上，将模拟部分和数字部分严格分区；使用磁珠或0欧电阻在单点将AGND和DGND连接；为模拟器件（如运放、ADC）提供独立、干净的LDO电源，并使用π型滤波器进行退耦。
• 抗混叠滤波器的截止频率选择：不能太接近奈奎斯特频率。我们选择3kHz（采样率15.36kHz的一半是7.68kHz），留出了足够的过渡带。滤波器阶数（四阶）和类型（巴特沃斯/贝塞尔）需要根据对相位线性度和衰减陡度的要求权衡选择。
• ADC基准电压的稳定性：ADC的精度直接依赖于基准电压源的精度和温漂。我们选择了高性能、低噪声的基准电压芯片，并为其配置了高质量的去耦电容。

6.2 软件实时性调优

• Linux并非实时系统：这是最大的认知挑战。默认的Linux内核调度策略是为吞吐量优化的，不适合硬实时任务。我们的策略是“隔离与优先级”：
  • 将最紧急的任务（进程1）设置为最高实时优先级（SCHED_FIFO）。
  • 使用cpuset或taskset将关键进程绑定到特定的CPU核心上，避免核心间切换的开销。
  • 尽量减少关键进程中的系统调用（如malloc,printf），这些调用可能引起不可预测的延迟。
• UART缓冲区的坑：Linux下UART的默认缓冲区大小可能不够。我们通过termios库修改了VMIN和VTIME参数，并增大了内核缓冲区大小，确保在数据突发时不会溢出。
• 时钟源的选择：clock_gettime()默认使用系统时钟，可能受NTP调整影响。我们使用CLOCK_MONOTONIC，它表示从系统启动开始的时间，单调递增，不受系统时间更改影响，更适合测量时间间隔。

6.3 通信可靠性保障

• 6TiSCH网络的入网与同步：新节点加入一个已运行的TSCH网络需要时间。在代码中必须做好重试和超时机制，不能假设一次连接就能成功。同时，要监控节点的同步状态，失步后要有重新同步的流程。
• 应用层确认重传：6TiSCH在链路层提供了高可靠性，但在应用层，对于关键的控制命令（如“合闸”），我们仍然实现了简单的“请求-确认-重传”机制。发送方如果在规定时间内没收到确认，则重发命令，最多重试N次。
• 数据包设计：在资源受限的无线网络中，每个字节都很宝贵。我们设计了紧凑的二进制应用层协议，包含帧头、命令字、数据长度、载荷和CRC校验，而不是直接用JSON等文本格式。

7. 总结与展望

这套基于树莓派和定制DAQ板的智能重合闸数据采集与多代理系统原型，成功地将学术上的多代理系统理论与工业嵌入式实践结合了起来。它证明了利用廉价的商用硬件和开源软件，完全能够构建出满足配电网自动化要求的、具备本地智能和协同能力的边缘设备。

实测数据表明，系统在信号采集精度（THD <0.5%）、实时性（延迟<65μs）和样本完整性（零丢失）方面表现优异，为上层的高级分析算法提供了高质量的数据基础。多代理恢复供电演示则验证了分布式决策逻辑在真实硬件平台上运行的可行性。

当然，这只是一个原型系统。要走向真正的现场部署，还有很长的路要走：

• 环境适应性：需要设计专门的机箱，满足IP65防护等级，适应高温、高湿、宽温（-40°C ~ 85°C）的户外环境。电源模块需要支持交直流宽电压输入，并考虑防雷、防浪涌。
• 互感器接口：需要集成或适配标准的电流互感器（CT）和电压互感器（PT），将一次侧的高电压大电流安全地转换为板卡可处理的信号范围。
• 功能安全与认证：作为电力控制设备，可能需要符合相关的功能安全标准（如IEC 61850, IEC 60255），并通过相应的电磁兼容（EMC）测试。
• 算法强化：集成更先进的故障类型识别、故障测距、以及考虑分布式能源（DER）接入的更复杂的协同恢复算法。

这个项目给我的最大体会是，在工业物联网和边缘计算领域，软硬件的协同设计至关重要。不能只关注算法的先进性，而忽略了数据来源的可靠性与实时性。一个优秀的系统，必然是传感器、硬件电路、嵌入式软件、通信协议和应用算法深度融合的产物。我们搭建的这个平台，就像为智能电网的“边缘大脑”提供了一个强健的“躯体”和灵敏的“神经”，让那些聪明的算法得以在真实世界中发挥作用。