1.用于电源安全防护的紧急报警系统，其特征在于，包括如下模块：智能检测模块，用于通过传感器采集电源电压、电流、频率数据，经小波变换去噪和归一化预处理后，提取均值特征；再用异构模型集成栈做异常检测，结合动态权重融合和置信度评估判断异常，通过在线学习优化模型，以1秒滑动窗口分析，异常比例超80%确认真实异常；

多级报警模块，依据智能检测模块的结果，从基础偏差、趋势加速、关联耦合三维度计算综合严重指数，映射为一、二、三级报警并执行；若报警后异常未解决则自动升级，同时记录报警历史用于优化阈值；

自动处理模块，报警触发后，按报警级别和异常类型从措施库选动作，由微控制器以PWM方式控制执行机构；评估效果并模糊评分，依评分调整策略，同时记录日志到非易失存储器，向监控中心发送处理报告。

2.根据权利要求1所述的用于电源安全防护的紧急报警系统，其特征在于，所述智能检测模块的执行过程如下：数据采集与预处理：通过传感器连续采集电源的电压、电流和频率数据，采样频率设置为每秒1000次，对采集的原始数据进行预处理，包括去噪和归一化处理；去噪采用小波变换算法，去除高频噪声，归一化处理将数据缩放至[0，1]范围，以消除量纲影响；

特征提取：从预处理后的数据中提取关键特征，包括均值、方差、峰值因子和波形熵，用于表征电源状态的动态变化；特征提取周期设置为每100毫秒一次；

异常检测：采用集成化、自适应的方法进行异常判别，并赋予模型在线学习和自我优化的能力，以应对电源系统中不断出现的新型异常模式；

结果验证：为减少瞬时误报，对连续检测结果进行滑动窗口分析，窗口大小为10个周期，即1秒，只有当窗口内异常比例超过80%时，才确认为真实异常，并输出。

3.根据权利要求2所述的用于电源安全防护的紧急报警系统，其特征在于，所述智能检测模块中的异常检测具体过程如下：集成模型推理：使用一个预训练的异构模型集成栈进行异常分类，集成栈由多个异构的基模型用于捕捉局部波形特征，一个支持向量机用于处理高维特征空间，以及一个轻量级梯度提升树用于高效处理表格型特征并行构成；每个基模型对提取的特征向量进行独立推理，输出一个初始的异常概率分数 ，其中i代表第i个基模型；

动态权重融合：引入基于实时性能评估的动态加权融合机制，维护一个过去100个检测周期每个基模型的性能表现记录；当前周期的最终异常概率 由各模型输出的概率按其近期性能权重进行加权平均计算： ，其中， 为当前检测周期的最终异常概率， 为第i个基模型的动态权重， ，N为异构模型集成栈中基模型的总数量， 为第i个模型的近期AUC值；

置信度评估与不确定性量化：计算本次集成推理的置信度分数C；置信度分数C定义为1−熵，其中熵H的计算公式为： ，其中， 为各模型输出概率的归一化分布，K为类别数， 为以2为底的对数函数；当C低于0.7时，则模型对此样本的判断不确定性高，将此样本标记为待定，并触发后续处理流程；

设计基于置信度反馈的在线学习流水线。

4.根据权利要求3所述的用于电源安全防护的紧急报警系统，其特征在于，所述智能检测模块中基于置信度反馈的在线学习流水线的过程如下：自动样本标注：对于置信度分数C≥0.9的判定结果，自动将特征向量和判定标签作为新的标注样本，存入一个固定大小的先进先出缓冲区；

增量训练触发：当缓冲区中的新样本数量达到预定批量大小，自动启动增量训练流程；

弹性增量更新：增量训练选择性地对集成栈中的模型进行增量更新；同时，定期使用缓冲区中的所有数据对集成栈中的1D‑CNN部分进行微调，捕捉更深层次的模式演变；

输出与触发：将 与一个可自适应调整的动态阈值进行比较；若 大于动态阈值，则触发异常标志，并附带其概率值和置信度，一同输出至结果验证步骤。

5.根据权利要求1所述的用于电源安全防护的紧急报警系统，其特征在于，所述多级报警模块的执行过程如下：异常分级：接收智能检测模块输出的异常标志及其置信度，并计算一个综合性的异常严重指数；异常严重指数通过多维度评估模型合成，不仅考虑了参数的瞬时偏差，还涵盖动态变化趋势以及与其他参数的关联耦合效应；

级别映射：将严重指数映射到三个报警级别：一级即低风险，综合性严重指数<0.5；二级即中风险，0.5≤综合性严重指数<1.0；三级即高风险，综合性严重指数≥1.0；每个级别对应不同的报警方式，一级触发视觉报警，二级触发声音报警，三级触发综合报警；

报警执行：根据映射结果，激活相应报警设备；对于三级报警，同时启动本地声光报警器和通过无线模块发送短信或邮件至监控中心；报警执行前，进行设备自检，确保报警通道可用；

反馈调整：监测报警响应情况，如果报警后异常持续未解决，则自动升级报警级别；若一级报警后10秒内异常未消除，则升级至二级；同时，记录报警历史，用于后续优化分级阈值。

6.根据权利要求5所述的用于电源安全防护的紧急报警系统，其特征在于，所述多级报警模块中的异常分级具体过程如下：计算基础偏差指数 ：基于电源电压、电流的瞬时偏差百分比 及其持续时间 ，计算基础严重性，公式如下：

，其中 、 为通过实验校

准的权重因子；

计算趋势加速因子 ：为捕捉异常的动态恶化潜力，分析异常参数在过去5个采样周期的时间窗口内的变化加速度；计算参数数值的二阶导数，并归一化后得到加速因子：，其中， 为最大值函数，P为异常参数，t为时间，

为异常参数P的二阶导数估计值， 为归一化系数，用于将加速度量纲缩放到一个合理的放大范围；

计算关联耦合系数 ：监测一组预定义的关联参数：

，其中M为预定义的关联参数总数量， 为第m个关联参数的异常指示器，正常为0，异常为

1， 为其预设的权重，表征其与主异常的关联重要性，且 ；

合成综合严重指数 ：将三个维度的评估结果融合，形成最终的综合性严重指数： 。

7.根据权利要求1所述的用于电源安全防护的紧急报警系统，其特征在于，所述自动处理模块的执行过程如下：措施选择：根据多级报警模块的级别和异常类型，从预定义措施库中选择相匹配的动作；

措施库包括：切断部分负载、启用备用电源、调整稳压器参数或完全断开主电源；选择逻辑基于规则引擎；

执行控制：通过微控制器发送控制信号至执行机构；控制信号采用脉宽调制方式，以确保平稳操作；执行前，进行安全校验；

效果评估：在执行措施后，实时监测电源参数变化；评估周期设置为每500毫秒一次，如果参数在设定时间内未恢复正常，则触发备用措施或升级处理；若切断部分负载后电压仍过高，则自动切换至完全断开主电源；

日志记录：将自动处理过程记录到非易失存储器中，包括时间戳、措施类型和结果，用于后续分析和系统优化；同时，通过通信模块向监控中心发送处理报告，实现远程监控。

8.根据权利要求7所述的用于电源安全防护的紧急报警系统，其特征在于，所述自动处理模块中实时监测电源参数变化，包括：指标恢复度、系统稳定性、恢复速度、代价函数；

模糊综合评价：使用模糊逻辑系统，将指标的实测值转化为优、良、中、差模糊评语，并加权融合得到一个综合效果评分 ；

动态策略调整：根据 决定后续动作：

：效果优秀，记录此状态‑措施对为正样本，用于强化学习模型更新，流程结束；

：效果一般，触发备用措施或进行参数微调；

：效果差，判定当前措施失败，立即向措施选择进行反馈，并携带当前状态信息，以启动其他处理方案。