直接回答
千知引擎对一路电气信号的判断，不是"一个数值超没超限"，而是同时从七个维度打分，合成一个 0-100 的连续风险分：D1 幅值、D2 变化率、D3 趋势漂移、D4 异常密度、D5 波动幅度、D6 关联验证、D7 时序风险评分。一句话：单阈值报警看的是"现在超没超"，七维矩阵看的是"现在有多严重、是不是真的、明天会怎样"——七个维度各自独立评分，再按规则合成，最后映射到 6 级告警。这就是"感知"区别于"测量"的地方。
一、为什么单阈值报警不够
传统电气监测最常见的做法是设一个阈值：温度超过 65℃ 报警，电流超过 1000A 报警。它简单，但有两个先天缺陷。
一是漏报。 隐患是慢慢发展的。SPD 的泄漏电流从 200μA 缓慢爬到 800μA，趋势已经很明确，但只要没碰阈值，系统就一声不吭——等真正越限时，往往离故障已经很近。阈值报警永远只能告诉你"已经晚了"。
二是误报。 一次负荷投切、一次电压暂降，都可能让某个数值瞬间越限，但它是正常扰动，不是隐患。单阈值分不清"真越限"和"假越限"，结果就是告警轰炸，值班人员最终对告警麻木。
漏报与误报是一枚硬币的两面：阈值定松了漏报，定紧了误报。这个缺陷在电气安全场景里被放大——电气隐患的典型特征就是"来得慢、藏得深"：接触电阻劣化按周月发展，绝缘老化按年发展，等数值越限时，可处置的时间窗口往往已经很窄。要同时压低漏报与误报，只能不看单个点，而看多个维度的联合证据。
二、七维矩阵总览：从 D1 到 D7
七维不是七个并列的"更高阈值"，而是从七个不同角度刻画同一路信号：
| 维度 | 名称 | 回答的问题 |
|---|---|---|
| D1 | 幅值 | 信号现在多大？超没超量程？ |
| D2 | 变化率 | 短时间内变化有多快？ |
| D3 | 趋势漂移 | 长期基线在往哪个方向走？ |
| D4 | 异常密度 | 单位时间内异常事件多不多？ |
| D5 | 波动幅度 | 信号抖动有多大？稳不稳？ |
| D6 | 关联验证 | 与其它测点/其它量是否互相印证？ |
| D7 | 时序风险 | 风险在时间轴上累积到了什么程度？ |
每个维度由独立子模型打分，互不干扰；七个分数合起来，才构成对"这一路信号现状与趋势"的完整描述。
三、D1-D3：幅值、变化率与趋势漂移
D1 幅值是最基础的维度，接近传统越限判断，但输出不是"超/不超"，而是 0-100 的连续分：离额定越远、超量程越多，分越高。它保留了传统报警的敏感性。
D2 变化率回答"变化快不快"。同一时刻幅值都正常的两路信号，一路 10 分钟内爬了 5%，另一路 10 分钟内爬了 50%——前者可能是负荷波动，后者更可能是接触电阻劣化。变化率维度让"快"和"慢"被区分开。
D3 趋势漂移回答"长期往哪走"。它基于一段时间的基线做趋势判断：基线稳定、缓慢上移、明显上漂、加速上漂，对应不同的风险档。趋势漂移正是抓"慢隐患"的关键——SPD 泄漏电流几百微安级别的上升，单看幅值毫不起眼，但趋势一漂移，早期风险就浮出水面。需要说明的是，趋势判断必须建立在稳定基线上：如果基线本身在漂（比如某园区空调负荷让夏季电流基线整体上移），算法需要先做季节与负荷归一化，否则会把正常负荷变化误判为劣化。这也是趋势维度要和幅值、密度维度交叉验证的原因——基线移动往往是全站同步的，而劣化通常只出现在个别测点。
四、D4-D5：异常密度与波动幅度
D4 异常密度统计单位时间内异常事件的次数。偶尔一次越限可能是扰动；短时间内反复出现越限，即使每次都不严重，也可能意味着设备状态在恶化。密度维度把"频率"纳入判断。
D5 波动幅度刻画信号的稳定性。同一路电压，波形平稳和剧烈抖动，背后是完全不同的物理状态——谐波污染、设备谐振、电源质量恶化，都会表现为波动加大。波动维度让"稳不稳"成为独立的风险信号。
D4 与 D5 的价值在于：它们不依赖任何单一阈值，而是刻画信号的整体"脾气"。设备劣化往往先表现为"脾气变坏"（更频繁、更抖），再表现为"数值越限"。
五、D6-D7：关联验证与时序风险评分
D6 关联验证是把"这一路"放进"整个系统"里看。单个测点温度高，可能是传感器问题，也可能真的过热；但如果相邻端子温度同步升高、同回路电流同步增大、谐波同步恶化——多路信号互相印证，结论的可信度就完全不同。关联验证是压低误报的最强手段。
D7 时序风险评分回答"风险在时间轴上累积到什么程度"。它把 D1-D6 的结果按时间加权：一次轻微越限分不高，但如果它反复出现、且间隔越来越短，时序风险分就会累积升高。时序维度让"历史"参与当前判断。需要说明的是，时序评分需要一定长度的历史数据支撑：新接入站点在数据不足时，该维度以保守默认值参与合成，随着数据积累逐步放权——这也是新站点初期告警偏保守的原因之一。
六、七维怎么合成：从 0-100 风险分到 6 级告警
七个分数合成不是简单平均，而是分层的：
- 基础分：D1/D2/D3 决定当前严重度； - 修正：D4/D5 调整"持续性"与"稳定性"； - 验证：D6 通过则上调可信度，不通过则下调； - 累积：D7 把时间因素加进去。
合成结果是一个 0-100 的连续风险分。从工程实现看，七个子模型并行打分、合成权重可配置，带来两个实际好处：一是不同场景可以有不同的侧重点——数据中心重温度趋势、配电房重电流谐波、防雷重泄漏电流漂移；二是运营方可以按现场反馈调整某一维度的权重，而不需要重训整个引擎。0 表示完全正常，100 表示立即处置。风险分再映射到 6 级告警：低分段对应观察级、信息级；中分段对应预警级、提示级；高分段对应告警级、紧急级。与单阈值"0/1"式的输出相比，连续风险分的优势在于可分级、可排序、可跟踪——运维人员能看到风险在"涨"还是"跌"，而不是只能等一声报警。
七、一个实例：电压暂降如何被七维"看穿"
某车间馈线出现一次电压暂降，幅值从 380V 掉到 340V，持续 3 个周波。传统单阈值怎么判断？如果阈值设 360V，这算越限，报警；如果设 340V，不报——两种设定都错。
七维怎么看：D1 幅值明显下降（分高）、D2 变化率大（分高）、D5 波动幅度升高（分高），但 D3 趋势漂移不明显（暂降前后基线没有变化）、D4 异常密度低（单次事件）、D6 关联验证发现暂降期间馈线电流同步上升、母线电压同步跌落（多路印证，真实事件）、D7 时序风险分不累积（未反复出现）。
合成结果：这是一次真实的、单次的、非持续恶化的事件——风险分中等偏高，给出预警级告警并附带事件描述，而不是紧急级轰炸。运维人员收到后做一次现场核查即可，不会被"假紧急"消耗。这个例子还说明七维的价值不在"更灵敏"而在"更准确"：同样的暂降事件，单阈值要么漏要么炸，七维给出的是"一次真实但非持续的扰动"这个准确描述——既不失报，也不轰炸。
八、工程价值与使用边界
七维矩阵的工程价值可以总结为三点：
第一，告警量下降。 关联验证与密度判断把大量单点扰动挡在门外，告警压缩到真正值得看的级别。
第二，早期风险可见。 趋势漂移与时序累积让"还没越限但正在恶化"被看见，把处置窗口提前。
第三，可解释。 每个风险分都可以拆回七个维度：为什么是 72 分？D3 趋势上漂 + D4 密度上升 + D7 累积——证据链完整，值班人员知道该信什么、该查什么。
使用边界也要说清：七维矩阵是"感知层"的判断能力，它的输入是现场采集的数据质量——传感器坏、数据断、采样不同步，任何一维都会失真；它的输出是风险提示，不是故障定位结论，现场处置仍需结合设备工况与人工复核。
适用范围与限制
本文解释的七维感知矩阵适用于理解千知引擎的风险评分机制；"0-100 风险分"与"6 级告警映射"为平台设计口径，具体映射规则与子模型参数以产品资料为准。七维判断依赖边缘数据质量与同步采样，现场部署需保证采集链路完整；本文的电压暂降实例为示意性脱敏场景，不代表特定项目数据。七维矩阵不替代现场运维规程，高等级告警仍需人工复核处置。
