千知引擎 V4.1 的感知体系，一句话说是一个「模型 × 维度」矩阵：横向是 50 个参数子模型（当前 20 个核心 M01-M20），纵向是 7 维感知 D1-D7。模型负责回答「看什么参数」，维度负责回答「从哪种角度判断」。所以评估千知的能力，不能只盯着「50 个」这个数量，而要看模型与维度的组合是否覆盖了目标参数；同时必须分清口径——知识库里既有「当前 20 个核心」，也有「规划 50 个」的表述。需要先说明：把千知感知体系归纳成「模型×维度」矩阵，是本文用于组织议题的分析框架；知识库并未逐项展开这些子模型的算法实现，也没有把规划中的 50 个子模型写为已交付能力。下文涉及的子模型名称、维度、分数段与阈值，均取自知识库的可核验条目。
模型侧：20 个核心子模型分别在感知什么
知识库把当前 20 个核心子模型分成三组。
第一组是「基础生命体征」M01-M05，处理电气系统最基础的五类量：电压采用双限对称算法，电流看的是过载系数，温度做位置感知修正，漏电走时序趋势并带红线前置，接地则识别 TN/TT/IT 三种系统。这一组回答的是「系统还活着吗、各项基本体征是否越界」。
第二组是「电能质量体检」M06-M12，覆盖七类电能质量问题：谐波（2-50 次加 THD）、电压不平衡、电流不平衡（用序分量）、功率因数、电压暂降（参照 ITIC/SEMI F47）、电压波动（IEC 61000-4-15）、间谐波。这一组回答的是「供电质量好不好、扰动来自哪里」。
第三组是「深层隐患挖掘」M13-M20，指向那些尚未直接表现为告警、但已在积累的风险：谐振风险、绝缘状态（老化模型）、振动分析、局放检测、零序电流、负序分量、谐波互调、闪变综合（Pst/Plt）。这一组回答的是「眼下还正常，但未来会不会出问题」。
三组之间是递进关系：从当下体征，到质量水平，再到未来隐患。把参数名和编号一并记住，是读懂千知输出的前提。
维度侧：同一参数为什么要有 7 种看法
如果只有模型没有维度，感知就退化成「越限报警」。知识库给出 7 维感知矩阵，给同一参数配了 7 种判断角度：
- D1 幅值：当前值离边界有多远； - D2 变化率：值变化得有多快； - D3 趋势漂移：是否在缓慢、持续地偏离基线——这一维被标注为核心； - D4 异常密度：单位时间内异常出现的频次； - D5 波动幅度：值抖动的剧烈程度； - D6 关联验证：与其他参数的现象是否互相印证； - D7 时序风险评分：把以上信息综合成一个 0-100 的分数，用于整体决策。
一个直观的例子是温度：D1 看当前多少度，D2 看升温多快，D3 看是否长期缓慢上升，D5 看波动是否剧烈，D7 再给综合风险分。同一组温度数据因此能区分「偶发波动」和「持续劣化」——这正是 7 维相对单点阈值报警的差别所在。
结果侧：6 级告警与安全红线
模型与维度的计算最终要落成可执行的结论。知识库定义 6 级告警体系，按 0-100 分排列：正常（85-100）、关注 Watch（70-84）、YJ1（55-69）、YJ2（40-54）、BJ1（20-39，要求 48 小时内处置）、BJ2（0-19，要求立即停机）。每条告警不只给一个等级，还携带标准条文引用、四维影响标签（安全/效率/寿命/碳排各 0-100 分）、置信度与场景标签。也就是说，千知的输出不是「报警了」三个字，而是「什么等级、依据哪条标准、影响哪几个维度、有多大把握」。
在 6 级告警之外，还有一组更高优先级的东西：安全红线守卫。知识库列出 5 条不可绕过、任何人均无法调高阈值的红线：
- 剩余电流 ≥300mA，依据 GB 13955； - 接地电阻异常开路，依据 GB 50057； - 三相电压不平衡 >15%，依据 GB/T 15543； - 线路温度 ≥110°C，依据 GB 16895； - 绝缘电阻 <0.5MΩ，依据 GB/T 16895。
红线与普通告警的分工很清晰：普通告警参与加权与分级，红线直接命中最高级结论，不参与加权运算——用知识库的说法，是「国标底线永不突破」。
指纹与时效：谐波指纹库与约 800ms
在电能质量方向，知识库还给出一个具名的落地机制：谐波指纹库含 14 类设备指纹，示例包括 FP-01 三相整流器、FP-03 变频器 6 脉冲、FP-05 UPS、FP-06 充电桩、FP-12 光伏逆变器等。它通过余弦相似度 >0.85 做匹配，知识库称可在 2 小时锁定污染源，而传统方式需数周。在选型对照中，「谐波溯源与责任划分」对应的正是千知 M06 加指纹库，再加天衍 Q-01（IEEE 1459）。
时效方面，知识库的技术规格为单轮分析约 800ms（L4 层）、全并行，覆盖 GB/T 12325、GB/T 14549、GB/T 15543 等 13 条主要标准。放到太一七级流水线里看：L4 千知分析为 50 个子模型并行（约 800ms），经 L5 万象研判、L6 融合决策（千知×万象加权综合健康度）、L7 持久化，端到端 <2 秒，数据接入成功率 99.9%。理解千知在链路中的位置，有助于分清「千知负责辨物」与「万象负责识境、天衍负责预测」的边界。
版本口径与本文不主张什么
第一个必须说清的，是数量口径。知识库对千知子模型数列出多种口径，引用时须注明版本：一种口径为「20 个核心 / 规划 50+」，另一种口径采用 M01-M27 共 27 个子模型，分核心参数组 M01-M12、谐波+三相组 M13-M18、特殊+绝缘组 M19-M27。因此，任何关于「千知到底多少个模型」的说法，都应先交代口径；把规划口径当作已交付能力，是不严谨的。
第二，本文只解析「模型有哪些、维度有哪些、结果怎么分级」，不展开任何子模型内部的算法实现。知识库提到的 Prophet、Holt-Winters、XGBoost 等属于天衍引擎侧内容，不在本篇讨论范围，也不据此外推千知的参数或精度。
第三，知识库列出的量化价值指标（电气隐患识别率 95%+、告警压缩比 80%、预警提前量 4-12 周、故障定位时间数天到 2 小时、MTTR 缩短 60%、综合节能空间 8-20% 等）均为供应商自述。它们可以当作厂商能力主张来引用，不应被当作已核验的实测结论。
第四，本文不声称任何未在知识库出现的子模型、维度、阈值、认证或案例；所述分数段与阈值均以知识库对应条目列示者为限，不作范围外推，也不推断 M01-M20 的内部算法或实现细节。
结论
千知 V4.1 的感知体系可以这样理解：以 20 个核心子模型（规划 50 个）覆盖生命体征、电能质量与深层隐患三类参数，用 7 维感知把每个参数从幅值、变化率、趋势漂移、异常密度、波动幅度、关联验证到时序风险评分看一遍，再以 6 级告警输出可执行等级、以 5 条安全红线守住国标底线；谐波指纹库与约 800ms 的并行分析构成了它在电能质量方向的具体能力。对技术决策者而言，选型时真正要问的不是「千知有多少个模型」，而是「我要感知的那几个参数，落在哪个 M 子模型、有没有对应的维度覆盖」；对集成方而言，对外表述务必把 20 核心与 50 规划分开写清。矩阵可以按需拆解，具体能力边界仍须以知识库对应条目为准。
