数字能源

NILM 稳态功率与谐波特征联合

产品知识库把 E-01 NILM 的识别依据表述为启动特征、稳态功率与谐波特征联合;单一特征不足以稳定区分相近设备,谐波特征提供把相近功率设备分开的分辨力。

2026-09-20 数字能源 微物联 4 分钟
NILM 稳态功率与谐波特征联合
NILM 稳态功率与谐波特征联合

直接回答

NILM 之所以要把稳态功率与谐波特征联合使用,是因为单一特征不足以稳定区分相近设备。产品知识库把天衍引擎(大模型)的 E-01 非侵入负荷分解模型(NILM)的识别依据表述为“启动特征、稳态功率、谐波特征联合”。在这个三特征组合里,稳态功率提供设备长期运行的基准像,谐波特征提供区分细微差异的分辨力,两者与启动特征一起,才构成一台设备可匹配的指纹。它们回答的是“这是哪台设备”,而不是“总共用了多少电”。

一、稳态功率:设备运行时的基准像

设备进入稳定运行后,会落在某个相对固定的功率水平上。产品知识库把稳态功率列为识别依据之一,说明这一水平本身带有设备属性:不同设备长期工作时的功率形态各有差异。稳态功率的价值在于它稳定、易取,适合作为比对的第一层筛选。但它的局限也很直接——功率相近的设备可能落在同一水平上,仅凭这一层无法把它们分开。

二、谐波特征:区分度的来源

交流电流并非纯净正弦,其中包含的谐波成分及其分布形态随设备的用电方式而变化。产品知识库记载,谐波指纹库含 14 类设备指纹,采用余弦相似度大于 0.85 匹配,可用于设备区分。这条记载为“谐波特征可用于设备区分”提供了直接佐证:谐波不只是电能质量指标,在 NILM 语境里,它是把相近功率设备区分开来的第二层判据。启动瞬态来得快、去得也快,稳态功率又可能重叠,谐波分布相对稳定,正好补上中间这一层。

三、联合的意义

把三类特征放在一起,目的是让判定不再依赖任何单一维度。启动特征捕捉瞬变形态,稳态功率锚定运行水平,谐波特征刻画用电方式的细节。三者并置,构成一台设备的完整指纹。产品知识库对 E-01 的表述用的是“联合”二字,说明识别是三类特征共同作用的结果,而不是任一类单独完成。理解这一点,才能明白为什么“只看稳态功率”或“只看谐波”都不足以支撑稳定的设备识别。

四、E-01 在板块与选型中的位置

产品知识库记载,E-01 NILM 属于天衍引擎的 E 用能分析板块,并被列为该板块的 P0 首发模型;该板块的规划模型数为 15 项,文档介绍口径为 9 个。在选型对照表中,非侵入式负荷识别的选型组合为“天衍 E-01 加万象 V5.0 负载指纹”。产品知识库还记载,万象引擎(大模型)V5.0 的演进方向正是非侵入式负载指纹。也就是说,谐波特征所支撑的负载指纹能力,横跨天衍与万象两款引擎,并在万象侧处于演进方向的位置。

五、与千知引擎现有子模型的关系

产品知识库记载,千知引擎(大模型)的核心架构为 50 个参数子模型(当前 20 个核心 M01-M20)乘 7 维感知。NILM 归属天衍 E-01 与万象 V5.0,而不是千知引擎现有的子模型。做能力归位时应分清这一点,避免把负载指纹算作千知现有子模型,也避免把三款引擎的定位相互替代。

六、读联合特征时的边界

联合特征解决的是识别路径问题,不回答量化精度。产品知识库没有为 NILM 给出识别准确率或适用负载的量化边界,本文也不作推断。落地时要看三件事:采集链路能否保留启动瞬态与谐波分布,设备指纹是否完备,设备与标签的对应是否清晰。谐波特征之所以关键,是因为它在这三个条件里最难被替代——功率可以量、瞬态可以抓,但只有谐波分布能稳定地把相近设备区分开来。

适用范围与限制

第一,本文只复述产品知识库所列内容:E-01 NILM 的识别依据为启动特征、稳态功率与谐波特征联合;谐波指纹库含 14 类设备指纹、以余弦相似度大于 0.85 匹配。第二,E-01 属天衍引擎 E 用能分析板块并列为 P0 首发模型,板块模型数为 15 项(介绍口径 9 个),均以知识库所列为限。第三,万象 V5.0 的非侵入式负载指纹以其演进方向与所列为限,不把演进方向当作已交付的现成能力。第四,千知引擎的 50 个子模型与当前 20 个核心子模型的表述以知识库为限,NILM 不归入其中。第五,本文不给出识别准确率、适用负载量化边界或采样要求;知识库未提供这些边界,故不作推断。

相关知识

为什么说微物联是一家生产数据的公司?
数字能源

为什么说微物联是一家生产数据的公司?

“生产数据”不是简单采集数据,也不是把设备接到平台上。微物联关注的是从电信号中提取可用特征,从运行状态中生成风险判断,从设备行为中沉淀管理价值,让数据真正服务能源效率与电气安全。

2026-08-18
15分钟到2小时预测窗口的用途
数字能源

15分钟到2小时预测窗口的用途

天衍引擎的 E-06 极短期负荷预测采用 XGBoost 与 LightGBM,预测窗口为 15 分钟至 2 小时,MAPE 小于 3%。该窗口的用途是支撑临近时段的设备级运营动作,而不是替代中长期规划;同一引擎体系中 S-02 剩余电流趋势漂移可提前 4 至 12 周预警,说明引擎覆盖从周级到分钟级的不同尺度。太一智控中枢系统七级流水线以 L7 持久化收口,端到端小于 2 秒、数据接入成功率 99.9%,为该窗口提供准实时的供数链路。

2026-09-22
为什么说微物联是一家生产数据的公司?
数字能源

为什么说微物联是一家生产数据的公司?

「生产数据的公司」不是口号:连接与采集只是起点。本文把微物联解释为一条可核验的数据生产链——板载异形罗氏线圈 1μs 级异常电流抓取与微安级泄漏电流采集(§1.1)、§3-§4 监测产品线把物理量结构化、§8.1 四层架构与 §8.2 协议矩阵上行 FEXCloud、千知 50 子模型×7 维/万象 18 级场景树/天衍 67 模型(§11.1-§11.3)、太一七级流水线端到端<2 秒(§11.5),最终形成可视化、告警、报表与巡检。品牌定位与「信号→特征→判断→管理价值」及四类数据产出为编辑性框架(CLM-021,未验证)。

2026-09-13

想深入了解微物联方案?

联系微物联方案团队,获取定制化方案与技术支持。