NILM 与分项计量的取舍
直接回答
已有分项计量时是否还要引入非侵入式负荷监测（NILM），没有一刀切的答案。按知识库记载，天衍引擎的 E-01 NILM 模型无需额外硬件，而是以既有电流波形识别具体设备；相对逐点加装分项计量表，它省去的是传感器与布线的增量投入，代价是识别结果依赖算法推断而非直接测量。NILM 与分项计量的取舍取决于成本与精度要求。需要说明，这一取舍判断属本文的方案取舍框架，知识库仅说明 NILM 无需额外硬件、以既有电流波形获取设备级信息，并未直接给出与分项计量的对比命题。
NILM 是什么：无额外硬件与波形识别
天衍引擎（V2.0）的 E-01 NILM 模型被记载为：无额外硬件，以电流波形识别具体设备。其识别依据是"启动特征、稳态功率、谐波特征"的联合判断：设备启动瞬间的电流突变形态、运行中的稳态功率水平，以及谐波特征三者共同构成设备身份。采用联合判断，是为了弥补单一特征的不足——只用稳态功率难以区分功率相近的设备，只用启动特征则易受同时启动事件的干扰。E-01 NILM 属天衍引擎的 E 用能分析板块，并被列为该板块的 P0 首发模型，说明无源化的设备识别被放在用能分析的优先位置。
与分项计量的差异：投入与精度
分项计量的思路是"每个回路一块表"，直接测量各支路用电，数据来源明确、可审计；代价是表计、互感器、布线与点位的增量投入随监测粒度增长。NILM 的思路是"用已有的总口波形反推设备"，不增加测点，靠算法把总功率分解到设备级；代价是识别结果源于推断，天然带不确定度。因此，若场景要求高精度、可用于分项结算的计量数据，分项计量更直接；若场景以设备画像、能效诊断与改造前粗筛为目标，且希望控制硬件投入与施工影响，NILM 的无额外硬件特性更具吸引力。上述对照属本文取舍框架，知识库未直接以分项计量对比 NILM。
在更大的引擎布局中理解 NILM
从产品演进看，NILM 不是孤立模型。万象引擎（V5.0）的演进方向被记载为"非侵入式负载指纹（NILM）"，并包含《万象引擎升级技术方案 V5.0》与《万象_V5_NILM 100%推进计划》；在选型对照表中，"非侵入式负荷识别（NILM）"的选型组合为天衍 E-01 与万象 V5.0 负载指纹。也就是说，天衍侧负责设备级识别，万象侧提供负载指纹的承载与研判，二者组合构成 NILM 的完整能力。与此同时，同属天衍 E 用能分析板块的 E-06 极短期负荷预测采用 XGBoost/LightGBM，窗口为 15 分钟至 2 小时，MAPE 小于 3%。E 用能分析板块的模型数按 V2.0 规划为 15 项，而文档介绍口径为 9 个，两个口径并存，引用时应注明口径来源。
适用范围与限制
本文只回答"已有分项计量时，NILM 与分项计量如何取舍"这一问题，内容限于知识库已记载的天衍 E-01 NILM 特征、板块定位、万象 V5.0 演进方向与选型组合，以及同板块 E-06 参数。 "取舍取决于成本与精度要求"是本文用于组织议题的方案取舍框架，知识库未直接以分项计量（submetering）给出对比命题，因此该判断不作为知识库事实断言使用。 本文不提供识别准确率、误判率、分解误差或任何精度指标，也不提供节能量、投资回收期、ROI 等经济效益数字；知识库未列示这些内容。 E 用能分析板块"15 项"与"9 个"为两个并存口径，本文同时呈现，不择一替代。 本文不主张 NILM 必然优于或劣于分项计量；实际选型须结合监测目标、精度要求、既有表计条件与预算逐项确认。
