直接回答
谐波与电机振动、局部放电之间的关联，在产品知识库中落在同一套分析体系里。产品知识库记载，千知引擎的深层隐患挖掘子模型把振动分析与局放检测列为并列维度，与谐振风险、绝缘状态等一同归入隐患挖掘；同时电能质量体检子模型提供 2 至 50 次并含总谐波畸变率的谐波量测。谐波提供电侧特征，振动与局放提供机械与绝缘侧特征，两者由关联验证与跨维度关联规则串联，再以谐波指纹库定位污染源，最终支撑预测性维护决策。产品知识库还把设备寿命预测与预测性维护的组合记为天衍引擎 S-02、S-04、S-13 与 17 个专题模型，其中 S-02 可提前 4 至 12 周预警。以下按条目展开。
一、把谐波放进深层隐患挖掘序列
产品知识库记载，千知引擎的深层隐患挖掘子模型 M13 至 M20 依序为：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。其中振动分析为第 3 项，局放检测为第 4 项。
这一排序的意义在于：振动与局放并非独立功能，而是与谐振、绝缘、谐波等并列的隐患维度。对旋转设备而言，振动反映机械状态，局放反映绝缘状态，两者与电侧的谐波互调、负序分量放在同一序列中，构成电气、机械、绝缘的联合视角。谐波之所以能与振动、局放关联，基础正在于它们被纳入同一套隐患挖掘体系，而不是各自孤立报警。
二、千知的谐波量测基础
要谈关联，先要有可靠的谐波量测。产品知识库记载，千知引擎电能质量体检子模型 M06 至 M12 含谐波监测，次数范围为 2 至 50 次并含总谐波畸变率；同组还包括电压不平衡、电流不平衡序分量、功率因数、电压暂降、电压波动与间谐波。
谐波监测为后续关联提供量测基础：2 至 50 次的谐波数据勾勒出电侧的频率成分，而旋转设备的振动与局放特征往往与特定谐波成分同时变化。把谐波与振动、局放并读，才可能从“设备在振”或“存在局放”推进到“为何发生”。本文按产品知识库原样引用次数范围与同组内容，不推断各次谐波的采样方式或精度。
三、七维感知与关联验证
产品知识库记载，千知引擎的 7 维感知矩阵为 D1 幅值、D2 变化率、D3 趋势漂移（核心）、D4 异常密度、D5 波动幅度、D6 关联验证、D7 时序风险评分（0 至 100 分综合决策）。其中 D6 关联验证用于跨参数、跨维度联合研判。
谐波与振动、局放的关联正是在 D6 落地的：单一维度的异常可能只是扰动，若谐波与振动在同一时段同向变化，则关联验证会给出更强的判据。D7 再把相关维度汇总为 0 至 100 分的综合评分，支撑分级处置。换言之，关联不是把两条曲线放在一起看，而是把跨维度的一致变化作为独立判据纳入评分。
四、万象的关联引擎与关联规则
产品知识库记载，万象引擎含 9 大专用分析引擎，其中包含温度、电压、电流与谐波关联引擎，用于谐波与其他参数的关联计算。除引擎外，产品知识库还记载万象引擎的 49 条跨维度关联规则（分 5 域），其中含“谐波高加无功补偿投入指向谐振风险”、“总谐波畸变率与功率因数同步恶化指向谐波干扰无功”与“零序电流持续指向单相接地溯源”等。
这些规则给出了关联的具体形态：谐波与无功、功率因数、零序电流之间并非孤立，而是有可识别的组合模式。对谐波与旋转设备的关联而言，可理解为：谐波变化与设备侧特征若同时出现，应作为组合线索而非单点报警。本文按产品知识库原样转述规则示例，不扩展规则之外的判据。
五、谐波指纹库与污染源定位
关联分析若要落到“是谁产生谐波”，需要指纹能力。产品知识库记载，谐波指纹库含 14 类设备指纹，如三相整流器、六脉冲变频器、不间断电源、充电桩、光伏逆变器等，以余弦相似度大于 0.85 进行匹配，可在 2 小时内锁定污染源，而传统方式需数周。
指纹库与关联诊断互补：关联规则回答哪些量一起变化，指纹库回答变化更像哪类设备。对驱动旋转设备的谐波源而言，先以指纹缩小设备类别，再结合振动与局放确认旋转部件状态，形成从源到设备的链条。本文只转述类数、匹配阈值与锁定时间口径，不推断其识别准确率。
六、从关联诊断走向预测性维护
产品知识库记载，设备寿命预测与预测性维护方向的选型组合为天衍引擎的 S-02、S-04、S-13 与 17 个专题模型；其中 S-02 为剩余电流趋势漂移模型，采用累积和变化点检测，可提前 4 至 12 周预警。
把这一条与前述关联并读，可以看到路径：谐波量测与关联规则提供特征，振动与局放提供设备侧证据，趋势类模型再把缓慢劣化转成提前预警。预测性维护因此不是单一模型的产物，而是关联诊断之后的决策延伸。本文只引用模型组合与预警窗口，不推断其误报率。
七、监测上的利用顺序
第一步，确保谐波量测到位，覆盖 2 至 50 次并含总谐波畸变率。第二步，启用 7 维感知中的关联验证，把谐波与振动、局放放在同一时间轴上比对。第三步，用万象引擎的谐波关联引擎与跨维度关联规则形成组合线索。第四步，以谐波指纹库匹配设备类别，缩小污染源范围。第五步，对趋势性劣化启用预测性维护组合，按提前预警窗口安排检修。
这条顺序的关键在于先后：先保证量测到位，再谈关联；先缩小污染源，再做设备侧确认；最后才进入维护决策。若跳过量测或清洗，后续关联与指纹都缺少可靠输入。
适用范围与限制
- 本文以产品知识库对千知引擎深层隐患挖掘子模型、7 维感知矩阵、电能质量体检子模型、万象引擎关联引擎与关联规则、谐波指纹库，以及设备寿命预测与预测性维护组合的既有表述为限。 - 子模型序号、7 维名称与综合评分区间、谐波次数范围与关联规则示例、指纹类数与相似度阈值及锁定时间，均为产品知识库口径。 - 预测性维护组合与提前预警窗口（4 至 12 周）按产品知识库原样引用，本文不推断其对具体设备的适用性。 - 本文不摘引相关标准的条款原文，也不以标准名义给出未核对的限值。 - 本文不构成对具体项目诊断准确性或维护效果的承诺；实际能力以最新产品资料与项目方案为准。
