AI分析系統的數據來源是什麼？
AI分析系統的數據來源於微物聯100+類智能硬體採集的電信號與運行狀態數據。包括電壓、電流、功率、功率因數、231次諧波、漏電、溫度、電弧、SPD狀態、雷電流、接地電阻等多維電特徵參數。诊断引擎+關聯分析引擎雙AI引擎基於這些數據，通過168 個子模型和预测引擎大模型V3.0實現電氣安全隱患分析、電弧早期預警和設備健康診斷，AI預警準確率達97.2%。
AI分析系統的數據來源是什麼？
AI分析系統的數據來源於微物聯100+類智能硬體採集的電信號與運行狀態數據。包括電壓、電流、功率、功率因數、231次諧波、漏電、溫度、電弧、SPD狀態、雷電流、接地電阻等多維電特徵參數。诊断引擎+關聯分析引擎雙AI引擎基於這些數據，通過168 個子模型和预测引擎大模型V3.0實現電氣安全隱患分析、電弧早期預警和設備健康診斷，AI預警準確率達97.2%。
相關知識
常見問題
AI 分析系統的資料來自哪類硬體？
來自微物聯 100+ 類智能硬體的電信號與運行狀態數據，涵蓋電壓、電流、功率、諧波、漏電、溫度、電弧與 SPD 狀態。所以接入前按這 100+ 類清點測點，缺項再補傳感器。
雙 AI 引擎用多少子模型做隱患分析？
診斷引擎與關聯分析引擎用 168 個子模型，配合預測引擎大模型 V3.0 做隱患分析、電弧早期預警與設備健康診斷。所以驗收時要求廠商說明每個子模型覆蓋的故障類型。
97.2% 的預警準確率該怎麼看待？
97.2% 是雙引擎在隱患分析、電弧早期預警與設備健康診斷上的結果指標，前提是測點齊、數據連續。所以要同時問樣本量、誤報處理與人工複核機制，別只看一個百分數。
諧波、漏電、電弧為什麼放進同一份採集清單？
微物聯把電壓、電流、功率、功率因數、231 次諧波、漏電、溫度、電弧、SPD 狀態、雷電流與接地電阻列為同一批多維電特徵。所以接入時逐項打勾，缺一項就少一個診斷維度。
沒有 10μA 級漏電檢測，還能判漏電隱患嗎？
難，從 10μA 級漏電到 100MHz 的電信號捕捉是分析基礎，量測下限不夠時，模型再大也拿不到可用的漏電特徵。所以選型先問量測下限與採樣頻寬，再評估算法與準確率。