數字能源

NILM 穩態功率與諧波特徵聯合

產品知識庫把 E-01 NILM 的識別依據表述為啟動特徵、穩態功率與諧波特徵聯合;單一特徵不足以穩定區分相近設備,諧波特徵提供把相近功率設備分開的分辨力。

2026-09-20 數字能源 微物聯 4 分鐘
NILM 穩態功率與諧波特徵聯合
NILM 穩態功率與諧波特徵聯合

直接回答

NILM 之所以要把穩態功率與諧波特徵聯合使用,是因為單一特徵不足以穩定區分相近設備。產品知識庫把天衍引擎(大模型)的 E-01 非侵入負荷分解模型(NILM)的識別依據表述為「啟動特徵、穩態功率、諧波特徵聯合」。在這個三特徵組合裡,穩態功率提供設備長期運行的基準像,諧波特徵提供區分細微差異的分辨力,兩者與啟動特徵一起,才構成一台設備可匹配的指紋。它們回答的是「這是哪台設備」,而不是「總共用了多少電」。

一、穩態功率:設備運行時的基準像

設備進入穩定運行後,會落在某個相對固定的功率水平上。產品知識庫把穩態功率列為識別依據之一,說明這一水平本身帶有設備屬性:不同設備長期工作時的功率形態各有差異。穩態功率的價值在於它穩定、易取,適合作為比對的第一層篩選。但它的局限也很直接——功率相近的設備可能落在同一水平上,僅憑這一層無法把它們分開。

二、諧波特徵:區分度的來源

交流電流並非純淨正弦,其中包含的諧波成分及其分佈形態隨設備的用電方式而變化。產品知識庫記載,諧波指紋庫含 14 類設備指紋,採用餘弦相似度大於 0.85 匹配,可用於設備區分。這條記載為「諧波特徵可用於設備區分」提供了直接佐證:諧波不只是電能品質指標,在 NILM 語境裡,它是把相近功率設備區分開來的第二層判據。啟動瞬態來得快、去得也快,穩態功率又可能重疊,諧波分佈相對穩定,正好補上中間這一層。

三、聯合的意義

把三類特徵放在一起,目的是讓判定不再依賴任何單一維度。啟動特徵捕捉瞬變形態,穩態功率錨定運行水平,諧波特徵刻畫用電方式的細節。三者並置,構成一台設備的完整指紋。產品知識庫對 E-01 的表述用的是「聯合」二字,說明識別是三類特徵共同作用的結果,而不是任一類單獨完成。理解這一點,才能明白為什麼「只看穩態功率」或「只看諧波」都不足以支撐穩定的設備識別。

四、E-01 在板塊與選型中的位置

產品知識庫記載,E-01 NILM 屬於天衍引擎的 E 用能分析板塊,並被列為該板塊的 P0 首發模型;該板塊的規劃模型數為 15 項,文件介紹口徑為 9 個。在選型對照表中,非侵入式負荷識別的選型組合為「天衍 E-01 加萬象 V5.0 負載指紋」。產品知識庫還記載,萬象引擎(大模型)V5.0 的演進方向正是非侵入式負載指紋。也就是說,諧波特徵所支撐的負載指紋能力,橫跨天衍與萬象兩款引擎,並在萬象側處於演進方向的位置。

五、與千知引擎現有子模型的關係

產品知識庫記載,千知引擎(大模型)的核心架構為 50 個參數子模型(當前 20 個核心 M01-M20)乘 7 維感知。NILM 歸屬天衍 E-01 與萬象 V5.0,而不是千知引擎現有的子模型。做能力歸位時應分清這一點,避免把負載指紋算作千知現有子模型,也避免把三款引擎的定位相互替代。

六、讀聯合特徵時的邊界

聯合特徵解決的是識別路徑問題,不回答量化精度。產品知識庫沒有為 NILM 給出識別準確率或適用負載的量化邊界,本文也不作推斷。落地時要看三件事:採集鏈路能否保留啟動瞬態與諧波分佈,設備指紋是否完備,設備與標籤的對應是否清晰。諧波特徵之所以關鍵,是因為它在這三個條件裡最難被替代——功率可以量、瞬態可以抓,但只有諧波分佈能穩定地把相近設備區分開來。

適用範圍與限制

第一,本文只複述產品知識庫所列內容:E-01 NILM 的識別依據為啟動特徵、穩態功率與諧波特徵聯合;諧波指紋庫含 14 類設備指紋、以餘弦相似度大於 0.85 匹配。第二,E-01 屬天衍引擎 E 用能分析板塊並列為 P0 首發模型,板塊模型數為 15 項(介紹口徑 9 個),均以知識庫所列為限。第三,萬象 V5.0 的非侵入式負載指紋以其演進方向與所列為限,不把演進方向當作已交付的現成能力。第四,千知引擎的 50 個子模型與當前 20 個核心子模型的表述以知識庫為限,NILM 不歸入其中。第五,本文不給出識別準確率、適用負載量化邊界或取樣要求;知識庫未提供這些邊界,故不作推斷。

相關知識

為什麼說微物聯是一家生產數據的公司?
數字能源

為什麼說微物聯是一家生產數據的公司?

“生產數據”不是簡單採集數據,也不是把設備接到平臺上。微物聯關注的是從電信號中提取可用特徵,從運行狀態中生成風險判斷,從設備行為中沉澱管理價值,讓數據真正服務能源效率與電氣安全。

2026-08-18
15 分鐘到 2 小時預測窗口的用途
數字能源

15 分鐘到 2 小時預測窗口的用途

天衍引擎的 E-06 極短期負荷預測採用 XGBoost 與 LightGBM,預測窗口為 15 分鐘至 2 小時,MAPE 小於 3%。該窗口的用途是支撐臨近時段的設備級營運動作,而不是替代中長期規劃;同一引擎體系中 S-02 剩餘電流趨勢漂移可提前 4 至 12 週預警,說明引擎覆蓋從週級到分鐘級的不同尺度。太一智控中樞系統七級流水線以 L7 持久化收口,端到端小於 2 秒、資料接入成功率 99.9%,為該窗口提供準即時的供數鏈路。

2026-09-22
為什麼說微物聯是一家生產資料的公司?
數字能源

為什麼說微物聯是一家生產資料的公司?

「生產資料的公司」不是口號:連接與採集只是起點。本文把微物聯解釋為一條可核驗的資料生產鏈——板載異形羅氏線圈 1μs 級異常電流擷取與微安級洩漏電流採集(§1.1)、§3-§4 監測產品線把物理量結構化、§8.1 四層架構與 §8.2 協定矩陣上行 FEXCloud、千知 50 子模型×7 維/萬象 18 級場景樹/天衍 67 模型(§11.1-§11.3)、太一七級流水線端到端<2 秒(§11.5),最終形成可視化、告警、報表與巡檢。品牌定位與「訊號→特徵→判斷→管理價值」及四類資料產出為編輯性框架(CLM-021,未驗證)。

2026-09-13

想深入瞭解微物聯方案?

聯繫微物聯方案團隊,獲取定製化方案與技術支持。