NILM 與分項計量的取捨
直接回答
已有分項計量時是否還要引入非侵入式負荷監測（NILM），沒有一刀切的答案。按知識庫，天衍引擎的 E-01 NILM 模型無需額外硬體，而是以既有電流波形識別具體設備；相對逐點加裝分項計量錶，它省去的是感測器與佈線的增量投入，代價是識別結果依賴演算法推斷而非直接測量。NILM 與分項計量的取捨取決於成本與精度要求。需要說明，這一取捨判斷屬本文的方案取捨框架，知識庫僅說明 NILM 無需額外硬體、以既有電流波形取得設備級資訊，並未直接給出與分項計量的對比命題。
NILM 是什麼：無額外硬體與波形識別
天衍引擎（V2.0）的 E-01 NILM 模型被記載為：無額外硬體，以電流波形識別具體設備。其識別依據是「啟動特徵、穩態功率、諧波特徵」的聯合判斷：設備啟動瞬間的電流突變形態、運行中的穩態功率水平，以及諧波特徵三者共同構成設備身分。採用聯合判斷，是為了彌補單一特徵的不足——只用穩態功率難以區分功率相近的設備，只用啟動特徵則易受同時啟動事件的干擾。E-01 NILM 屬天衍引擎的 E 用能分析板塊，並被列為該板塊的 P0 首發模型，說明無源化的設備識別被放在用能分析的優先位置。
與分項計量的差異：投入與精度
分項計量的思路是「每個迴路一塊錶」，直接測量各支路用電，資料來源明確、可審計；代價是表計、互感器、佈線與點位的增量投入隨監測粒度增長。NILM 的思路是「用已有的總口波形反推設備」，不增加測點，靠演算法把總功率分解到設備級；代價是識別結果源於推斷，天然帶不確定度。因此，若場景要求高精度、可用於分項結算的計量資料，分項計量更直接；若場景以設備畫像、能效診斷與改造前粗篩為目標，且希望控制硬體投入與施工影響，NILM 的無額外硬體特性更具吸引力。上述對照屬本文取捨框架，知識庫未直接以分項計量對比 NILM。
在更大的引擎佈局中理解 NILM
從產品演進看，NILM 不是孤立模型。萬象引擎（V5.0）的演進方向被記載為「非侵入式負載指紋（NILM）」，並包含《萬象引擎升級技術方案 V5.0》與《萬象_V5_NILM 100%推進計劃》；在選型對照表中，「非侵入式負荷識別（NILM）」的選型組合為天衍 E-01 與萬象 V5.0 負載指紋。也就是說，天衍側負責設備級識別，萬象側提供負載指紋的承載與研判，二者組合構成 NILM 的完整能力。與此同時，同屬天衍 E 用能分析板塊的 E-06 極短期負荷預測採用 XGBoost/LightGBM，窗口為 15 分鐘至 2 小時，MAPE 小於 3%。E 用能分析板塊的模型數按 V2.0 規劃為 15 項，而文件介紹口徑為 9 個，兩個口徑並存，引用時應註明口徑來源。
適用範圍與限制
本文只回答「已有分項計量時，NILM 與分項計量如何取捨」這一問題，內容限於知識庫已記載的天衍 E-01 NILM 特徵、板塊定位、萬象 V5.0 演進方向與選型組合，以及同板塊 E-06 參數。 「取捨取決於成本與精度要求」是本文用於組織議題的方案取捨框架，知識庫未直接以分項計量（submetering）給出對比命題，因此該判斷不作為知識庫事實斷言使用。 本文不提供識別準確率、誤判率、分解誤差或任何精度指標，也不提供節能量、投資回收期、ROI 等經濟效益數字；知識庫未列示這些內容。 E 用能分析板塊「15 項」與「9 個」為兩個並存口徑，本文同時呈現，不擇一替代。 本文不主張 NILM 必然優於或劣於分項計量；實際選型須結合監測目標、精度要求、既有表計條件與預算逐項確認。
