直接回答
諧波與電機振動、局部放電之間的關聯，在產品知識庫中落在同一套分析體系裡。產品知識庫記載，千知引擎的深層隱患挖掘子模型把振動分析與局放檢測列為並列維度，與諧振風險、絕緣狀態等一同歸入隱患挖掘；同時電能質量體檢子模型提供 2 至 50 次並含總諧波畸變率的諧波量測。諧波提供電側特徵，振動與局放提供機械與絕緣側特徵，兩者由關聯驗證與跨維度關聯規則串聯，再以諧波指紋庫定位污染源，最終支撐預測性維護決策。產品知識庫還把設備壽命預測與預測性維護的組合記為天衍引擎 S-02、S-04、S-13 與 17 個專題模型，其中 S-02 可提前 4 至 12 週預警。以下按條目展開。
一、把諧波放進深層隱患挖掘序列
產品知識庫記載，千知引擎的深層隱患挖掘子模型 M13 至 M20 依序為：諧振風險、絕緣狀態（老化模型）、振動分析、局放檢測、零序電流、負序分量、諧波互調、閃變綜合。其中振動分析為第 3 項，局放檢測為第 4 項。
這一排序的意義在於：振動與局放並非獨立功能，而是與諧振、絕緣、諧波等並列的隱患維度。對旋轉設備而言，振動反映機械狀態，局放反映絕緣狀態，兩者與電側的諧波互調、負序分量放在同一序列中，構成電氣、機械、絕緣的聯合視角。諧波之所以能與振動、局放關聯，基礎正在於它們被納入同一套隱患挖掘體系，而不是各自孤立報警。
二、千知的諧波量測基礎
要談關聯，先要有可靠的諧波量測。產品知識庫記載，千知引擎電能質量體檢子模型 M06 至 M12 含諧波監測，次數範圍為 2 至 50 次並含總諧波畸變率；同組還包括電壓不平衡、電流不平衡序分量、功率因數、電壓暫降、電壓波動與間諧波。
諧波監測為後續關聯提供量測基礎：2 至 50 次的諧波資料勾勒出電側的頻率成分，而旋轉設備的振動與局放特徵往往與特定諧波成分同時變化。把諧波與振動、局放並讀，才可能從「設備在振」或「存在局放」推進到「為何發生」。本文按產品知識庫原樣引用次數範圍與同組內容，不推斷各次諧波的取樣方式或精度。
三、七維感知與關聯驗證
產品知識庫記載，千知引擎的 7 維感知矩陣為 D1 幅值、D2 變化率、D3 趨勢漂移（核心）、D4 異常密度、D5 波動幅度、D6 關聯驗證、D7 時序風險評分（0 至 100 分綜合決策）。其中 D6 關聯驗證用於跨參數、跨維度聯合研判。
諧波與振動、局放的關聯正是在 D6 落地的：單一維度的異常可能只是擾動，若諧波與振動在同一時段同向變化，則關聯驗證會給出更強的判據。D7 再把相關維度彙總為 0 至 100 分的綜合評分，支撐分級處置。換言之，關聯不是把兩條曲線放在一起看，而是把跨維度的一致變化作為獨立判據納入評分。
四、萬象的關聯引擎與關聯規則
產品知識庫記載，萬象引擎含 9 大專用分析引擎，其中包含溫度、電壓、電流與諧波關聯引擎，用於諧波與其他參數的關聯計算。除引擎外，產品知識庫還記載萬象引擎的 49 條跨維度關聯規則（分 5 域），其中含「諧波高加無功補償投入指向諧振風險」、「總諧波畸變率與功率因數同步惡化指向諧波干擾無功」與「零序電流持續指向單相接地溯源」等。
這些規則給出了關聯的具體形態：諧波與無功、功率因數、零序電流之間並非孤立，而是有可識別的組合模式。對諧波與旋轉設備的關聯而言，可理解為：諧波變化與設備側特徵若同時出現，應作為組合線索而非單點報警。本文按產品知識庫原樣轉述規則示例，不擴展規則之外的判據。
五、諧波指紋庫與污染源定位
關聯分析若要落到「是誰產生諧波」，需要指紋能力。產品知識庫記載，諧波指紋庫含 14 類設備指紋，如三相整流器、六脈衝變頻器、不間斷電源、充電樁、光伏逆變器等，以餘弦相似度大於 0.85 進行匹配，可在 2 小時內鎖定污染源，而傳統方式需數週。
指紋庫與關聯診斷互補：關聯規則回答哪些量一起變化，指紋庫回答變化更像哪類設備。對驅動旋轉設備的諧波源而言，先以指紋縮小設備類別，再結合振動與局放確認旋轉部件狀態，形成從源到設備的鏈條。本文只轉述類數、匹配閾值與鎖定時間口徑，不推斷其識別準確率。
六、從關聯診斷走向預測性維護
產品知識庫記載，設備壽命預測與預測性維護方向的選型組合為天衍引擎的 S-02、S-04、S-13 與 17 個專題模型；其中 S-02 為剩餘電流趨勢漂移模型，採用累積和變化點檢測，可提前 4 至 12 週預警。
把這一條與前述關聯並讀，可以看到路徑：諧波量測與關聯規則提供特徵，振動與局放提供設備側證據，趨勢類模型再把緩慢劣化轉成提前預警。預測性維護因此不是單一模型的產物，而是關聯診斷之後的決策延伸。本文只引用模型組合與預警窗口，不推斷其誤報率。
七、監測上的利用順序
第一步，確保諧波量測到位，涵蓋 2 至 50 次並含總諧波畸變率。第二步，啟用 7 維感知中的關聯驗證，把諧波與振動、局放放在同一時間軸上比對。第三步，用萬象引擎的諧波關聯引擎與跨維度關聯規則形成組合線索。第四步，以諧波指紋庫匹配設備類別，縮小污染源範圍。第五步，對趨勢性劣化啟用預測性維護組合，按提前預警窗口安排檢修。
這條順序的關鍵在於先後：先保證量測到位，再談關聯；先縮小污染源，再做設備側確認；最後才進入維護決策。若跳過量測或清洗，後續關聯與指紋都缺少可靠輸入。
適用範圍與限制
- 本文以產品知識庫對千知引擎深層隱患挖掘子模型、7 維感知矩陣、電能質量體檢子模型、萬象引擎關聯引擎與關聯規則、諧波指紋庫，以及設備壽命預測與預測性維護組合的既有表述為限。 - 子模型序號、7 維名稱與綜合評分區間、諧波次數範圍與關聯規則示例、指紋類數與相似度閾值及鎖定時間，均為產品知識庫口徑。 - 預測性維護組合與提前預警窗口（4 至 12 週）按產品知識庫原樣引用，本文不推斷其對具體設備的適用性。 - 本文不摘引相關標準的條款原文，也不以標準名義給出未核對的限值。 - 本文不構成對具體專案診斷準確性或維護效果的承諾；實際能力以最新產品資料與專案方案為準。
