← 返回实验室

AI非侵入式负荷识别定制:谐波指纹与启停判定

车间里真正需要能耗与状态数据的设备,往往没有通信接口,逐台加装传感器又受配电结构与成本限制。我们的做法是从配电柜总进线单点采集,用高频电流波形反推设备级启停。

采集端以 12.8 kHz 同步采样电压与电流,先提取谐波幅值、有功/无功基线和启动暂态三类特征,再由轻量模型在边缘侧完成事件检测与设备归属。当前在一条含 14 台设备的装配线上做离线验证:启停事件在人工标注下完成首轮对齐,但分项能耗的估计误差随设备功率大小分化明显。

要点:

  • 进展:谐波指纹与启动暂态模板的联合判据已跑通,小功率设备(500 W 以下)在大负荷同时运行时仍存在漏检;
  • 下一步:引入在线自适应标定与变频设备谐波漂移补偿,把推理下沉到采集网关,输出分钟级对齐的设备运行台账。

我们暂不追求替代分项计量表,先解决“哪台设备、何时开机、开了多久”这一层可用性问题。

评论

更多研究动态

查看全部实验室 →