车间能耗AI负荷辨识定制：非侵入式计量与开机率

车间里想拿到每台设备的开机率，传统做法是逐台加装电表：布线成本高，老设备改造的停机窗口也难协调。本期智能硬件实验室把方向放在非侵入式负荷辨识——只在车间配电支路装一只高频采样模块，用总电流、电压波形反推内部各台设备的启停状态。

硬件侧采用1~4kHz采样，边缘网关本地提取特征（有功与无功阶跃、启动冲击电流、谐波占比），只上传事件与特征向量，单点带宽压力可控，断网时本地缓存并补传。算法侧先用现场采集的启停标签训练轻量分类器，再按设备类型维护各自的特征模板。

进展与下一步：
· 进展：已在空压机、注塑机加热段、CNC主轴三类负载上完成内部测试，启停事件识别准确率约九成，稳态功率估计误差在可接受范围内；同型号多台设备的区分仍依赖启动电流波形，是目前主要误差来源。
· 下一步：引入谐波与功率因数轨迹作为补充特征，做同型号设备的辨识与误报抑制，并在边缘盒子上压测长周期运行的模型漂移。