直接回答

分布式光伏接入后，并网点的电能质量到底发生了什么变化，是业主与电网都关切的问题。产品知识库给出的判断路径是：先在并网点采集谐波、电压不平衡、电流不平衡与功率因数等多维数据，由千知引擎的电能质量体检子模型分别评估；再用谐波指纹库把谐波特征对应到设备类型；最后用责任划分模型量化用户侧与电网侧的贡献。回答"逆变器给电网带来了什么"，靠的不是单看某一项数值，而是"多维体检加设备匹配加责任量化"的组合。本文按产品知识库口径说明这条路径，不额外推导现场判据。

逆变器接入后，并网点看到的是什么

分布式光伏的逆变器把直流电转换成与电网同频同相的交流电并入电网，其功率变换过程会在并网点产生谐波。并网点是公共连接点，电能质量合格与否通常要在这里判定，因此它成为观察逆变器影响的关键位置。接入之后，并网点除了谐波可能变化，电压不平衡、电流不平衡与功率因数也可能随之改变。这些量之间存在关联，只看其中一个，容易得出片面的结论。

为什么"谐波偏高"不能直接等同于逆变器

并网点谐波偏高，并不能想当然地归因于光伏逆变器。同一个并网点上，可能同时接有变频器、整流设备、开关电源等非线性负荷，这些设备同样会产生谐波。若不做进一步区分，治理就容易落到没有责任的设备上。因此，从"谐波偏高"到"是谁造成的"，中间需要一个把谐波特征与设备类型对应起来的过程，这也正是谐波指纹库要解决的问题。

体检侧：一组子模型同时看多个维度

千知引擎的电能质量体检由一组子模型构成，覆盖谐波、电压不平衡、电流不平衡与功率因数等维度。其中谐波子模型关注 2 至 50 次谐波以及总谐波畸变率；电流不平衡则从序分量角度分析。对光伏并网点而言，这种安排意味着体检不是给出"谐波偏高"的单一结论，而是把多个维度一并呈现，便于判断哪一类问题更突出。多维度同时呈现，也为后续的设备匹配与责任划分提供了更完整的输入。

现场采集：并网点要测什么

在采集侧，电能质量监测器（ESE-22111-R）在相位监测的基础上提供 2 至 31 次谐波监测，精度为 ±1%。它提供的是并网点持续、可比较的电气量数据，是谐波分析的现场来源。与稳态谐波不同，暂降、波动这类随时间变化的量需要持续监测才能覆盖偶发事件，因此采集的连续性同样重要。

指纹库：把谐波特征对应到设备

谐波溯源的关键一步，是把测得的特征与设备类型对应起来。千知引擎的谐波指纹库包含 14 类设备指纹，其中 FP-12 对应光伏逆变器。匹配采用余弦相似度，相似度大于 0.85 即判定相符，按既有口径可在 2 小时内锁定污染源。对分布式光伏场景而言，这一能力可用于把并网点的谐波特征匹配到光伏逆变器，并与变频器等其他非线性负荷区分开，从而缩小排查范围。

从"像不像逆变器"到"占多少责任"

识别出设备类型，只回答了来源问题，还没有回答责任问题。来源问的是设备与位置，责任问的是贡献份额与治理对象，两者不能互相替代。责任划分由天衍引擎的电能质量模型承担：谐波责任划分依据 IEEE 1459，对用户侧与电网侧的谐波贡献进行量化。它的价值在于，把"双方都有谐波"这一常识，转化为可比较的量化结果，为治理分工提供依据。按既有口径，实战中曾据此把整改费用从 80 万降到 28 万。

位置：为什么分析要落在并网点

电能质量的判定与位置强相关。万象引擎为 5 种电气拓扑位置类型维护独立的阈值与风险模型，其中 PCC_POINT 为公共连接点。同一段谐波数据，出现在并网点与出现在负载终端，其风险判断并不相同。对光伏并网监测而言，位置感知的意义在于把分析落到并网点，而不是把整条供电链路当成一个均质对象。位置与来源各司其职：位置解决"在哪里"，指纹解决"是哪类设备"。

数据上行与选型组合

按知识库的选型对照，谐波溯源与责任划分对应的组合为千知引擎的谐波子模型、谐波指纹库，以及天衍引擎的责任划分模型。现场采集选用电能质量监测器；若需要把数据向上汇聚，可使用智能边缘计算网关（ESX-0223-GR），它提供 30 台设备、2000 个数据点的接入能力，向下采用 RS485，向上支持有线与 4G。三部分能力各司其职，组合后才覆盖从采集到责任结论的全过程。

标准口径

从标准看，太一智控中枢系统的标准服务包含 408 条标准库，覆盖 GB、GB-T、DL、IEC、UL 等 12 个体系；其中 GB/T 14549（公用电网谐波）与 GB/T 12325 属于千知引擎已覆盖的 13 条主要标准。把区域标准与国际标准纳入同一标准服务，有助于在跨区域项目中保持口径一致，也便于责任划分的讨论引用同一套标准依据。

实施顺序：先数据，再特征，后责任

把这条能力链展开，顺序也有讲究：先有并网点的连续数据，再有可用于比对的特征，最后才谈责任划分。顺序颠倒，结论就会缺少依据。比如用一次抽测的数据去做责任判断，或把设备类型的匹配结果直接当作责任结论，都会产生偏差。知识库把体检、指纹与责任划分分设，正是为了避免这种混淆。对项目初期规划而言，采集装置的选择与布点，实际上决定了后续分析能走多远。

适用范围与限制

  • 本文内容限于产品知识库对千知引擎电能质量体检子模型、谐波指纹库、天衍引擎责任划分模型、万象引擎位置感知、智能边缘计算网关与标准服务的既有表述。
  • 文中子模型覆盖维度、谐波次数与精度、指纹类别数量与相似度阈值、设备匹配时长、位置类型数量、网关接入能力与接口、标准库数量与体系数，均为知识库所列口径。
  • 本文说明的是光伏并网点电能质量监测与责任划分的能力组合，不给出具体的治理方案或责任分摊比例；实际结论应结合现场数据、设备规格与项目方案确定。
  • 文中未列出的其他现场条件、安装方式与维护周期，本文不作推断或承诺。