直接回答

NILM(Non-Intrusive Load Monitoring,非侵入式负荷监测)就是不用给每台设备装传感器,只从总线的电流/功率波形里把单台设备“认”出来:在一只总表上加高频采样,先看功率曲线的阶跃判断哪台设备启停,再用启动暂态、稳态功率、谐波与功率因数比对设备指纹。结论先说:值得上,但只在特定位置值得——大功率、启停清晰、特征鲜明的设备(风机、水泵、空压机)它认得住;小功率、连续调节、成组同时启停的设备它认不准。别一次铺开,先挑一两条产线用实测做对照,把“能识别几台、覆盖多少电量”算清楚,再决定推广还是只做筛查。

一、一只表怎么“看”出十几台设备

NILM 的思路由 Hart 在 1990 年代初系统化:把“给每台设备装表”换成“在一只总表上做高频采样,用算法把混合信号拆开”。拆的过程分四步。

采样。 总表按固定间隔记录有功与无功功率。分钟级只能看到“总功率台阶”,秒级以下才能抓到启动瞬间的电流冲击与谐波。

事件检测。 功率曲线的一次跳变就是一次投切事件,检测器要找的是跳变的幅度、方向与持续时间。

特征提取。 每次事件提三类特征:启动暂态、稳态功率、谐波与功率因数。

匹配。 把特征向量与设备指纹库比对,判断这次启动的是哪一台。指纹库要么靠现场标注建,要么靠同类设备的先验知识迁移。

第一步决定上限:采样间隔太长、事件没被记录,算法再好也无从谈起。

二、三个抓手,和一个前提

启动暂态。 电机启动时电流是额定的数倍,衰减过程有特征时间常数;电阻性负载几乎没有冲击。这一条把“电机”和“加热、照明”分得很开。

稳态有功与无功的组合。 同样是有功 15 kW,功率因数 0.85 的电机与功率因数接近 1 的电阻炉,在 P-Q 平面上落在不同位置。这是最稳的一维特征。

谐波与波形形状。 变频器、开关电源、LED 驱动的电流波形各有形状,只有高频采样才用得上。

三个抓手之上还有一个前提:设备在总表上得“能被单独看见”——功率台阶相对总负荷足够显眼,启停不与别的设备同时发生,运行状态相对稳定而非连续无级调节。缺一个,特征就糊在一起。

三、能识别什么,不能识别什么

能识别的设备通常有共同点:功率十几千瓦以上、启停是“开/关”两态、单台投切、工况稳定。

  • 空压机:加载与卸载之间有明显的功率差,最容易被认住。
  • 水泵、风机:定频运行时启停清晰,台阶与额定功率对应。
  • 大功率电阻性负载(烘干、加热):功率因数接近 1,台阶干净。

不容易识别的也有共同点。

  • 小功率设备(几百瓦级):台阶相对总负荷太小,淹没在基线波动里。
  • 连续调节负载:变频风机水泵、调光照明,功率缓慢爬升而非阶跃,抓不到清晰的边。
  • 成组同时启停或功率相近:多台同型号设备一起动作,台阶叠加,只能识别出“一组”;两台 15 kW 风机特征几乎一样,只能靠时间规律区分。
  • 长期常开设备:没有投切事件,只能算作基线。

一句话:NILM 擅长抓大放小,给你的是设备级的方向感,不是设备级的账本。

四、和逐回路装表比:三种颗粒度,三笔账

只装总表。 一个点位,成本最低,颗粒度到产线或车间。你知道这条线用了多少,不知道哪台设备在吃电。

NILM。 还是在总表上加采集,表计数量不变,增量在采样通道、算法与调试。颗粒度是“部分设备”——大功率、特征鲜明的能拆出来,其余混在残差里。

逐回路装表。 每台设备或每个回路一只表。颗粒度最细,每一度电都有归属,能用于考核与分摊;代价是表计与施工点位成倍增加,还要配电柜里有位置、有空间、有停电窗口。

三条路的差别不在“准不准”,在“买什么”:总表买总量,逐回路买归属,NILM 买覆盖面——用接近总表的代价换接近设备级的可见度,但这份可见度有条件。

成本量级上,回路表按点位计价(表计加施工,示例量级 1,500–3,000 元/点,以报价为准),12 台设备的产线就是 1.8–3.6 万元;NILM 侧通常不新增表计,投入集中在采集通道与算法服务。

五、精度不是一个参数,是一组现场条件

供应商给的“识别准确率”往往是实验室数据集上的数字。落到现场能不能复现,取决于五个条件。

采样与同步。 分钟级数据只能做稳态阶跃分解,启停频繁的设备会漏事件;要取暂态与谐波,采样得到秒级以下。时标漂移,特征就对不上。

回路拓扑。 总表下挂几台设备、有没有旁路与跨柜取电,决定分解结果能不能落到具体设备上。拓扑不清,结果就无法命名。

指纹库覆盖度。 新装现场没有标注数据,前几周输出本质上是聚类结果,需人工确认命名;覆盖不到的类型,识别率明显下降。

负荷的可分性。 台阶够不够大、是否同时投切、是否连续调节——由工艺决定,算法改不了。

干扰与三相平衡。 谐波污染重、三相不平衡明显的现场,特征会被污染;NILM 要在混合信号里分离,比装表更敏感。

所以该问的不是“你们准确率多少”,而是“在我这条线上,这十几台设备里能稳定分辨几台、覆盖多少电量、误差在什么量级”。前者只能得到宣传数字,后者能得到可验证的承诺。

六、把产出定位成“候选”,不是“计量”

NILM 的输出适合做三件事:节能诊断的入口(哪台设备在非生产时段还在耗电)、异常排查的线索(功率特征变了,可能是效率下降)、负荷画像的底稿(作息、启停频次、待机时长)。

不适合做另外三件事:结算与收费、内部考核与分摊、对外披露的能耗数据。这三件事都要求每个数能追溯到一只经检定的表,而 NILM 给出的是概率归属。把这条边界写进制度,比把准确率写进合同更重要。

七、一个构造示例:一条产线怎么验证

以下数据为说明方法而构造,不代表任何真实客户,也不构成对识别精度的承诺。

某工厂一条产线,12 台用电设备,只有一只总表:空压机 1 台(75 kW)、水泵 2 台(各 22 kW)、风机 3 台(各 15 kW)、小功率设备 6 台(0.5–3 kW)。年用电约 96 万千瓦时,按电力当量值 0.1229 kgce/kWh 折算约 118 吨标准煤。

先算大头:6 台大功率设备占总电量约 78%,其余 6 台合计约 22%。先拿 78%,剩下的就算全丢,可见度也够做诊断。

再看识别结果:6 台大功率设备中 5 台可稳定分辨(空压机、2 台水泵、2 台风机);剩下 1 台与另一台功率相近、经常同时启停,被合并成一组。6 台小功率设备中 2 台可分辨,其余混在残差里。

最后算账:目标是设备级诊断,NILM 用 1 个采集点位拿到 5 台主要设备的曲线,覆盖约七成电量;目标是逐台考核,就得上 12 只回路表,示例量级 1.8–3.6 万元,还要解决柜内空间与停电窗口。两条路不是优劣,是用途不同。

八、上 NILM 前的六步验证清单

不要用演示环境做决定。用现场数据按六步走一遍,两周内能出结论。

定边界。 选一条产线,明确这只总表下挂了哪些设备,画出清单。清单不全,对照就没有基准。

算大头。 按铭牌功率与运行时长估出各设备的电量占比,找出占七成以上的几台,验证资源压在它们身上。

取数据。 至少取两周高频数据,覆盖一个完整生产周期(含周末与夜班)。只取三天,会把偶发工况当成常态。

做对照。 挑 3–5 台重点设备,用钳形表或临时表做 24 小时实测,与 NILM 输出逐时段比对。比的不是“总量对不对”,是“投切时刻与单次运行功率对不对”。

算覆盖。 统计能稳定分辨的台数,以及这些设备占的电量比例。台数好看不代表覆盖高,覆盖高才说明抓住了大头。

比代价。 把 NILM 报价与同范围回路表报价放一起,比“每获得 1% 的设备级电量覆盖花多少钱”。

六步走完通常落到三种结论:覆盖高、代价低——推广;覆盖中等——按筛查工具上;覆盖低——直接装表。

九、什么时候该选 NILM,什么时候直接装表

选 NILM:总表下挂设备十几台以内,大功率设备占电量七成以上,以启停两态运行为主,目标是诊断与筛查,已有采集通道可复用。

选逐回路装表:需要结算、考核或分摊,设备功率小且数量多,以变频连续调节负载为主,配电柜有空间且有停电窗口。

混合:主干回路装表,末端设备用 NILM 补。表负责能负责的部分,算法补可见度的部分,两者在同一张设备清单上对齐。

产品侧的对应关系也清楚:回路级计量用 ESA 全要素智能电表(如 ESA-22131-R,3×400A、3×220/380V、RS485 Modbus),按回路装、按时标读;总表数据上的分解用预测引擎 E-01(NILM 非侵入负荷分解),不新增硬件,靠启动特征、稳态功率与谐波特征联合判断;两者之上,节能诊断方案把识别结果转成诊断结论,数字化电气智能监管系统把设备级数据放回监管视图。

常见问题(FAQ)

问:NILM 能不能替代分表,用来做车间考核和电费分摊?

不能。考核与分摊要求每个数都能追溯到一只经检定的表,NILM 给出的是概率归属。它能发现“哪台设备异常”,不能决定“谁付这笔钱”。

问:我们车间大部分是变频设备,还能用 NILM 吗?

能用,但识别率会下降。变频器连续调节时功率缓慢变化,没有清晰的事件边沿,算法更多依赖稳态特征与谐波指纹,能分出“哪一类负载在运行”,不易分出“哪一台”。这种现场只把 NILM 当筛查,重点设备仍装表。

问:需要多高的采样率?现有电表够不够?

只要稳态功率阶跃,分钟级数据就能做;要抓启动暂态与谐波,采样得到秒级以下。多数常规多功能电表按分钟级上传,做不了暂态分析,需要单独的采集通道。

问:供应商说识别准确率 90% 以上,可信吗?

先问三件事:在什么数据集上测的、设备类型分布如何、按台数算还是按电量算。按台数算的 90%,漏掉的可能正好是那几台大户;按电量算的 90% 才和诊断价值相关。要对方在你现场数据上给出分设备对照结果。

问:一条产线做验证要多久?

两周左右可出初步结论:一周取数,一周做对照与统计。前提是清单齐全、有可用的高频采集通道。

问:上了 NILM 之后还要不要装表?

要。两者是分工不是替代:表负责需要计量和结算的回路,NILM 负责没有表、但需要被看见的设备。设备与工艺变动后,这个分工要定期复核。

适用范围与限制

  • 本文讨论 NILM 作为设备级能耗数据手段的选型判断,适用于已有或计划建设总表采集、希望不做大范围改造就获得设备级可见度的工业与园区场景;居民负荷分解不在范围。
  • 文中对识别能力的描述只说明机理与边界,不构成对任何产品识别精度的承诺;实际效果随采样条件、回路拓扑、设备类型与工况变化,以现场验证为准。
  • 第七节的产线数据(12 台设备、6 台大功率、96 万千瓦时、78%、5 台可分辨、118 吨标准煤、1.8–3.6 万元)为说明方法而构造,不代表任何真实客户或核查结论;成本为示例量级,以报价为准。
  • 电力当量值 0.1229 kgce/kWh 引自 GB/T 2589-2020 的折算口径,仅说明电量与标准煤的换算关系,不构成能耗或碳排结论。用于结算、考核与对外披露的计量点,应按现行计量法规配置经检定的电能表;NILM 的输出不替代计量器具。
  • 文中涉及的 ESA 全要素智能电表、预测引擎 E-01(NILM 非侵入负荷分解)、节能诊断方案、数字化电气智能监管系统,型号、采样能力与配置以最新版选型手册为准,不构成选型或采购建议。

常见问题

不装一堆传感器,靠总线上的电流波形就识别每台设备,靠谱吗?

NILM(Non-Intrusive Load Monitoring,非侵入式负荷监测)就是不用给每台设备装传感器,只从总线的电流/功率波形里把单台设备“认”出来:在一只总表上加高频采样,先看功率曲线的阶跃判断哪台设备启停,再用启动暂态、稳态功率、谐波与功率因数比对设备指纹。

NILM 能不能替代分表,用来做车间考核和电费分摊?

不能。考核与分摊要求每个数都能追溯到一只经检定的表,NILM 给出的是概率归属。它能发现“哪台设备异常”,不能决定“谁付这笔钱”。

我们车间大部分是变频设备,还能用 NILM 吗?

能用,但识别率会下降。变频器连续调节时功率缓慢变化,没有清晰的事件边沿,算法更多依赖稳态特征与谐波指纹,能分出“哪一类负载在运行”,不易分出“哪一台”。这种现场只把 NILM 当筛查,重点设备仍装表。

需要多高的采样率?现有电表够不够?

只要稳态功率阶跃,分钟级数据就能做;要抓启动暂态与谐波,采样得到秒级以下。多数常规多功能电表按分钟级上传,做不了暂态分析,需要单独的采集通道。

供应商说识别准确率 90% 以上,可信吗?

先问三件事:在什么数据集上测的、设备类型分布如何、按台数算还是按电量算。按台数算的 90%,漏掉的可能正好是那几台大户;按电量算的 90% 才和诊断价值相关。要对方在你现场数据上给出分设备对照结果。

一条产线做验证要多久?

两周左右可出初步结论:一周取数,一周做对照与统计。前提是清单齐全、有可用的高频采集通道。

上了 NILM 之后还要不要装表?

要。两者是分工不是替代:表负责需要计量和结算的回路,NILM 负责没有表、但需要被看见的设备。设备与工艺变动后,这个分工要定期复核。