AI 边缘计算网关（全因子预测监测终端）
面向泵站/水厂/排水管网/取用水监测的边缘智能监测终端：电力指纹·泵站动力模型·软仪表影子计量·一机一模型自学习
关键特性
性能指标
| 电参量采集 | 专用电能计量芯片，秒级三相电压/电流/功率/电量全采集 |
| 信号接入 | 三相电流互感器输入（IA/IB/IC）；多路 4-20mA 模拟量输入；AC220V 供电兼电压采样 |
| 通讯 | 多路 RS485（Modbus），4G 无线上云 |
| 输出 | 继电器输出（报警/联锁）、模拟量/脉冲输出（可接入既有控制系统） |
关键特性
产品定位
不装新流量计、不动一条管道，让每台泵自己"说出"它的流量。AI 边缘计算网关通过电力指纹与泵站动力模型，在边缘侧实时推算流量、评估工况、预警机电异常，是泵站既有计量体系之外的"第二只眼睛"。
设备概述
AI 边缘计算网关（全因子预测监测终端）是面向泵站、水厂、排水管网、取用水监测等工业场景的边缘智能终端。设备通过接线端子直接接入水泵三相电流互感器（IA/IB/IC）与供电电压（L1/N1），并经多路 RS485 总线汇聚压力、液位、流量、变频器等现场仪表数据，在设备内置的边缘计算引擎上运行"一机一模型"自学习算法，实现流量软测量、工况评估与预测性维护。
设备配备工业 LCD 彩屏与四键操作面板，支持就地查看实时趋势曲线、运行参数与告警；继电器输出与模拟量输出可直接联动既有 SCADA 与控制回路。DIN 导轨式安装与常规低压电气设备一致，断电重启数据不丢、断网自治运行、恢复后续传。
系列设备已在泵站、水厂、排水管网、取用水监测、城市配水、污水处理厂监测等多种生产场景中长期运行验证，配套易彩 IoT 中台实现设备管理、时序存储、报警推送与 OpenAPI 订阅的完整数据链路。
核心技术亮点
电力指纹——从电流波形读懂泵的"健康状况"
每台水泵运行时，其三相电流波形就像人的指纹一样独一无二：健康的水泵电流平稳、特征干净；出现叶轮磨损、气蚀、转子偏心、机械卡滞等异常时，电流特征会出现特异性的畸变与波动。本网关内置专用电能计量芯片，以秒级采样持续采集三相电压、电流、功率、电量等全电参量，对电流特征进行提取与指纹建模：
- 无侵入式感知：仅需在配电回路卡装电流互感器，不动管道、不停产、不接触流体；
- 早期异常预警：在工艺参数尚未恶化之前，从电力指纹上先行发现机电异常；
- 分区分级学习：按泵的运行负荷区间分区建立特征基线，避免"平均化"掩盖局部工况异常；
- 持续健康画像：长期跟踪每台泵的指纹演变，输出健康度趋势，支撑计划性检修。
泵站整体工况动力模型——单点数据升级为全站画像
孤立地看一台泵的电流，只能知道"这台泵耗了多少电"。水泵遵循可建模的流体动力学特性（P-Q-H 特性曲线），轴功率、扬程、流量、效率之间存在确定的数学关系。本网关把全站因子纳入统一物理框架：
- 物理约束建模：以电参量为输入、以扬程（进出口压力）为边界条件，通过动力模型解算实时流量与泵效率——推算结果受物理定律约束，不是黑盒拟合；
- 多因子交叉验证：压力、液位、流量计、变频器数据与电力指纹推算结果互相印证——读数偏离预期范围时自动触发偏差告警，提示优先核查现场仪表与工况：是表漂了还是工况变了，让数据说话，不冤枉任何一支表；
- 全站能效评估：输出每台泵及泵站整体的单位能耗、效率分布与运行策略建议，让"哪台泵该开、怎么组合最省电"有据可依。
软仪表——没有传感器的"虚拟测量"
在电力指纹与动力模型的感知与解算能力之上，软仪表进一步回答客户最关心的问题——不装流量计，也能知道流量。传统仪表每多测一个量，就多一支探头、一个安装点、一份维护量和一条故障链。"软仪表"用数学模型替代部分物理仪表：以易测量（电参量、压力）为输入，实时解算难测量（流量），在监控界面上呈现与真实仪表并行的读数与曲线。
- 省投资：一个大口径电磁流量计的采购与断管安装费用，可覆盖多个监测点的本网关方案；
- 免停水施工：接线即用，不切割管道、不影响生产；
- 互为备份（影子计量）：软仪表与物理仪表双模并行——物理仪表正常时互相比对、提前发现漂移与故障；物理仪表"失明"期间，软仪表在模型可信状态下继续输出推算流量，为生产调度与内部统计分析提供不断档的参考数据——模型没把握时宁可空着，也不拿假数糊弄人；
- 可信度门控：模型自带质量自评——推算可信时正常出数，样本不足或基线异常时明确标注"学习中"，宁可不画线、不画错线，避免虚假数据误导生产；
- 就地可视：LCD 屏实时显示软测量与硬仪表的比对趋势曲线，现场人员一目了然。
一机一模型自学习——越用越懂你的泵
世界没有两台完全相同的水泵：同一型号的泵，因安装工况、管路特性、叶轮磨损程度不同，特性曲线各不相同。本网关不采用"一台模型打天下"的通用模板，而是每台泵建立专属模型：
- 开机即学：设备投运后自动进入学习期，基于运行数据自动辨识该泵的实际特性曲线，无需人工输入水泵样本参数；
- 新旧工况自适应：新工况学得快，老数据不拖后腿（内置滑动样本窗口与遗忘机制），模型始终贴合泵的"当前状态"而非"历史平均"；
- 云端校准层：边缘自学习之上叠加云端滚动窗校准与四态可信度管理（学习期→可信→漂移预警→冻结防护），即使现场仪表自身漂移，系统也能识别并自我保护，防止"被坏数据教坏"；
- 持续自纠偏：泵的性能随磨损缓慢漂移，模型同步跟随，避免"模型老化"导致的误差累积；
- 数据私有化：模型训练在边缘侧完成，企业工艺数据不出站；
- 规模复制：每台网关自带算力，新增监测点即插即用，无需平台侧逐点建模；多站点实施方法论持续沉淀，不涉及各站点原始数据。
典型应用场景
| 应用场景 | 行业痛点 | 本网关方案 |
|---|---|---|
| 水厂/泵站流量计量兜底 | 电磁流量计故障即"失明"，计量失真 | 软仪表影子计量，故障期间连续出数 |
| 计量数据可信性 | 单仪表漂移无从发现 | 电参量×压力×流量多因子交叉验证 |
| 泵机预测性维护 | 坏了才知道，检修被动 | 电力指纹早期预警，健康度趋势 |
| 泵站节能 | 凭经验开停泵，能耗黑洞 | 整体工况模型+单位能耗评估 |
| 老旧泵站数字化改造 | 停产改造难、投资大 | 无侵入安装，接线即用 |
| 取用水计量与监管 | 取水口分散、在线计量覆盖率低 | 无侵入电参量采集，边缘推算+平台上云 |
| 城市配水管网监测 | 分支流量盲区多，装表成本高 | 软仪表多点推算，配水调度有数可依 |
| 污水处理厂监测 | 工况复杂、仪表腐蚀损耗大 | 多因子交叉验证，仪表异常早发现 |
技术规格（要点）
| 类别 | 规格 |
|---|---|
| 电参量采集 | 专用电能计量芯片，秒级三相电压/电流/功率/电量全采集 |
| 信号接入 | 三相电流互感器输入（IA/IB/IC）；多路 4-20mA 模拟量输入；AC220V 供电兼电压采样 |
| 通讯 | 多路 RS485（Modbus），4G 无线上云 |
| 输出 | 继电器输出（报警/联锁）、模拟量/脉冲输出（可接入既有控制系统） |
| 显示与操作 | 工业 LCD 彩屏 + 四键面板（就地查看趋势/参数/告警） |
| 安装 | DIN 导轨/挂壁式，接线端子透明护盖 |
| 边缘计算 | 本地模型训练与推理，断网自治运行，数据续传 |
| 平台对接 | 易彩 IoT 中台，MQTT/易彩协议，OpenAPI 订阅输出 |
为什么选择易彩
- 生产环境长期验证：批量设备已在多种真实场景长期运行——不是实验室样机，而是历经用水低峰期等真实工况考验的现场数据；典型稳定工况下，软测量与物理表对比偏差的长期统计通常处于较低水平（内部运维参考口径，非计量精度承诺）；间歇运行泵站学习期更长，系统会如实标注"学习中"而非硬凑数据；
- 平台化交付能力：软测量技术已延伸至排水管网平台化产品（水位反演流量、双引擎互备），具备从单点设备到全站平台的完整交付能力；
- 全栈自研：核心算法、固件、IoT 中台与平台软件均自主开发维护，现场改造不依赖外部厂商排期，从接线端子到管理驾驶舱一体化交付。
边界说明：本终端为运行监测与运维参考设备，贸易结算计量以物理仪表检定为准。
