EnerOS v0.33.0

发布日期：2026-02-29
版本代号：Predict
Git Tag：v0.33.0
支持状态：稳定（Stable）
Crate 总数：66（新增 6 个）
测试用例数：8600+（新增 700）

概述

EnerOS v0.33.0「Predict」是预测性维护专题版本，将电力设备的运维模式从「故障后维修」转向「预测性维护（Predictive Maintenance）」。本版本基于 v0.32.0 的 ML 运行时，构建了完整的设备健康管理（PHM）体系，覆盖设备健康评分、剩余寿命预测、故障预警、维护建议四大核心能力。

Predict 版本的核心设计哲学是「数据驱动 + 物理模型融合」——纯数据驱动的 ML 模型在设备工况迁移时容易失效，纯物理模型则受限于参数精度。EnerOS 采用混合架构：ML 模型负责从历史数据中学习退化模式，物理模型负责提供边界约束与机理校验，两者通过内核 ConstraintEngine 融合输出最终的健康评估。

本版本引入五大核心能力：设备健康评分、剩余寿命预测（RUL）、故障预警引擎、维护建议生成、设备画像系统。所有能力均通过 eneros-phm、eneros-phm-score、eneros-phm-rul、eneros-phm-alert、eneros-phm-advisor 五个新 crate 实现。

关键数据

新特性

1. 设备健康评分

新增 eneros-phm-score crate，为每台设备计算 0-100 的健康评分，综合反映设备的当前状态与退化程度。评分基于多源数据：实时传感器数据、历史运行记录、运维工单、环境因素。

评分维度

健康评分 API

use eneros_phm_score::{HealthScorer, ScoreConfig, EquipmentId};

let scorer = HealthScorer::new(&ctx)
    .config(ScoreConfig {
        update_interval: Duration::minutes(5),
        history_window: Duration::days(90),
        weights: ScoreWeights::default(),
    })
    .build().await?;

// 计算单台设备健康评分
let score = scorer.score(EquipmentId::from("TFR-001")).await?;

println!("设备 TFR-001 健康评分: {:.1}", score.value);
println!("健康等级: {:?}", score.grade);
println!("各维度得分:");
for (dim, val) in &score.dimensions {
    println!("  {}: {:.1}", dim, val);
}
// 输出示例：
// 设备 TFR-001 健康评分: 78.3
// 健康等级: Good
// 各维度得分:
//   electrical: 85.2
//   thermal: 72.1
//   mechanical: 80.5
//   insulation: 75.0
//   history: 68.3
//   environment: 88.0

健康等级划分

评分趋势追踪

// 获取设备健康评分趋势
let trend = scorer.trend(EquipmentId::from("TFR-001"))
    .range(now() - Duration::days(30), now())
    .fetch().await?;

// 退化速率分析
let degradation_rate = trend.degradation_rate();  // -0.15 分/天
let projected_fail = trend.project_crossing(40.0); // 预计 256 天后降至 40 分

2. 剩余寿命预测（RUL）

新增 eneros-phm-rul crate，基于设备退化轨迹预测剩余可用寿命。支持多种 RUL 算法，从简单的线性外推到深度学习的序列预测。

RUL 算法矩阵

RUL 预测 API

use eneros_phm_rul::{RulPredictor, RulConfig, Algorithm};

let predictor = RulPredictor::new(&ctx)
    .algorithm(Algorithm::Lstm {
        model: "rul-lstm-v3",
        sequence_length: 168,  // 7 天历史
    })
    .config(RulConfig {
        confidence_level: 0.9,
        failure_threshold: 40.0,  // 健康评分低于 40 视为失效
        update_interval: Duration::hours(1),
    })
    .build().await?;

// 预测剩余寿命
let rul = predictor.predict(EquipmentId::from("TFR-001")).await?;

println!("剩余寿命预测:");
println!("  点估计: {:.0} 天", rul.point_estimate);
println!("  90% 置信区间: [{:.0}, {:.0}] 天", rul.lower, rul.upper);
println!("  退化模型: {:?}", rul.model_type);

多设备 RUL 汇总

// 批量预测变电站内所有设备
let station_rul = predictor.predict_station(StationId::from("SS-110-01")).await?;

// 按紧急程度排序
let sorted = station_rul.sorted_by_urgency();
for item in &sorted {
    println!("{}: RUL = {:.0} 天 ({}), 评分 = {:.1}",
        item.equipment_id, item.rul, item.urgency, item.health_score);
}

3. 故障预警引擎

新增 eneros-phm-alert crate，基于健康评分与 RUL 预测生成多级故障预警。

预警级别

预警引擎

use eneros_phm_alert::{AlertEngine, AlertConfig};

let engine = AlertEngine::new(&ctx)
    .config(AlertConfig {
        check_interval: Duration::minutes(5),
        dedup_window: Duration::hours(1),
        escalation: true,  // 未处理自动升级
    })
    .build().await?;

// 启动预警监控
engine.start().await?;

// 订阅预警事件
let mut alerts = engine.subscribe();
while let Some(alert) = alerts.next().await {
    match alert.level {
        AlertLevel::Critical => {
            sms::send(&on_call_team, &alert.message).await?;
            work_order::create_urgent(alert).await?;
        }
        AlertLevel::High => {
            work_order::create(alert).await?;
        }
        _ => { log::info!("预警: {:?}", alert); }
    }
}

4. 维护建议生成

新增 eneros-phm-advisor crate，结合 LLM 与规则引擎生成可执行的维护建议。

建议生成流程

use eneros_phm_advisor::{MaintenanceAdvisor, AdviceRequest};

let advisor = MaintenanceAdvisor::new(&ctx)
    .with_llm(client.clone())
    .with_rules(&maintenance_rules)
    .with_history(&work_order_db)
    .build().await?;

let request = AdviceRequest::new(EquipmentId::from("TFR-001"))
    .include_rul(true)
    .include_history(true)
    .include_similar_cases(true);

let advice = advisor.advise(request).await?;

println!("维护建议: {}", advice.summary);
println!("建议措施:");
for action in &advice.actions {
    println!("  - {} (优先级: {:?}, 预计耗时: {:?})",
        action.description, action.priority, action.estimated_duration);
}
println!("所需备件: {:?}", advice.required_parts);
println!("预估费用: {:.0} 元", advice.estimated_cost);

建议类型

5. 设备画像系统

新增 eneros-phm crate（PHM 核心），为每台设备建立完整的数字画像，整合静态参数、动态状态、运维历史、健康评估。

设备画像结构

use eneros_phm::{EquipmentProfile, EquipmentType};

let profile = phm.get_profile(EquipmentId::from("TFR-001")).await?;

// 静态信息
println!("设备类型: {:?}", profile.equipment_type);  // Transformer
println!("型号: {}", profile.model);                  // SZ-31500/110
println!("投运日期: {}", profile.commissioning_date);
println!("额定容量: {} MVA", profile.rated_capacity);

// 动态状态
println!("当前负荷率: {:.1}%", profile.current_load_rate);
println!("累计运行: {} 小时", profile.total_running_hours);
println!("启停次数: {}", profile.start_stop_count);

// 健康评估
println!("健康评分: {:.1}", profile.health_score.value);
println!("剩余寿命: {:.0} 天", profile.rul.point_estimate);
println!("预警级别: {:?}", profile.alert_level);

设备对比分析

// 同型号设备横向对比
let comparison = phm.compare(EquipmentType::Transformer)
    .model("SZ-31500/110")
    .metric(HealthMetric::InsulationLoss)
    .fetch().await?;

// 输出：所有同型号变压器的绝缘损耗对比，识别异常设备

改进

• 时序引擎：新增降采样聚合，长期趋势查询速度提升 5 倍
• ML 运行时：模型推理支持动态批处理，吞吐提升 40%
• 告警系统：告警去重逻辑优化，减少 70% 重复告警
• 设备模型：eneros-equipment 新增 200+ 设备型号的参数模板
• 可观测性：PHM 链路接入 Grafana 仪表盘模板

Bug 修复

• 修复 eneros-phm-score 在设备投运初期评分异常偏低的问题（#3303）
• 修复 eneros-phm-rul LSTM 模型在数据缺失时崩溃的问题（#3309）
• 修复 eneros-phm-alert 预警去重窗口跨天时失效的问题（#3315）
• 修复 eneros-phm-advisor LLM 生成建议时未校验备件库存的问题（#3320）
• 修复 eneros-phm 设备画像在拓扑变更后电气位置未更新的问题（#3325）

破坏性变更

• HealthScorer::score：返回类型新增 grade 字段
• RulPredictor::predict：参数从 EquipmentId 改为 &PredictTarget
• AlertLevel：枚举值 Emergency 改为 Critical

升级指南

1. 更新 Cargo.toml 中的 eneros 依赖至 0.33.0
2. 运行 eneros phm init 初始化设备画像数据库
3. 导入设备历史运维数据至 PHM 系统
4. 在 eneros.toml 中配置预警通知渠道

致谢

感谢 28 位贡献者提交的 410+ 个 commit，以及电网运维专家提供的领域知识支持。