场景01：变压器温度异常预警

当前阶段： 🔍 探索中 | 行业： 电力行业 | 关键词： 变压器监测、温度预警、紧急停电 | 返回电力场景 →

一、需求探索

1.1 痛点时刻

具体场景：

下午3点，夏季用电高峰期，某变电站10kV变压器温度突然从78℃飙升到87℃。监控室值班员发现时已经过去2分钟，此时需要立即判断：
是正常负荷波动（短时过载）
还是设备故障（冷却系统失效、内部短路）
如果判断失误：
误停电：影响3000户居民和20家企业，经济损失约50万元/小时
漏停电：变压器烧毁，维修成本200万元，停电时间3-7天

业务背景：

设备规模：一个地级市有500-1000台变压器，分布在各个变电站
监测技术：温度传感器实时采集，数据每10秒上传一次
运行环境：夏季高温（35-40℃）+ 用电高峰，设备负荷高
时间特点：高峰期（10:00-12:00, 14:00-17:00）温度波动大

1.2 核心痛点

问题1：发现滞后

温度突破阈值后，值班员可能1-3分钟才发现
没有分级预警机制，依赖人工盯屏
夜间值班人员少，容易漏看

问题2：判断困难

不知道是短时过载还是设备故障
不知道温度上升速率（是缓慢上升还是急剧上升）
不知道历史同期数据（是否正常波动）

问题3：决策慢

需要查看历史数据、负荷曲线、天气情况
需要联系现场运维人员确认设备状态
需要评估停电影响范围，决策耗时5-10分钟

1.3 业务规则（行业标准）

《电力设备预防性试验规程》相关要求：

变压器顶层油温不应超过95℃（DL/T 596-2021）
温度异常应立即检查并采取措施（GB/T 1094.2-2013）
紧急情况下应立即停电，防止设备损坏

实际业务规则（基于行业调研）：

85℃预警规则：温度 > 85℃ → 黄色预警，值班员关注
95℃报警规则：温度 > 95℃ → 红色报警，准备停电
105℃紧急停电：温度 > 105℃ → 立即停电，防止烧毁
快速上升规则：30分钟内上升 > 10℃ → 立即报警（可能故障）

成本测算：

误停电成本：影响用户停电，经济损失约50万元/小时
漏停电成本：变压器烧毁，维修成本200万元 + 停电损失
平衡点：宁可误报，不可漏报（但要减少误停电）

二、方案设计

2.1 业务规则设计

规则1：温度异常判定规则

规则一：绝对温度判定

温度 > 105℃ → 紧急停电（设备处于危险状态）
温度 > 95℃ → 红色报警（准备停电，现场确认设备状态）
温度 > 85℃ → 黄色预警（监控温度变化，检查负荷情况）

规则二：温升速率判定

30分钟内温升 > 10℃ → 立即报警（可能存在故障）
需要现场检查，准备停电

接口规范：

typescript

// 温度异常检测接口
interface ITemperatureAnomalyDetector {
  /**
   * 检测温度异常
   * @param transformerId 变压器ID
   * @param currentTemp 当前温度
   * @param historicalData 历史温度数据
   * @returns 异常判定结果
   */
  checkAnomaly(
    transformerId: string,
    currentTemp: number,
    historicalData: TemperatureRecord[]
  ): TemperatureAnomalyResult;

  /**
   * 计算温升速率
   * @param currentTemp 当前温度
   * @param historicalData 历史数据
   * @param timeWindow 时间窗口（分钟）
   * @returns 温升速率（℃/时间窗口）
   */
  calculateRiseRate(
    currentTemp: number,
    historicalData: TemperatureRecord[],
    timeWindow: number
  ): number;
}

// 异常判定结果
interface TemperatureAnomalyResult {
  level: 'normal' | 'warning' | 'alarm' | 'emergency';
  currentTemp: number;
  tempRiseRate?: number;
  reason: string;
  suggestedAction: string;
}

复杂度评估：

实现复杂度：中等
核心逻辑：阈值判断 + 温升速率计算
数据依赖：历史温度数据（时序数据库）

技术难点：

温升速率计算需要准确的历史数据
传感器数据异常过滤（避免误报）
实时监测性能优化（大量变压器并发检测）

关键依赖：

时序数据库（InfluxDB / TimescaleDB）
温度传感器数据采集接口
实时数据流处理框架

规则2：自动响应规则

规则一：分级报警

黄色预警（85℃）：推送到监控大屏 + 值班员手机
红色报警（95℃）：推送到监控大屏 + 值班员 + 站长 + 调度中心
紧急停电（105℃）：推送到所有相关人员 + 自动停电（如有远程控制）

规则二：信息展示

预警：当前温度、温升曲线、负荷曲线、历史同期对比、天气信息
报警：设备信息、停电影响分析、应急预案、附近运维人员位置
紧急：停电确认、应急联系人、用户通知

接口规范：

typescript

// 报警推送接口
interface IAlertService {
  /**
   * 推送报警信息
   * @param anomaly 异常事件
   * @param channels 推送渠道
   * @returns 推送结果
   */
  pushAlert(
    anomaly: TemperatureAnomalyEvent,
    channels: AlertChannel[]
  ): Promise<AlertResult>;

  /**
   * 获取决策辅助信息
   * @param transformerId 变压器ID
   * @returns 决策辅助数据
   */
  getDecisionSupport(transformerId: string): Promise<DecisionSupportData>;
}

// 报警渠道
type AlertChannel = 'screen' | 'mobile' | 'sms' | 'wechat';

// 决策辅助数据
interface DecisionSupportData {
  transformerInfo: TransformerInfo;
  impactAnalysis: ImpactAnalysis;
  historicalComparison: HistoricalComparison;
  equipmentHealth: EquipmentHealth;
  suggestedActions: string[];
}

复杂度评估：

实现复杂度：中等
核心逻辑：多渠道推送 + 决策辅助数据聚合
数据依赖：设备信息、用户信息、历史数据

技术难点：

多渠道推送的可靠性保障
决策辅助信息的快速聚合（< 1秒）
推送失败的重试机制

关键依赖：

消息推送服务（短信、微信、APP推送）
设备管理系统接口
用户管理系统接口

规则3：决策辅助规则

规则一：停电影响分析

影响用户数量统计
影响企业列表（重点企业标红）
预估经济损失（元/小时）
备用电源可用性

规则二：历史数据对比

去年同期温度对比
上月同期温度对比
今年最高温度记录
异常判断（超过历史最高温5℃）

规则三：设备健康度评估

上次维护时间
运行年限
故障历史记录
健康评分（0-100）

接口规范：

typescript

// 决策辅助接口
interface IDecisionSupportService {
  /**
   * 分析停电影响
   * @param transformerId 变压器ID
   * @returns 影响分析结果
   */
  analyzeImpact(transformerId: string): Promise<ImpactAnalysis>;

  /**
   * 对比历史数据
   * @param transformerId 变压器ID
   * @param currentTemp 当前温度
   * @returns 历史对比结果
   */
  compareHistorical(
    transformerId: string,
    currentTemp: number
  ): Promise<HistoricalComparison>;

  /**
   * 评估设备健康度
   * @param transformerId 变压器ID
   * @returns 健康度评估结果
   */
  assessHealth(transformerId: string): Promise<EquipmentHealth>;
}

// 影响分析
interface ImpactAnalysis {
  affectedUsers: number;
  affectedEnterprises: Enterprise[];
  estimatedLoss: number;
  alternativePower: boolean;
}

// 历史对比
interface HistoricalComparison {
  sameTimeLastYear: number;
  sameTimeLastMonth: number;
  maxTempThisYear: number;
  isAbnormal: boolean;
}

// 设备健康度
interface EquipmentHealth {
  lastMaintenanceDate: Date;
  operationYears: number;
  faultHistory: FaultRecord[];
  healthScore: number;
}

复杂度评估：

实现复杂度：较高
核心逻辑：多数据源聚合 + 影响范围计算
数据依赖：用户数据、设备数据、历史数据

技术难点：

停电影响范围的快速计算
历史数据的高效查询
多数据源的实时聚合

关键依赖：

用户管理系统
设备管理系统
时序数据库
地理信息系统（GIS）

2.2 技术方案

技术架构

温度传感器 → 数据采集 → 规则引擎 → 报警推送
                ↓
          数据存储（时序数据库）
                ↓
          可视化大屏 + 移动端 + 决策辅助

核心技术点

1. 温度数据采集

采集频率：10秒/次
数据格式：{ transformerId, temperature, timestamp, loadRate }
数据存储：时序数据库（InfluxDB / TimescaleDB）

2. 温度异常检测

实时监测：每10秒检查一次所有变压器温度
异常判定：绝对温度 + 温升速率双重判断
误报过滤：排除传感器故障、数据异常

3. 规则引擎

分级预警：85℃预警、95℃报警、105℃紧急
温升速率：30分钟内上升 > 10℃立即报警
规则可配置：阈值、时间窗口可调整

4. 决策辅助

历史数据对比：同期温度、负荷对比
影响范围分析：停电用户、经济损失
建议措施：基于规则库自动生成

复杂度评估：

系统复杂度：中高
核心挑战：实时性 + 准确性 + 可扩展性
技术栈：时序数据库 + 规则引擎 + 消息推送

技术难点：

大规模变压器的实时监测（500-1000台）
时序数据的高效存储和查询
规则引擎的性能优化
多渠道推送的可靠性

关键依赖：

时序数据库（InfluxDB / TimescaleDB）
规则引擎（Drools / Easy Rules）
消息队列（Kafka / RabbitMQ）
推送服务（短信、微信、APP）

数据模型

typescript

// 温度记录
interface TemperatureRecord {
  id: string;
  transformerId: string;        // 变压器ID
  transformerName: string;      // 变压器名称
  stationName: string;          // 变电站名称
  temperature: number;          // 温度（℃）
  loadRate: number;             // 负荷率（%）
  ambientTemp: number;          // 环境温度（℃）
  timestamp: Date;
}

// 异常事件记录
interface TemperatureAnomalyEvent {
  id: string;
  transformerId: string;
  transformerName: string;
  anomalyType: 'HIGH_TEMP' | 'RAPID_RISE';
  level: 'warning' | 'alarm' | 'emergency';
  detectedAt: Date;
  currentTemp: number;
  tempRiseRate: number;
  status: 'PENDING' | 'CONFIRMED' | 'RESOLVED';

  // 处置记录
  disposal: {
    confirmedBy: string;        // 确认人
    confirmedAt: Date;
    actions: string[];          // 处置措施
    isPowerOff: boolean;        // 是否停电
    cause: string;              // 异常原因
    result: string;             // 处置结果
    resolvedAt: Date;
  };
}

三、AI辅助开发方案

3.1 技术迁移分析

复用已有资产：矿山场景的"环境监测异常预警"规则

相似点：

都是基于传感器数据的实时监测
都需要分级预警 + 自动报警
都需要快速决策 + 应急响应

差异点：

维度	矿山场景（瓦斯监测）	电力场景（变压器温度）
监测对象	瓦斯浓度	变压器温度
异常判断	浓度 > 阈值	温度 > 阈值 + 温升速率
响应动作	人员撤离 + 停工	停电 + 检修
决策辅助	人员位置 + 撤离路线	停电影响 + 历史数据

技术复用度：85%

规则引擎逻辑：100%复用（分级预警、自动报警）
数据采集层：100%复用（传感器数据采集）
决策辅助层：需要适配电力行业特点（15%新开发）

3.2 Cursor Skill设计

Skill名称： environment-monitoring-alert.md（已存在，可直接复用）

适配说明：

将"瓦斯浓度"替换为"变压器温度"
将"人员撤离"替换为"停电操作"
增加"温升速率"判断逻辑
增加"停电影响分析"模块

四、开发资产

4.1 Cursor Skill

文件名： environment-monitoring-alert.md（已存在）

适配说明：

将"瓦斯浓度"替换为"变压器温度"
将"人员撤离"替换为"停电操作"
增加"温升速率"判断逻辑
增加"停电影响分析"模块

核心规则：

markdown

# 环境监测异常预警规则（电力行业适配版）

## 业务场景
电力行业中，需要实时监测变压器温度，发现异常时自动预警并提供决策辅助。

## 核心业务规则

### 1. 异常判定规则

**规则一：绝对温度判定**
- 检测温度是否超过阈值
- 分级：预警（85℃）、报警（95℃）、紧急（105℃）

**规则二：温升速率判定**
- 检测温升速率
- 30分钟内上升 > 10℃ → 立即报警

### 2. 自动响应规则

**规则一：分级报警**
- 预警：监控大屏 + 值班员手机
- 报警：监控大屏 + 值班员 + 站长 + 调度中心
- 紧急：所有相关人员 + 自动停电

### 3. 决策辅助规则

**规则一：停电影响分析**
- 查询影响范围
- 计算经济损失
- 检查备用电源

**规则二：历史数据对比**
- 去年同期温度
- 上月同期温度
- 今年最高温度
- 判断是否异常

## 数据模型

### 温度记录
```typescript
interface TemperatureRecord {
  id: string;
  transformerId: string;
  transformerName: string;
  temperature: number;
  loadRate: number;
  ambientTemp: number;
  timestamp: Date;
}

异常事件记录

typescript

interface TemperatureAnomalyEvent {
  id: string;
  transformerId: string;
  anomalyType: 'HIGH_TEMP' | 'RAPID_RISE';
  level: 'warning' | 'alarm' | 'emergency';
  detectedAt: Date;
  currentTemp: number;
  tempRiseRate: number;
  status: 'PENDING' | 'CONFIRMED' | 'RESOLVED';
  disposal: {
    confirmedBy: string;
    confirmedAt: Date;
    actions: string[];
    isPowerOff: boolean;
    cause: string;
    result: string;
    resolvedAt: Date;
  };
}

关键处理流程

实时监测 → 每10秒检查所有变压器温度
异常判定 → 绝对温度 + 温升速率双重判断
分级报警 → 85℃预警、95℃报警、105℃紧急
决策辅助 → 停电影响分析 + 历史数据对比
处置闭环 → 记录处置过程 + 自动归档

开发注意事项

阈值可配置：不要硬编码85/95/105℃，支持运营人员配置
误报过滤：排除传感器故障、数据异常
快速响应：决策辅助信息必须在1秒内展示
数据留痕：所有异常事件和处置过程必须记录

相似场景复用

这个规则可以复用到：

矿山安全：瓦斯浓度监测、环境温度监测
化工行业：反应釜温度监测、压力监测
数据中心：机房温度监测、设备温度监测

复杂度评估：

Skill复用度：85%
需要调整的部分：监测对象、响应动作、决策辅助
新增开发量：15%

技术难点：

规则参数的灵活配置
多场景的规则适配
决策辅助模块的扩展性

关键依赖：

矿山场景的规则引擎框架
规则配置管理系统
决策辅助数据源

4.2 技术迁移说明

可复用的已有资产：

矿山场景：环境监测异常预警规则
- 复用：规则引擎框架、分级报警逻辑
- 调整：瓦斯浓度 → 变压器温度，增加温升速率判断
- 复用度：85%
矿山场景：应急响应流程
- 复用：自动报警、升级机制、处置闭环
- 调整：人员撤离 → 停电操作
- 复用度：90%

需要新开发的部分：

停电影响分析模块（15%）
历史数据对比模块（已有时序数据库，只需查询逻辑）

4.3 实施指南

步骤1：准备环境

bash

# 安装依赖
npm install

# 配置温度传感器接口
# 编辑 config/sensor-config.json

步骤2：使用Cursor Skill

1. 将 environment-monitoring-alert.md 保存到 .cursor/rules/
2. 在Cursor中告诉AI：
   "参考 environment-monitoring-alert.md 中的业务规则，
   实现变压器温度异常监测功能"
3. AI会基于规则生成代码

步骤3：调整配置

typescript

// config/temperature-rules.ts
export const TEMPERATURE_CONFIG = {
  thresholds: {
    warning: 85,      // 预警阈值（可调整）
    alarm: 95,        // 报警阈值（可调整）
    emergency: 105    // 紧急阈值（可调整）
  },
  riseRateThreshold: 10,  // 温升速率阈值（℃/30分钟）
  timeWindow: 30,         // 时间窗口（分钟）
};

步骤4：测试验证

bash

# 运行测试
npm test

# 模拟异常场景
npm run simulate:high-temperature

复杂度评估：

实施复杂度：中等
配置工作量：传感器接口对接 + 规则参数配置
测试工作量：异常场景模拟 + 性能测试

技术难点：

传感器接口的稳定性
规则参数的合理配置
性能测试的场景覆盖

关键依赖：

温度传感器接口文档
测试环境和数据
运维人员的配合

五、下一步行动

如果您对这个场景感兴趣

快速验证：我们可以用1-2天时间，基于模拟数据做原型演示
技术对接：提供温度传感器接口文档，评估对接工作量
成本预估：根据变压器数量、监测点数量，给出详细报价

场景01：变压器温度异常预警

一、需求探索

1.1 痛点时刻

1.2 核心痛点

1.3 业务规则（行业标准）

二、方案设计

2.1 业务规则设计

规则1：温度异常判定规则

规则2：自动响应规则

规则3：决策辅助规则

2.2 技术方案

技术架构

核心技术点

数据模型

三、AI辅助开发方案

3.1 技术迁移分析

3.2 Cursor Skill设计

四、开发资产

4.1 Cursor Skill

异常事件记录

关键处理流程

开发注意事项

相似场景复用

4.2 技术迁移说明

4.3 实施指南

五、下一步行动

如果您对这个场景感兴趣

相关场景

相关资产

场景01：变压器温度异常预警 ​

一、需求探索 ​

1.1 痛点时刻 ​

1.2 核心痛点 ​

1.3 业务规则（行业标准） ​

二、方案设计 ​

2.1 业务规则设计 ​

规则1：温度异常判定规则 ​

规则2：自动响应规则 ​

规则3：决策辅助规则 ​

2.2 技术方案 ​

技术架构 ​

核心技术点 ​

数据模型 ​

三、AI辅助开发方案 ​

3.1 技术迁移分析 ​

3.2 Cursor Skill设计 ​

四、开发资产 ​

4.1 Cursor Skill ​

异常事件记录 ​

关键处理流程 ​

开发注意事项 ​

相似场景复用 ​

4.2 技术迁移说明 ​

4.3 实施指南 ​

五、下一步行动 ​

如果您对这个场景感兴趣 ​

相关场景 ​

相关资产 ​

场景01：变压器温度异常预警

一、需求探索

1.1 痛点时刻

1.2 核心痛点

1.3 业务规则（行业标准）

二、方案设计

2.1 业务规则设计

规则1：温度异常判定规则

规则2：自动响应规则

规则3：决策辅助规则

2.2 技术方案

技术架构

核心技术点

数据模型

三、AI辅助开发方案

3.1 技术迁移分析

3.2 Cursor Skill设计

四、开发资产

4.1 Cursor Skill

异常事件记录

关键处理流程

开发注意事项

相似场景复用

4.2 技术迁移说明

4.3 实施指南

五、下一步行动

如果您对这个场景感兴趣

相关场景

相关资产