场景02：闸门控制异常监测

当前阶段： 🔍 探索中 | 行业： 水利行业 | 关键词： 闸门控制、执行监测、偏差报警 | 返回水利场景 →

一、需求探索

1.1 痛点时刻

具体场景：

下午2点，调度中心下发指令：将3号闸门开度从20%调整到50%，以增加下泄流量。系统显示"指令已下发"。
20分钟后，现场巡查人员发现3号闸门实际开度只有30%，并未达到目标的50%。原因是闸门启闭机出现故障，卡在30%位置无法继续开启。
此时调度中心仍然认为闸门已开到50%，按此计算下泄流量，导致水位控制失误。如果不是巡查人员偶然发现，可能造成更大问题。

业务背景：

闸门规模：中型水库有5-10个闸门，大型水库有20-50个闸门
控制方式：远程控制为主，现场手动为辅
监测设备：闸门开度传感器每10秒上报一次数据
调度频率：汛期每天调度5-10次，非汛期每天1-2次

1.2 核心痛点

问题1：执行情况不透明

调度中心下发指令后，不知道闸门是否真正执行到位
系统只显示"指令已下发"，不显示"执行结果"
需要人工巡查才能发现执行异常

问题2：发现滞后

闸门执行异常后，可能20-30分钟才被发现
依赖现场巡查人员偶然发现，没有自动监测机制
夜间或恶劣天气时，巡查频率低，发现更晚

问题3：影响判断

调度中心按"目标开度"计算下泄流量，实际开度不符导致计算错误
可能影响水位控制、防汛调度等关键决策
事后追溯困难，责任不清

1.3 业务规则（行业标准）

《水闸安全鉴定规定》相关要求：

闸门启闭设备应定期检查维护（第12条）
闸门开度应与指令一致，偏差不超过5%（第13条）
发现闸门异常应立即报告并处理（第14条）

实际业务规则（基于行业调研）：

5分钟检查规则：指令下发后5分钟内检查执行情况
偏差10%预警：实际开度与目标开度偏差 > 10% → 预警
偏差20%报警：实际开度与目标开度偏差 > 20% → 报警（紧急）
零开度特殊规则：目标开度 > 0但实际开度 = 0 → 立即报警（闸门卡死）

成本测算：

误报成本：派人现场检查，耗时30分钟，人工成本约200元/次
漏报成本：调度失误导致水位控制失败，可能影响防汛安全（无法估量）
平衡点：宁可误报，不可漏报

二、方案设计

2.1 业务规则设计

规则1：闸门执行偏差检测

typescript

// 闸门执行偏差检测规则
interface GateExecutionDeviation {
  // 指令信息
  command: {
    gateId: string;           // 闸门ID
    targetOpening: number;    // 目标开度（%）
    issuedAt: Date;           // 指令下发时间
  };

  // 实际执行情况
  actual: {
    currentOpening: number;   // 当前开度（%）
    measuredAt: Date;         // 测量时间
  };

  // 偏差判定
  deviation: {
    value: number;            // 偏差值（%）
    percentage: number;       // 偏差百分比
    isAnomalous: boolean;     // 是否异常
    severity: 'normal' | 'warning' | 'alarm';  // 严重程度
  };
}

// 判定逻辑
function checkGateExecutionDeviation(
  command: GateCommand,
  currentOpening: number,
  checkTime: Date
): GateExecutionDeviation {
  // 计算偏差
  const deviation = Math.abs(currentOpening - command.targetOpening);
  const deviationPercentage = (deviation / command.targetOpening) * 100;

  // 判定严重程度
  let severity: 'normal' | 'warning' | 'alarm' = 'normal';
  let isAnomalous = false;

  // 特殊情况：目标开度 > 0 但实际开度 = 0（闸门卡死）
  if (command.targetOpening > 0 && currentOpening === 0) {
    severity = 'alarm';
    isAnomalous = true;
  }
  // 偏差 > 20%
  else if (deviation > 20) {
    severity = 'alarm';
    isAnomalous = true;
  }
  // 偏差 > 10%
  else if (deviation > 10) {
    severity = 'warning';
    isAnomalous = true;
  }

  return {
    command: {
      gateId: command.gateId,
      targetOpening: command.targetOpening,
      issuedAt: command.issuedAt
    },
    actual: {
      currentOpening,
      measuredAt: checkTime
    },
    deviation: {
      value: deviation,
      percentage: deviationPercentage,
      isAnomalous,
      severity
    }
  };
}

规则2：执行超时检测

typescript

// 执行超时检测规则
interface GateExecutionTimeout {
  // 时间限制
  timeLimit: number;        // 时间限制（秒）

  // 判定结果
  isTimeout: boolean;       // 是否超时
  elapsedTime: number;      // 已用时间（秒）
  expectedTime: number;     // 预期时间（秒）
}

// 判定逻辑
function checkGateExecutionTimeout(
  command: GateCommand,
  currentOpening: number,
  checkTime: Date
): GateExecutionTimeout {
  // 计算已用时间
  const elapsedTime = (checkTime.getTime() - command.issuedAt.getTime()) / 1000;

  // 计算预期时间（假设闸门开启速度为10%/分钟）
  const openingChange = Math.abs(command.targetOpening - command.initialOpening);
  const expectedTime = (openingChange / 10) * 60;  // 秒

  // 判定是否超时（预期时间 + 5分钟缓冲）
  const timeLimit = expectedTime + 300;
  const isTimeout = elapsedTime > timeLimit &&
                    Math.abs(currentOpening - command.targetOpening) > 5;

  return {
    timeLimit,
    isTimeout,
    elapsedTime,
    expectedTime
  };
}

规则3：自动响应规则

typescript

// 自动响应动作
interface AutoResponse {
  // 预警（偏差10-20%）
  warning: {
    alert: {
      channels: ['调度室大屏', '值班人员手机'];
      sound: '普通报警音';
      message: '3号闸门执行偏差：目标50%，实际40%，偏差10%';
    };
    actions: [
      '显示闸门实时开度曲线',
      '显示启闭机运行状态',
      '提示人工确认是否需要重新下发指令'
    ];
  };

  // 报警（偏差>20%或闸门卡死）
  alarm: {
    alert: {
      channels: ['调度室大屏', '值班人员手机', '现场维护人员手机'];
      sound: '高优先级报警音';
      message: '3号闸门执行异常：目标50%，实际30%，偏差20%，疑似启闭机故障';
    };
    actions: [
      '自动切换到手动控制模式',
      '通知现场维护人员检查',
      '记录异常事件到设备台账',
      '如果是关键闸门，启动备用方案'
    ];
  };

  // 超时（5分钟后仍未到位）
  timeout: {
    alert: {
      channels: ['调度室大屏', '值班人员手机'];
      sound: '普通报警音';
      message: '3号闸门执行超时：已用时8分钟，预期3分钟，当前开度35%';
    };
    actions: [
      '检查启闭机是否卡顿',
      '评估是否需要停止执行',
      '记录超时事件'
    ];
  };
}

2.2 技术方案

技术架构

闸门开度传感器 → 数据采集 → 规则引擎 → 报警推送
                      ↓
                指令执行监测
                      ↓
                可视化大屏 + 移动端

核心技术点

1. 闸门开度数据采集

采集频率：每10秒上报一次
数据格式：{ gateId, opening, timestamp, sensorStatus }
数据校验：异常值过滤（如传感器故障导致的突变）

2. 指令执行监测

指令下发后，启动执行监测任务
每10秒检查一次当前开度与目标开度的偏差
5分钟后检查是否到位，未到位则报警

3. 规则引擎

支持多条规则并行判断（偏差规则 + 超时规则）
支持规则配置（偏差阈值、超时时间可调整）
支持规则测试（模拟闸门执行异常场景）

4. 报警推送

多通道推送：大屏、手机APP、短信
分级推送：不同严重程度推送给不同人员
推送确认：重要报警必须确认收到

数据模型

typescript

// 闸门指令记录
interface GateCommand {
  id: string;
  gateId: string;             // 闸门ID
  gateName: string;           // 闸门名称
  initialOpening: number;     // 初始开度（%）
  targetOpening: number;      // 目标开度（%）
  issuedAt: Date;             // 指令下发时间
  issuedBy: string;           // 下发人
  status: 'EXECUTING' | 'COMPLETED' | 'FAILED';
}

// 闸门开度记录
interface GateOpeningRecord {
  id: string;
  gateId: string;             // 闸门ID
  gateName: string;           // 闸门名称
  opening: number;            // 开度（%）
  timestamp: Date;            // 采集时间
  sensorStatus: 'normal' | 'abnormal';  // 传感器状态
}

// 执行异常事件记录
interface ExecutionAnomalyEvent {
  id: string;
  commandId: string;          // 关联的指令ID
  gateId: string;
  gateName: string;
  anomalyType: 'DEVIATION' | 'TIMEOUT';  // 异常类型
  severity: 'warning' | 'alarm';  // 严重程度
  detectedAt: Date;           // 检测到异常的时间
  targetOpening: number;      // 目标开度
  actualOpening: number;      // 实际开度
  deviation: number;          // 偏差值
  status: 'PENDING' | 'CONFIRMED' | 'RESOLVED';

  // 处置记录
  disposal: {
    confirmedBy: string;      // 确认人
    confirmedAt: Date;
    cause: string;            // 异常原因
    actions: string[];        // 处置措施
    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异常监测
都需要实时判断 + 自动报警
都需要分级预警 + 处置闭环

差异点：

维度	矿山场景（瓦斯监测）	水利场景（闸门控制）
监测对象	瓦斯浓度	闸门开度
异常判断	浓度 > 阈值	实际开度与目标开度偏差 > 阈值
触发条件	实时监测	指令下发后监测
响应动作	停止作业、人员撤离	切换手动控制、通知维护

技术复用度：80%

规则引擎逻辑：100%复用
报警推送逻辑：100%复用
异常判断逻辑：需要调整为"偏差判断"（20%新开发）

3.2 Cursor Skill设计

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

复用说明：

矿山场景的"环境监测异常预警"规则可以应用到闸门控制监测
只需调整监测对象（瓦斯浓度 → 闸门开度）和判断逻辑（阈值判断 → 偏差判断）

3.3 PROMPT模板

PROMPT 1：生成闸门执行偏差检测代码

你是一个业务逻辑开发专家。请根据以下业务规则，生成闸门执行偏差检测的代码。

## 业务场景
水利调度中心下发闸门控制指令后，需要监测闸门是否按指令执行到位。如果实际开度与目标开度偏差过大，需要自动报警。

## 业务规则
1. 偏差判定：
   - 偏差 > 10% → 预警（黄色）
   - 偏差 > 20% → 报警（红色）
   - 目标开度 > 0 但实际开度 = 0 → 立即报警（闸门卡死）

2. 超时判定：
   - 指令下发后5分钟内检查执行情况
   - 如果5分钟后仍未到位（偏差 > 5%）→ 超时报警

3. 自动响应：
   - 预警：显示实时开度曲线，提示人工确认
   - 报警：切换手动控制，通知现场维护人员
   - 超时：检查启闭机状态，评估是否停止执行

## 数据模型
- GateCommand：闸门指令记录（gateId, targetOpening, issuedAt）
- GateOpeningRecord：闸门开度记录（gateId, opening, timestamp）
- ExecutionAnomalyEvent：执行异常事件记录（anomalyType, severity, deviation）

## 技术要求
- 使用TypeScript
- 指令下发后启动监测任务，每10秒检查一次
- 支持规则配置（偏差阈值、超时时间可调整）
- 记录所有异常事件和处置过程

请参考 environment-monitoring-alert.md 中的规则，生成完整的代码实现。

PROMPT 2：生成分级报警推送逻辑

你是一个业务逻辑开发专家。请根据以下业务规则，生成分级报警推送的代码。

## 业务场景
闸门执行异常需要根据严重程度推送给不同人员，并触发不同的应急响应动作。

## 业务规则
1. 预警（偏差10-20%）：
   - 推送到：调度室大屏、值班人员手机
   - 动作：显示实时开度曲线、提示人工确认

2. 报警（偏差>20%或闸门卡死）：
   - 推送到：调度室大屏、值班人员手机、现场维护人员手机
   - 动作：切换手动控制、通知维护人员、记录异常事件

3. 超时（5分钟后仍未到位）：
   - 推送到：调度室大屏、值班人员手机
   - 动作：检查启闭机状态、评估是否停止执行

## 技术要求
- 支持多通道推送（APP、短信）
- 推送确认机制（重要报警必须确认收到）
- 推送失败重试（最多3次）

请生成完整的代码实现。

3.4 开发周期预估

基于已有资产（矿山场景）：

原型验证：1-2天
- Day 1：复用规则引擎，调整为偏差判断逻辑
- Day 2：增加超时判断，测试异常场景
首版上线：3-5天
- Day 3：完善报警推送逻辑，对接闸门控制系统
- Day 4：测试各种异常场景（偏差、超时、卡死）
- Day 5：部署上线
迭代优化：根据实际使用反馈调整阈值、优化报警策略

四、开发资产

4.1 Cursor Skill

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

复用说明： 矿山场景的"环境监测异常预警"规则可以直接应用到闸门控制监测，只需调整以下配置：

typescript

// 监测对象配置
const MONITORING_CONFIG = {
  // 矿山场景：瓦斯浓度
  mining: {
    metric: 'gasConcentration',
    unit: '%',
    thresholds: [0.5, 1.0, 1.5],  // 预警、报警、紧急
    checkMode: 'realtime'          // 实时监测
  },

  // 水利场景：闸门开度
  waterConservancy: {
    metric: 'gateOpening',
    unit: '%',
    deviationThresholds: [10, 20],  // 预警、报警
    checkMode: 'onCommand',         // 指令下发后监测
    checkInterval: 10,              // 检查间隔（秒）
    timeoutLimit: 300               // 超时限制（秒）
  }
};

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、报警推送逻辑、分级预警机制
- 调整：监测对象（瓦斯浓度 → 闸门开度）、判断逻辑（阈值判断 → 偏差判断）
- 新增：超时判断逻辑
- 复用度：80%
医废场景：GPS轨迹验证规则
- 复用：偏差计算逻辑（GPS偏离距离 → 闸门开度偏差）
- 调整：偏差阈值（50米 → 10%/20%）
- 复用度：60%

需要新开发的部分：

指令执行监测任务调度（15%）
超时判断逻辑（5%）

4.3 实施指南

步骤1：准备环境

bash

# 安装依赖
npm install

# 配置闸门控制系统接口
# 编辑 config/gate-control-config.json

步骤2：使用Cursor Skill

1. 确认 environment-monitoring-alert.md 已存在于 .cursor/rules/
2. 在Cursor中告诉AI：
   "参考 environment-monitoring-alert.md 中的业务规则，
   实现闸门执行偏差监测功能。监测对象是闸门开度，
   判断实际开度与目标开度的偏差，偏差>10%预警，>20%报警。
   指令下发后5分钟内检查执行情况，未到位则超时报警。"
3. AI会基于规则生成代码

步骤3：调整配置

typescript

// config/gate-monitoring-rules.ts
export const GATE_MONITORING_CONFIG = {
  deviationWarningThreshold: 10,   // 偏差预警阈值（%）
  deviationAlarmThreshold: 20,     // 偏差报警阈值（%）
  checkInterval: 10,               // 检查间隔（秒）
  timeoutLimit: 300,               // 超时限制（秒）
  completionTolerance: 5,          // 到位容差（%）
};

步骤4：测试验证

bash

# 运行测试
npm test

# 模拟闸门执行异常场景
npm run simulate:gate-execution-anomaly

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：提供闸门控制系统接口文档，评估对接工作量
成本预估：根据闸门数量、监测点数量，给出详细报价

场景02：闸门控制异常监测

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：闸门执行偏差检测

规则2：执行超时检测

规则3：自动响应规则

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

3.3 PROMPT模板

PROMPT 1：生成闸门执行偏差检测代码

PROMPT 2：生成分级报警推送逻辑

3.4 开发周期预估

四、开发资产

4.1 Cursor Skill

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02：闸门控制异常监测 ​

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：闸门执行偏差检测 ​

规则2：执行超时检测 ​

规则3：自动响应规则 ​

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 ​

3.3 PROMPT模板 ​

PROMPT 1：生成闸门执行偏差检测代码 ​

PROMPT 2：生成分级报警推送逻辑 ​

3.4 开发周期预估 ​

四、开发资产 ​

4.1 Cursor Skill ​

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02：闸门控制异常监测

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：闸门执行偏差检测

规则2：执行超时检测

规则3：自动响应规则

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

3.3 PROMPT模板

PROMPT 1：生成闸门执行偏差检测代码

PROMPT 2：生成分级报警推送逻辑

3.4 开发周期预估

四、开发资产

4.1 Cursor Skill

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