Al新生代，软件创未来根植电气沃土，拥抱工业AI变革。国产工业软件正迎来干载难逢的突围机遇。一起奔赴这场产业革新。 技术范式重构的时代窗口已经开启， 我们在这里，寻找同频的青年力量， 宣讲行程一览 董事长寄语 今年，我们把校招流程，升级成了一场“Boss直聘”。 利驰软件创始人、董事长令永卓将亲自走进西安交大、西工大、 东南大学、南理工， 登台分享、与你全程面对面! 来现场! 与一位深耕工业软件三十余年的老兵， 一起领跑工业Al。 令总寄语 来利驰，领跑工业AI，抢占时代红利 一一致西安交大、西工大、东南大学、南理工 的毕业班同学们! 我是利驰软件创始人、董事长令永卓。这个月，我专程带队走进西安交通大学、西北工业大学、东南大学、南京理工大学四所顶尖高校，开启校园招聘宣讲之旅。不同于常规的校招流程，这次我会亲自登台分享、全程面对面交流、一对一参与面试。 我亲自奔赴校园、亲自遴选人才，只为一件事:为利驰的工业AI战略转型纳新聚力，为中国工业软件的全球突围，招募最顶尖、最有理想、最敢创新的青年力量! 今天，我想和大家坦诚聊聊我的从业初心，聊聊工业软件的三十年变迁，更聊聊属于我们这代年轻人的时代机遇。 我是深耕中国工业软件领域三十余年的老兵，更是中国电力装备产业从追赶、并跑到领跑的全程见证者。1988年，我从清华大学工程力学专业毕业，入职西安高压电器研究院，也就是如今中国电气装备集团旗下核心上市企业，深耕整整七年。那个年代，我国电力装备技术薄弱、设备落后，国产工业软件几乎一片空白，核心技术、核心系统完全依赖海外，我们始终处在跟随、模仿、追赶的被动局面。 很多同学会有疑问:此前移动互联网、工业互联网浪潮袭来，都没能改写全球工业软件的固有格局，凭什么工业AI可以? 我深耕行业三十余年，我的核心判断非常笃定:这一次，完全不一样! 移动互联网、工业互联网，本质是工具与场景的升级，没有颠覆工业软件的底层研发逻辑与交付模式，海外巨头的技术壁垒依然稳固。 但工业AI是颠覆性的底层变革，它彻底重构工业软件的研发体系、交付模式与服务逻辑，让工业软件从"单一的工具软件”，升级为"智能决策、自动生成、精准赋能的结果交付体系” 这是百年一遇的产业重构机遇!而中国，手握碾压式的核心优势:我们拥有全球规模最大的电力装备产业集群、数量最庞大和实干的电气和机械工程师群体，以及海量真实工业场景与海量落地数据，为工业AI迭代升级提供了独一无二的土壤。 天时、地利、人和，所有条件全部成熟，这一次，中国工业软件，必将闪耀全球! 西安交大、西工大、东南大学、南理工，都是我国工科强国的中坚力量。多年来，多名四所名校的优秀学子加入利驰、扎根工业软件，在技术研发、产品创新、产业落地的一线快速成长，成为公司工业AI转型的核心骨干与中坚力量。他们的专业素养、创新能力、实干精神，是利驰持续突破的底气，更是今天在座各位最鲜活 的榜样! 今天的利驰，早已做好了迎接时代风口、领跑工业AI赛道的全部准备，手握行业顶级优势，蓄势待发! 我们率先完成传统工业软件向电气云端智能服务的战略升级。我们自研电晓晓电气行业大模型，重磅落地全球领先的五大电气智能体，抢占工业AI先发身位。同时，我们深度联动国内工业巨头、头部大模型企业、顶尖工业软件平台，共建工业AI产业生态，携手开拓万亿级全新赛道。 扎根工业软件赛道，我苦苦坚守、默默深耕，整整等待了三十多年，终于等到了国产工业软件换道超车的历史性时刻! 时代的红利，从不留给观望者;产业的未来，永远属于奋斗者。 各位同学，你们正值最好的年华，站在时代变革的风口。你们的专业能力、创新思维、年轻活力，正是中国工业AI突围最需要的力量! 我在西安、在南京，真诚期待与每一位心怀热爱、志存高远的同学相遇! 欢迎加入利驰!让我们扎根工业AI新赛道，把握百年一遇的时代红利，以青年之力，突破技术卡脖子难题，亲手打造领先全球的工业AI产品，共同书写中国工业软件的崛起新篇章 谢谢大家! 招聘流程 简历筛选 AI初试 综合复试 offer发放 签三方 入职报到(2027年7月) 简历投递及联系方式 吉珊珊(苏州)17826157577 简历投递邮箱:shanshan.ji@leadsoft.com.cn 郭淑娟(西安)13991940412简历投递邮箱:gsj@leadsoft.com.cn 邮件/简历命名:岗位+姓名+院校 校招交流渠道 有任何校招疑问?第一时间掌握岗位信息，在线交流答疑! 欢迎加入2027校招QQ答疑群

令永卓 · 电天下 · 行业技术观察 2026-10-18 前言 本次上海工博会，重点交流调研了国内外主流工控厂商工业 AI 相关产品、技术路线，与多家厂商研发负责人深度沟通。整体观感：当前工业 AI 尚处于单点场景试点、辅助决策为主的阶段，虽各家都在布局智能体、大模型、世界模型，但颠覆性产品较少，行业成熟度整体偏低。时序 AI 是当前落地规模最大的工业 AI 赛道，国内外厂商在技术选型、产品定位上呈现明显分化。同时，本次展会也看到一批面向工程图纸、报价、供应链的垂直领域工业智能体集中亮相，形成与时序设备运维 AI 并行的另一股技术路线。下面分为三大部分阐述。 一、国内外工控巨头工业 AI 战略与本届展出产品 整体战略可清晰分为两大阵营：海外工控巨头、国内本土工控龙头；除此之外，一批面向工程、供应链、制造业务的垂直厂商，推出工程 / 报价 / 供应链类工业智能体，形成差异化赛道。 （一）海外工控巨头（西门子、施耐德、三菱电机、罗克韦尔、菲尼克斯、欧姆龙） 统一核心战略：硬件底座为本，AI 作为增值插件；优先保证确定性、安全性、可解释性，谨慎使用黑盒深度模型，不允许 AI 接管安全相关的实时控制回路。 海外厂商的底层逻辑：PLC、DCS、驱动器、工业软件是核心基本盘，AI 不是独立产品，而是叠加在自动化底座之上的增强能力。产品依托原有硬件生态打包销售，不独立打造通用工业垂类基础大模型。 西门子：主打数字孪生 + 物理 AI，本次工博会核心展品为钻耀之心 3.0、人形机器人具身智能方案、Eigen 工程智能体（Eigen Engineering Agent）、Industrial Copilot。 Eigen 工程智能体是西门子全球首款面向工业自动化工程的 AI 智能体，深度集成 TIA 博途平台，突破传统 AI 仅提供建议的模式，可端到端完成自动化工程任务规划、执行、自校验。能够接收自然语言需求，自动编写 PLC 程序、生成 HMI 画面、完成设备配置，并且新增 ECAD 电气设计集成能力，打通电气设计与自动化软件开发流程；实测工程效率相比人工提升 50%，已经在国内外上百家制造企业试点落地，覆盖机械、电气、化工等行业。 时序分析以 LSTM 搭配机理模型为主，时序 Transformer 仅在少数场景试点。Copilot 智能体更多是调用各类分析工具（Skill），做设备运维辅助。优势是全栈工业软硬件一体化；短板在于电气成套图纸、一次二次回路深度解析能力薄弱。 施耐德电气：以 EAE 开放自动化平台为核心，将 AI 嵌入边缘控制器。AI 落地场景集中在能耗优化、电能质量诊断、设备运维预警；以单点 AI 模型为主，未推出面向工程场景的智能体。核心方向聚焦配电、能源管理。 三菱电机：MELSOFT AI 边缘 AI 套件，面向汽车、半导体离散制造。主打轻量化边缘 AI，采用 LSTM+CNN 做主轴、机器人设备 PHM 与外观质检；严控模型复杂度，优先保障边缘控制器稳定运行。 罗克韦尔：FactoryTalk Analytics、GuardianAI，依托 Allen‑Bradley PLC 生态。以传统统计机器学习为主体，LSTM 作为高阶可选模块；利用变频器采集原生电流时序信号做电机预测维护，主打 AI 原生嵌入控制器。 菲尼克斯：PLCnext 开放自动化平台，定位 AI 运行载体底座。提供边缘算力与模型部署环境，支持第三方模型、Skill 接入；自身不自研行业大模型与时序基础模型。 欧姆龙：现场反射式边缘 AI，实现控制周期与时序信号高精度同步采集，主打 3C 精密产线微小异常识别；采用轻量化时序模型，追求现场实时低延迟检测。 海外厂商共性：不投入资源构建独立工业时序预训练基座；AI 能力集中在设备运维、能耗、质检；安全控制回路依然依靠传统机理与规则。 （二）国内工控龙头（中控技术、和利时、汇川技术） 统一核心战略：场景优先，敢于自研垂类基础模型，将 AI 平台化、产品化。分为两大路线：流程工业阵营主攻世界模型、时序预训练基座；离散制造阵营深耕硬件内嵌轻量化 AI。 中控技术：核心产品 TPT 时序预训练 Transformer 模型，国内为数不多的工业时序预训练基座。面向化工、热电流程工业，用于工艺软测量、装置异常预警、关键部件寿命预测；采用 Transformer MoE 架构，可作为底层 Skill 搭配大模型，搭建流程工业智能体，已在大型化工项目落地。 和利时：XMagital®2.0 工业世界模型智能系统，本次展会重点展品。时序模块以时序 Transformer 为主，搭配机理模型做约束，实现工况推演、设备预警、安全仿真；支持上层智能体编排，对流程工厂的工况进行模拟推演，目前在能源、化工项目试点落地。 汇川技术：PHM 时序引擎，面向新能源、锂电离散产线，聚焦伺服、变频器、电机健康管理。主力采用 LSTM/RNN 轻量化时序模型，少量 Transformer 做对照测试；模型直接下沉部署在驱动器、边缘网关，硬件内嵌 AI，产线已经规模化落地。 国内厂商共性：愿意投入资源自研垂类基础模型，但同样受限于工业数据孤岛、故障样本稀缺，AI 输出仅作为辅助决策建议，无法直接接管实时控制。 （三）国内垂直赛道工业智能体新玩家（工程图纸、报价、供应链方向，与时序 AI 形成差异化） 本次工博会可以明显看到，除传统工控厂商的时序、设备运维 AI 外，多家厂商推出面向图纸解析、BOM、报价、供应链履约的工程类工业智能体，赛道与时序 PHM 完全不同，不涉及实时设备控制，聚焦工程设计与商务流程。 利驰，电晓晓电气工程行业大模型 + 电气工程智能体：以电气图纸多模态识图为核心，依托图纸标注对多模态行业大模型做微调，搭配回路推电小模型、布局算法，采用大模型 + 多 Skill 智能体调度架构。核心能力：电气图纸识别、符号坐标提取、柜用途识别、回路归属解析、元器件选型，面向电气成套工程设计场景。 京东工业，JoyIndustrial 工业大模型 + 供应链智能体：依托海量工业品 SKU，打造工品查、识图报价等多模态供应链智能体矩阵，支持图纸识图识别、物料解析、同品匹配、BOM 寻源、工业品报价，聚焦工业供应链物料治理、采购寻源、商品标准化，覆盖工业品电商供应链场景。 黑湖智造，Factory Agent 工业智能体矩阵：面向工厂订单全流程，包含报价 Agent、拆单 Agent、排程 Agent、履约 Agent、质检 Agent。能够读取图纸、工单、产能数据，完成图纸拆单、成本核算、生产排程、交期风险预警，服务多品种小批量柔性制造工厂，打通订单到生产执行链路。 米思米，meviy（莫比）非标报价智能体：基于 3D 模型理解的非标零部件 AI 报价智能体。用户上传零件三维模型，AI 自动识别几何特征、加工工艺，自动评估加工可行性、成本，最快 1 分钟输出报价与交期，覆盖机加工、钣金非标零件采购场景。 这一类垂直智能体的共性：以图纸 / 三维模型、订单、物料文本为输入，而非传感器时序数据；目标是工程设计、拆单、报价、供应链匹配，不是设备预测性维护，不存在 OT 实时控制安全红线。 二、时序 AI 赛道：产品特点、三大主流技术路线 时序 AI 是当前工业 AI 落地最成熟的赛道，输入为传感器采集的温度、压力、振动、电流等连续时序数值，用于设备预测性维护、工艺参数预测、工况异常识别。行业主流有三类神经网络技术路线：RNN、LSTM、时序 Transformer。 1. RNN（循环神经网络） 原理：串行逐时间步读取时序数据，当前时刻输出依赖当前输入 + 上一时刻记忆。 特点：结构最简单、参数量少；致命缺陷为长序列梯度消失，长时间历史信息丢失。 算力：极低，极易部署在边缘网关、驱动器。 可解释性：中下，仅能看出近期数据的影响，难以追溯久远历史信号的影响。 工业现状：商用产品极少单独使用，多用于基线对照、简单短时序场景。 2. LSTM（长短期记忆网络，RNN 改进版本） 原理：保留循环串行结构，新增门控机制（遗忘门、输入门、输出门），增加独立细胞状态 “记忆传送带”，选择性保留长期有效信息，解决原生 RNN 长序列遗忘问题。 特点：时序工业场景落地主力方案；训练稳定、工况漂移相对可控；短板依旧是串行计算，序列越长计算耗时越高；对多变量远距离耦合关联捕捉能力弱于 Transformer。 算力：中等，远低于时序 Transformer，适合部署在控制器、驱动器边缘端。 可解释性：中等，可以可视化门控的记忆 / 遗忘逻辑；但多传感器耦合场景，难以清晰定位哪一条信号触发预警。 适用企业：汇川、三菱、罗克韦尔，多用于单设备 PHM，离散制造设备预测维护。 3. 时序 Transformer（PatchTST、TimesNet、TPT 这类时序专用 Transformer） 原理：不再串行读取，一次性送入完整时序片段，依靠自注意力机制，直接计算任意两个时间点之间的关联关系；工业常用 PatchTST，将长时序分段（Patch）降低算力开销。注意：时序 Transformer 不等同于通用大语言模型，只处理数值时序，不处理文本、图像。 特点：长距离、多变量耦合工况能力最强；支持海量无标注工业时序数据做预训练基座，少量标注数据即可微调；短板：算力开销高、对现场噪声敏感，黑盒属性更强。 算力：高；即使轻量化版本，推理算力仍高于 LSTM，大多部署在云端或高性能边缘节点，难以下放到普通 PLC。 可解释性：偏低；可以绘制注意力热力图，但是多变量互相纠缠，很难向工艺工程师清晰解释预警根因，也是海外厂商谨慎采用该技术的核心原因。 适用企业：中控 TPT、和利时 XWorld 时序模块；多用于流程工业，长周期多耦合工艺推演、装置预警。 各家时序产品汇总简表 赛道小结：时序 AI 整体局限于传感器一维数值序列处理，不具备图纸、原理图、工程回路理解能力。国内外巨头的研发重心集中于此，也是当前工业 AI 投入最多的方向。与之形成对比，工程图纸 / 三维模型类智能体，属于另一条独立赛道，输入为图形几何信息，不依靠传感器时序信号。 三、工业 AI 与智能驾驶 AI 对比：技术路线差异与发展差距根源 自动驾驶已经实现大规模 L2 量产、L3 限定场景试点落地；而工业 AI 整体最多达到 L2 辅助层级，无法进入自主控制，二者差距巨大，下面从技术架构、场景、数据、安全约束、商业闭环多角度分析。 1. 两者技术架构差异 自动驾驶 AI：多模块混合架构 感知层（道路、障碍物识别）：BEV、Occupancy 占用网络，基于 Transformer+CNN 融合图像、激光点云，属于空间多模态模型； 预测层（行人、车辆轨迹预判）：时序 Transformer、LSTM，属于时序模型； 规划层：大模型做行为决策，数值优化算法做轨迹规划； 控制层：PID、MPC 经典控制理论，神经网络不直接接管底层控制。 简言之：自动驾驶是空间感知模型 + 时序预测模型 + 传统控制的融合系统，Transformer 大量用于空间感知，时序模型只是配套模块。 工业时序 AI：聚焦一维传感器时序数据 当前主流工业 AI（时序 PHM），只处理温度、压力、振动这类一维时序数值，没有空间图像感知能力；模型目标是设备状态监测、工艺预警，仅做事前 / 事后辅助分析，不做实时端到端自主决策。 补充：工程图纸类工业智能体（电晓晓、米思米 meviy、黑湖拆单 Agent），在输入形态上更接近自动驾驶感知模块，属于多模态图形理解，但目标不是物理空间实时感知，而是工程图纸 / 三维模型的设计、工艺解析，没有实时物理世界控制任务。 2. 造成巨大发展差距的核心原因 （1）场景标准化程度差异 自动驾驶物理场景规则统一，道路、红绿灯、车辆、行人属于有限对象集合；一套基础模型，跨城市只需要少量微调。 工业场景高度碎片化，典型特征一厂一工况，一套装置一套特性。化工 A 装置和化工 B 装置、不同产线工艺负载差异巨大；模型在 A 厂训练完成，迁移至 B 厂容易出现分布偏移，很难训练通用基础模型。 即使是工程图纸赛道，不同设计院绘图习惯、图纸规范差异，同样会带来域迁移问题，但相比流程工业装置时序场景，标准化程度更高。 （2）数据获取与数据闭环能力 自动驾驶：百万级车辆持续在路上采集图像、点云、时序轨迹；危险、极端工况可以通过仿真大规模合成；形成 “车端采集→标注→模型迭代→OTA 下发” 完整数据飞轮。 工业时序 AI：正常工况数据海量，故障样本极其稀缺，一台设备数年才发生一次故障；故障发生后数据经常丢失；工厂数据孤岛严重，工艺标注需要资深工艺工程师，标注成本极高；项目交付完成，数据闭环直接中断。 工程图纸赛道相对好一些：图纸文件可以批量沉淀，但高质量标注同样依赖资深工程师，数据闭环难度仍然高于自动驾驶。 （3）安全与容错约束（最关键差异） L3 自动驾驶是限定场景下系统接管，事故属于交通事故，只要事故率低于人类驾驶员，就具备商业化落地价值，保留人兜底。 工业控制容错空间极小。AI 一旦误判，会引发爆炸、有毒介质泄漏、重大停产损失。行业规范与安全体系不允许黑盒 AI 直接接入实时控制回路，AI 只能输出预警、建议，最终决策必须由人工确认。工业 AI 天然无法放开自主执行权限。 （4）研发投入规模与商业模式 自动驾驶全球累计投入数千亿，市场体量巨大；硬件销售之后，车辆持续采集数据，软件订阅带来持续收入，正向飞轮清晰。 工业 AI 属于工控软件增值模块，客户付费意愿偏弱，整体市场盘子远小于汽车行业；项目制交付模式，很难持续投入海量算力、人力迭代基础模型。 结语 本届工博会可以看出，全球工控巨头工业 AI 主战场集中在时序设备运维赛道，国内外厂商在技术路线上形成分化：海外稳健优先，国内在垂类基础模型上更加激进。同时，市场涌现出一批面向图纸解析、报价、供应链协同的工程智能体，开辟了与时序 PHM 并行的赛道。但无论哪一类，受场景碎片化、数据稀缺、安全红线约束，时序 AI 很难实现颠覆性突破，长期定位仍为人类辅助决策工具。 与之对比，智能驾驶依托标准化场景、海量闭环数据、巨大资本投入实现快速迭代；场景标准化程度、数据闭环、安全边界是两类 AI 发展速度差异的根本决定因素。 本文为电天下 · 行业技术观察首发，转载需注明出处。 本文配图来自工博会现场，所有商业 logo 与图片版权归属原公司所有，电天下仅在技术洞察和签约快报编辑场景下做引用与编辑性使用。

发票管理工具全新升级红冲风险、归档难题一次性解决，合规高效两不误发票管理、台账归档，最怕的事：合规踩雷、重复加班。手动截图存档不规范、漏看红冲发票埋风险、供货清单手动拼图、批量发票整理耗时费力……针对高频痛点，智慧标书-发票管理工具全新升级！直接解决查验、归档、台账、数据同步全流程难题，严控风险、大幅减负。 01 5大全新功能，精准解决实操痛点 国税高保真截图，存档100%合规 系统截图与国税官网手动截图效果完全一致，票面细节完整还原，告别模糊、缺漏、格式不统一问题。全自动存档，合规严谨，无惧核查抽检。 红冲发票强提醒，提前拦截账务风险 新增专属高亮提示，系统自动识别红冲异常发票，操作前一眼甄别。从源头规避错入账、返工整改问题，彻底告别无意识踩坑。 Excel直接导入查验，无需繁琐操作 打破格式限制，支持表格直接导入批量查验。无需逐张上传、手动录入，数据流转零障碍，大批量发票核验效率大幅提升。 供货清单自动同步，不用手动拼图 针对“详情见供货清单”的发票，系统自动抓取、同步清单内容，精准关联对应发票。省去手动查找、拼图、二次核对步骤，资料整理高效又完整。 一键批量生成PDF，解放双手 几十上百张发票无需逐张导出，一键批量生成PDF。短时间完成全套归档，彻底告别机械式重复劳作。 02🚀 2大功能迭代，体验&实用性双升级 智能台账导出，数据完整无遗漏 导出台账自动标注红冲发票提示，同时智能提取关联供货清单信息。数据维度齐全，无需二次补录修改，直接适配对账、归档、报税场景。 业绩库自动联动，杜绝重复录入 发票查验完成后，全票面字段自动提取，一键同步至业绩库。数据调取秒级响应，打通查验、归档、业绩统计全流程，省时又防错。 03总    结 本次升级核心就两点： 堵住风险漏洞、减少人工工作量。 从合规存档、风险预警，到批量处理、数据联动，全流程贴合财务实操，帮大家高效搞定发票工作，专注核心业务、减少无效加班。 新功能已全量上线，即刻解锁智慧标书-发票管理体验吧！

摘要：SuperWORKS智能柜面图设计全新上线——多场景一次系统图智能识别、AI型号解析、图库自动匹配、一键生成柜面布置图及横向系统图，参数自动同步三图一致。文末有首批体验福利### Q：从一套一次系统图，到柜面布置图、横向系统图，需要多久？ 调研过众多电气设计师后，我们听到的答案惊人地一致： "识别图纸、选柜选型一天，参数逐项填写与来回核对又是一天……" "同样的柜子、同样的方案，不同项目重复录入，经验根本沉淀不下来。" 重复劳动、手动录入、数据不同步——这三个词，几乎写进了每一个柜面设计项目的日常。 现在，我们正式推出 「智能柜面图设计」功能， 打通"识别→解析→匹配→生成"全链路， 目标只有一个：让设计师把时间花在设计上，而不是画图上。 多场景一次系统图智能识别，数据源头一次搞定 功能起点，是一次系统图。 无论你的图是通过 CAD 绘制，还是使用利驰新一次绘制，智能柜面图设计都支持数据快速识别——图纸不再是互不连通的"死文件"，系统图数据一次读取，直接成为后续柜面设计的源头。 过去散落在不同软件、不同文件里的设计数据，现在都能被"唤醒"复用。 AI 型号解析，读懂每一个元件 系统图识别后，AI 型号解析自动提取元件关键参数——电流、回路信息……无需人工逐项查阅样本手册。 机器读图，比人眼更细，比记忆更准。参数识别的准确性，是后续一切自动化设计的地基。 图库自动匹配，选型不再靠"老师傅经验" 基于行业通用规则，系统依据解析出的关键参数，在内置通用柜体库、单元库中自动匹配最优方案——匹配结果、柜型方案清晰呈现，一目了然。 同时支持企业自定义扩展：团队积累的选型习惯、非标方案、专属单元，均可沉淀进自己的专属库中。用得越久，库越聪明，数据资产越值钱。 新人也能选出靠谱方案，专家的经验被写进了规则里。 一键生成 + 参数同步，三套图数据永远一致 这是设计师最叫好的一个环节：自动生成柜面布置图及横向系统图，一次系统图的设计成果即刻"变身"成套图纸；一次系统图中的柜参数、元件参数自动同步至柜面布置图、横向系统图，三图联动。消灭手动录入，从源头降低差错率。那些因为"参数抄错行"导致的返工，将成为历史。 一张图看懂全流程 新功能体验通道，限时开启 🎁 诚邀一批客户抢鲜体验——用真实的小项目跑一遍，把使用感受和bug统统砸过来。完成项目体验或提交有效bug的客户，都有现金红包奉上。名额有限，关注并私信我们，抢先占位！SuperWORKS（支持AutoCAD2022平台）公测版已上线，可在软件内在线更新或进入官网下载最新安装包体验~

• 北美标准充气柜： 额定电压：5/15/27/38kV 额定电流：1200/2000/3000A 额定短时耐受电流：2秒 31.5/40kA 峰值耐受电流:82/104kA 38kV BIL雷电冲击耐受电压 150kV 工频耐受电压80kV IEEE C37.20.9 气体绝缘开关柜 IEEE C37.20.7 北美开关柜内部电弧故障试验标准 IEEE C37.09 交流断路器 IEEE C37.20.4 隔离开关标准 IEEE Std 693 地震等级标准 • 相关IEC标准 IEC 62271-200, LSC2B and AFLR IEC 62271-1 中压开关设备通用技术要求IEC 62271-100 中压断路器 IEC 62271-102 中压隔离开关和接地开关 IEC 60529,防护等级 IP3X IP4X 可选 • CSA C22.2 No 31-2018 加拿大标准 IBC/CBC Seismic Qualification 地震试验 • 典型一次方案，三工位开关+断路器，电流互感器，母线侧电压互感器（有/无隔离开关），电缆侧电压互感器（有/无隔离开关），母线电流互感器。 • 3000A 40kA进线柜最为复杂，一次方案如下 • 双气箱结构，母线和隔离开关一个气箱，断路器、电流互感器一个气箱。北美充气柜IEEE 386标准套管单只最大电流900A，因此对于3000A电流，需要每相4只出线电缆连接套管，即每相连接4根1000kcmil规格电缆。 电流互感器气箱内置，可以是穿心式或者是环氧支柱式，电压互感器通过三工位开关接通或断开，再由插拔头连接，便于更换电压互感器内置熔丝。 对于母线电压互感器，相同方案。 • 三工位开关位置查看系统，配备数字摄像头，IEEE C37.20.9标准规定开关柜必须要隔离断口可见，或者有可以观察隔离开关状态的装置，如摄像头等，摄像头应可拆卸，并配有常闭盖板，摄像头无故障时间大于150000小时。 远程操作和监视系统，电压监测系统，操作、监视和查看装置状态都从前部进入，这也是北美开关柜的常规要求，即前面安装维护。 母线连接器用于开关柜之间主母线连接，通过法兰面规定母线连接套管，通过压缩硅橡胶实现完全固体密封绝缘，连接器中部有接地涂层，通过接地线与柜体连接。 北美气体绝缘开关柜进出线电缆套管应使用符合IEEE Std 386-1995标准的电缆终端（美标套管）。 内部电弧故障等级 IEEE C37.20.7标准 Type 2B ，内部电弧故障试验时仪表室门打开进行。 转自微信公众号：会说电气！

【新增功能】 1、批量输出开孔图/布置图； 2、集线器属性编辑筛选导线； 3、套改保留未匹配的元件模型； 4、工单拖动排序； 5、导轨布排图新增导轨起点到端子距离标注； 6、工单复用支持复制配置； 7、端子表新增端子排批修改 8、新增共享钉板图功能； 【体验优化】 1、斜面兼容优化; 2、集线器批插入优化; 3、seexp导入时将位置代号填充至面板;. 4、标注钉板图优化; 5、工单输出功能由于部分设备原因无法输出表格，现已优化;