数据条件检查
确认时间范围、采样间隔、缺失值、异常值和测点对应关系。
先确认能否分析它解决什么
减少重复整理，
保留专业判断。
规则化计算
约定指标由确定性程序计算，保留规则、来源和时间信息。
关键数字不靠猜线索与报告草稿
整理时段、趋势、关联事件和需要现场核实的问题。
结论由人员确认分析流程
不是一句“AI 发现异常”，
而是五步证据链。
每一步都能说明输入、处理方式和输出状态，避免把可能性写成已经证实的故障。
定义范围
确认对象、测点、时段与分析目的。
检查质量
识别缺失、跳变、时钟与口径问题。
计算与筛查
按照已确认规则计算指标、寻找异常线索。
解释上下文
结合设备、班次、工单与现场信息形成假设。
人工复核
专业人员确认结论、改善建议与报告内容。
测点数据与现场上下文
电参量、能耗趋势、设备档案、班次或作息、事件与工单。
实际可用范围取决于现场数据条件。线索、依据与报告初稿
问题清单、趋势解释、待核实事项、图表与月度报告初稿。
不能替代法定检测或专业现场诊断。使用边界
把“能帮助什么”
和“不能替代什么”说清楚。
关键数字按规则生成
计算公式、数据来源和时间范围需要明确，避免自然语言模型直接生成关键数值。
用于形成可核查假设
异常线索可能有多种原因，必须结合设备和现场条件继续确认。
结论与措施由人确认
涉及故障根因、工程整改、法定检测和控制动作时，仍需要具备相应能力的人员或机构。
适合的场景
从高频、重复、
规则清楚的分析开始。
月度用电运营复盘
整理异常时段、处置进展、待核实问题和后续跟踪事项。
重点测点趋势筛查
在数据条件满足时，批量比较约定指标和变化线索。
工程师报告初稿
统一结构和证据引用，减少重复排版与描述工作。
管理层大白话摘要
把专业线索翻译成位置、影响、责任和下一步动作。
开始评估