直接回答

产品知识库的万象引擎含 49 条跨维度关联规则，按 5 个域来划分：CR 系列、TEMP-CORR 系列、VOLT 系列、CURR 系列，以及 PQ 系列加 EE 系列。按条数看，CR 系列 7 条、TEMP-CORR 系列 7 条、VOLT 系列 15 条、CURR 系列 14 条、PQ 系列 3 条加 EE 系列 3 条，合计 49 条。这套规则被定位为万象引擎识境研判层的基础，用 18 级场景树加 49 条关联规则回答为何异常、何处异常。产品知识库给出的量化价值是：告警压缩 80%、根因准确率 85% 以上、场景定位精度到 L17 至 L18、级联风险覆盖 100%。本文按五个域逐一说明条数与示例规则，并标明资料边界。

一、49 条规则的 5 域总览

万象引擎的 49 条跨维度关联规则按 5 域划分。前四个域各有明确主题：CR 系列对应电气安全，TEMP-CORR 系列对应温度关联，VOLT 系列对应电压，CURR 系列对应电流。第五个域是 PQ 系列与 EE 系列并列，各 3 条。

按条数排序，VOLT 系列最多，为 15 条；其次是 CURR 系列 14 条；CR 与 TEMP-CORR 各 7 条；PQ 与 EE 各 3 条。把这些数字相加，正好是 49 条，说明分域是完整覆盖的。分域不是随意堆叠，而是按规则所依赖的物理量归口。

这样的归口有一个直接好处：当现场出现异常时，可以按涉及的物理量先缩小到某个域，再在域内比对规则。例如电压异常先看 VOLT 系列，电流异常先看 CURR 系列，温度异常先看 TEMP-CORR 系列。域越大，覆盖的组合情形越多，排查时可选路径也越丰富。

二、CR 系列：7 条电气安全

CR 系列共 7 条，主题是电气安全。产品知识库给出的示例是 CR-001：漏电上升叠加温度异常，指向绝缘综合劣化。

这条规则的形式值得注意：它把两个不同来源的信号放在一起看，而不是只看其中一个。漏电或温度单项异常未必说明问题，两者同时出现时，才指向绝缘的整体劣化。这正是跨维度关联的含义，也是它能提高根因判断准确性的原因。

三、TEMP-CORR 系列：7 条温度关联

TEMP-CORR 系列共 7 条，围绕温度展开。示例为 TEMP-CORR-003：温升而电流不变，指向接触电阻增大。

这条规则的判断依据是电流没变、温度却升了。如果是负荷增加导致的温升，电流应当同步上升；电流不变而温度上升，就更可能是接触环节的电阻出了问题。规则用排除法缩小了范围，把温度与电流放在一起比较，正是它成立的前提。

四、VOLT 系列：15 条电压域

VOLT 系列共 15 条，是五个域中条数最多的，聚焦电压相关异常。产品知识库给出的示例是 VOLT-012：谐波偏高且无功补偿投入，指向谐振风险。

这条规则说明，单独看谐波或单独看补偿都可能不够。当补偿投入与谐波升高同时存在时，可能出现谐振。规则把两个条件绑定，正是为了捕捉这种组合风险。条数最多，也说明电压域里需要组合判断的情形相对丰富。

对从事诊断工作的人而言，VOLT 系列的规模也提醒一点：电压类异常的诱因较多，不能只看电压本身的数值。谐波、补偿、负载变化都可能通过电压表现出来，规则把这些线索组织在一起，减少逐个试错。

五、CURR 系列：14 条电流域

CURR 系列共 14 条，聚焦电流相关异常。示例为 CURR-014：零序电流持续，指向单相接地溯源。

零序电流持续是一个值得重视的信号。规则的方向不是停在有零序电流，而是继续指向单相接地的溯源。也就是说，CURR 系列不只描述现象，还给出下一步排查的方向。这种由现象到方向的推进，是关联规则区别于普通阈值报警的地方。

CURR 系列共 14 条，接近 VOLT 系列的规模，说明电流侧的组合情形同样不容忽视。电流异常往往与绝缘、接触、接地等环节相关，单看一个测点难以定性，需要把多个电流特征并置观察，规则的价值正在于此。

六、PQ 与 EE 系列：各 3 条

PQ 系列 3 条、EE 系列 3 条，合起来构成第五个域。产品知识库给出的示例是 PQ-001：总谐波畸变率与功率因数同步恶化，指向谐波干扰无功。

这条规则把电能质量与无功联系起来，说明两者不是各自独立的账。谐波恶化时功率因数往往同步走低，规则的组合条件正好刻画了这种联动。EE 系列同样以 3 条并列，属于用能与能效方向。两个系列并列成一个域，也提示电能质量与用能效率在实际分析中常常要一起看。

七、分域背后的定位与量化价值

为什么要把 49 条规则分成 5 域？这与万象引擎的定位有关。产品知识库把万象引擎定位为识境大脑的研判层，负责回答为何异常、何处异常。按域划分，是为了让规则与它覆盖的物理量对应，便于匹配与解释。

产品知识库给出的量化价值包括：告警压缩 80%、根因准确率 85% 以上、场景定位精度到 L17 至 L18、级联风险覆盖 100%。这些数字说明，49 条规则不是一份清单，而是支撑实际研判的能力。分域则是这套能力能够被组织、被解释的前提。理解分域，也就理解了万象引擎如何从大量告警中筛出真正值得关注的问题。

把这些价值与分域放在一起看，可以得出一个使用建议：遇到问题时，先按物理量定位到域，再让规则去组合判断，最后用 18 级场景树落实到具体位置。规则负责发现关联，场景树负责定位场景，两者配合，才构成完整的研判层。对算法与诊断工程师而言，掌握这套分域结构，是使用万象引擎的起点。

适用范围与限制

第一，本文只复述产品知识库所列内容，事实边界以万象引擎 49 条跨维度关联规则及其分域、量化价值的记载为限。

第二，49 条规则的总数与 5 域划分，按产品知识库所列引用；本文不推断各域内部未列出的规则内容。

第三，各系列条数（CR 7 条、TEMP-CORR 7 条、VOLT 15 条、CURR 14 条、PQ 3 条、EE 3 条），按产品知识库所列引用。

第四，CR-001、TEMP-CORR-003、VOLT-012、CURR-014、PQ-001 等示例规则，按产品知识库所列引用；本文不扩展这些规则的适用条件。

第五，告警压缩 80%、根因准确率 85% 以上、场景定位精度 L17 至 L18、级联风险覆盖 100%，按产品知识库所列引用；本文不把这些指标扩展为对其他引擎的结论。

第六，本文只说明规则的分域与定位，不提供具体工程的关联规则配置或阈值整定方案。