直接回答
万象引擎的场景定位能力，核心是一棵 18 级的场景定位树。产品知识库给出的层级从 L1 到 L18，起点是园区，终点落在 L17 接线端子级与 L18 接触点级；因此，告警可以被精确定位到“3 号车间动力柜第 5 路出线端子”这样的末端对象，而不是停留在某个配电室或某面柜体。与这棵树配套的是位置感知能力：同一个 65°C，出现在变压器绕组、主母排、出线端子与电缆外皮时，风险等级并不相同。产品知识库把这一切组织在万象引擎的“18 级场景树与 49 条关联规则”之下。本文只复述产品知识库所列口径，不推断未记载的建模方法。
一、18 级场景定位树的起点与终点
产品知识库记载，万象引擎具备 18 级场景定位树，层级自 L1 至 L18。这棵树的起点是园区，终点是 L17 接线端子级与 L18 接触点级。把起点与终点明确下来，可以理解这套定位体系的两端：一端是足够宏观的“园区”，另一端是足够微观的“接触点”。定位树的级数之所以重要，是因为它决定了告警可以细化到什么位置。若只有配电室级别的划分，告警只能说明“某个配电室异常”；有了从园区到接触点的逐级细分，告警才能落到具体的接线端子或接触点。
二、从园区到接触点的完整层级
产品知识库列出的 18 级层级依次为：园区、建筑、楼层、配电区域、变压器区、主配电室、主开关柜、母线段、配电盘、分支回路、干线馈电、区域配电箱、控制回路、支路开关、设备供电、设备本体、L17 接线端子级、L18 接触点级。可以看到，前若干级是空间与区域的划分，中间若干级是配电层级与回路的划分，最后两级则落到端子与接触点这样的物理连接部位。这种由空间到电气、再到物理接触点的排列，使同一个异常既可以被理解为“发生在哪栋建筑的哪个区域”，也可以被理解为“落在哪一条回路的哪一个端子”。
三、告警定位到“端子”意味着什么
产品知识库用一个具体示例说明末端定位精度：告警可精确定位到“3 号车间动力柜第 5 路出线端子”。这个示例的价值在于，它把定位树的末端能力具体化。对运维而言，“3 号车间”给出空间范围，“动力柜”给出柜体对象，“第 5 路出线”给出回路对象，“端子”则给出物理连接部位。四级信息叠加后，排查人员不需要在整面柜体或整条回路上逐个排除，而是可以直接到对应端子处核查。需要说明的是，这一示例描述的是定位所能达到的粒度，而不是对任意现场都能得到同样精细结果的承诺。
四、位置感知：同一个 65°C 为何风险不同
产品知识库记载，万象引擎的核心创新之一是位置感知。同一个 65°C，在变压器绕组处被视为正常，在主母排处被视为中等风险，在出线端子处被视为高风险，在电缆外皮处则被视为危险。同样是 65°C，风险等级却随位置变化，原因在于不同位置的正常运行温度与容忍边界并不相同。位置感知的意义，是把“温度数值”与“温度出现的位置”绑定后再判断风险，而不是给所有位置套用同一个阈值。这一机制也解释了为什么定位树必须足够细：只有位置足够具体，位置相关的阈值与风险模型才有可落地的对象。
五、五种电气拓扑位置类型
产品知识库进一步记载，位置感知为五种电气拓扑位置类型分别维护独立的阈值与风险模型，这五类分别是并网点、主配电柜、配电盘、馈电干线与负荷端子。把位置感知与拓扑位置类型放在一起看，可以理解其组织方式：先按电气拓扑把现场位置归为若干类型，再为每一类型配置各自的阈值与风险模型。这样，同一个测量值落在不同类型的位置上，会得到不同的风险判定。五种类型覆盖了从并网入口到负荷末端的典型电气位置，构成了位置感知的分类基础。
六、支撑场景定位的专用分析引擎
产品知识库记载，万象引擎包含九大专用分析引擎，其中与场景定位直接相关的包括场景树管理引擎、位置感知引擎与拓扑级联影响引擎。场景树管理引擎负责维护 18 级场景树这一数据结构；位置感知引擎负责把测量值与其所在位置结合后判级；拓扑级联影响引擎则用于追溯拓扑上的级联影响，产品知识库记其追溯最多 6 层。三者分工明确：一个管“树”，一个管“位置”，一个管“级联”。把这三者与 18 级场景树、位置感知对照，可以看出场景定位并非单一算法，而是由多类引擎协同支撑。
七、49 条跨维度关联规则的分域
产品知识库记载，万象引擎的 49 条跨维度关联规则分为五个域：电气安全域 7 条、温度关联域 7 条、电压域 15 条、电流域 14 条，以及电能质量域 3 条与能效域 3 条。这些规则用于在场景树完成定位之后，进一步研判异常的成因与关联。把规则数量按域展开，可以看出电压与电流两个域的规则条数明显多于其他域，说明在关联研判中，电压与电流是主要的分析维度。场景树负责回答“在哪里异常”，关联规则负责回答“为什么异常”，两者在万象引擎中配合使用。
八、量化价值口径
产品知识库为万象引擎列出了一组量化价值指标：告警压缩 80%、根因准确率 85% 以上、场景定位精度 L17-L18、级联风险覆盖 100%。其中“场景定位精度 L17-L18”与前文的 18 级场景树相互印证——定位树的最后两级，正是量化价值中所称的定位精度。把这组指标与场景树、位置感知、关联规则放在一起，可以形成对万象引擎较完整的理解：它既描述了定位的粒度，也陈述了定位与研判在若干指标上的口径。各项指标均为产品知识库所列口径，本文不推断其评测方法。
九、理解这些口径时应注意什么
第一，应把 18 级场景树理解为定位粒度，而不是对任意现场都能达到端子级结果的保证。第二，应把位置感知理解为一套按位置区分的阈值与风险模型，而不是单一温度阈值。第三，应区分场景树与关联规则的分工：前者定位“在哪里”，后者研判“为什么”。第四，以上层级、示例、阈值分类与量化价值均为产品知识库所列口径，实际表现受现场台账完整度、测点部署与拓扑建模影响，应以最新产品资料与具体项目方案为准。
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 18 级场景定位树的层级与端点、告警定位到出线端子的示例、位置感知对同一温度的差异化判级、五种电气拓扑位置类型、九大专用分析引擎中的场景树管理与位置感知与拓扑级联影响、49 条关联规则的分域，以及量化价值指标为限。
第二，告警“精确定位到端子”为产品知识库所列示例，本文不将其扩大为对任意现场的定位精度保证。
第三，告警压缩 80%、根因准确率 85% 以上、级联风险覆盖 100% 等为产品知识库所列口径，本文不推断其统计方法与适用工况。
第四，本文不构成对具体项目定位精度或研判效果的承诺，实际能力以最新产品资料与项目方案为准。
