发电、输配、用能三段的常见分析场景
能源行业资产重、容错低，数据却分散在生产、计量、检修、财务各套系统里。分析的第一道坎往往不是算法，而是把这些数据按同一口径对齐。
先确认一件事：你要的是分析还是实时监控
能源场景里这两件事经常被放在一起谈，但技术路径完全不同。选型阶段分不清，POC 时一定会撞上。
iModel 适合
批处理型的分析工作
- 按日、周、月周期运行的预测与统计分析
- 跨系统数据整合、口径对齐与一致性核对
- 历史数据的趋势分析、归因与异常筛查
- 需要向别人解释清楚计算过程的分析
- 规则会经常调整、希望业务人员自己能改的流程
需要其他系统承担
实时监控与控制
- 毫秒级的设备状态告警与联锁保护
- SCADA、DCS 层面的实时数据采集与展示
- 直接参与生产控制回路的闭环调节
- 需要 7×24 不间断的流式数据处理
常见的组合方式是：实时监控由既有的工控系统负责，iModel 承接其沉淀下来的历史数据，做趋势、预测与归因分析。
让最懂设备的人自己动手改分析
调度员和可靠性工程师是最清楚这些数据代表什么的人。但在传统模式下，他们只能提需求、等开发排期，一个阈值调整要走两周流程。
可视化工作流把这个链路缩短了：处理逻辑摆在画布上，改阈值、换筛选条件、加一个判断分支，工程师自己就能做。
- 不写代码搭流程：时间序列的重采样、缺失值处理、多表对齐都有对应节点，拖拽配置即可。
- 复杂逻辑用脚本补：特殊算法或已有的分析代码，可以放进 Python / R 节点，作为流程的一环继续留痕。
- 把散落的台账收进来：各部门自己维护的 Excel 台账整合成统一流程，口径由一处维护，不再各算各的。
把分散在各套系统里的数据对到一起
能源企业最典型的困难不是缺数据，而是数据太多且互不相通：生产系统一套口径，计量系统另一套，检修台账在 Excel 里，财务口径又是第三种。人工对数占掉了分析师大半的时间。
不需要推翻现有系统，也不需要先建数据中台，可以从把几个关键数据源接起来开始。
- 常见数据源可直接连接：关系型数据库、数据仓库、CSV 与 Excel 文件、接口调用，都有对应的连接节点。
- 口径对齐做成流程：字段映射、单位换算、时间粒度统一这些工作固化成节点后，下次重跑不会走样。
- 结果可回写或导出：分析结果可写回数据库、导出为报表文件，或供后续系统取用。
国产化环境的实际适配范围
电力、石油、燃气属于关键基础设施，选型时对部署环境的要求通常很明确。以下只列已完成测试与部署的组合。
操作系统与处理器
麒麟 V10 / V11、统信 UOS 的 x86-64 版本已测试并部署，处理器侧海光 C86 已验证。ARM 架构（鲲鹏、飞腾）的适配在规划中，目前不支持。
离线部署
支持完全离线安装，分析全过程在内网完成，数据不出本地。这是能源类客户最常提的硬性条件。
iModel 基于 KNIME 开源内核二次开发，增强部分自主研发，源码可审查。数据库连接与其他环境适配需求，建议在方案评估阶段结合实际清单逐条确认。
