# 现场收资接入（v0.1，2026-09-17）

> 面向：现场交来的 **`F:\temp\如东风场数据`** 这一类目录 → 观澜的 `data/raw/<场站>/`。
> 工具：`scripts/extract_site_data.py`（纯标准库 + 系统 ODBC，**不新增任何 pip 依赖**）。

---

## 1. 现场交来的东西长什么样（2026-09-17 实测）

| 文件 | 体量 | 内容 | 用途 |
|---|---|---|---|
| `10分钟数据.zip` | 3,760 MB | 38 件 `WTG01.csv … WTG38.csv`，表头 `TimeStamp,WTG,StationId,cnt_wtc_…` | **10 分钟 SCADA**（观澜 `scada_10min` 的正源） |
| `1分钟数据.zip` | 1,548 MB | 38 件 `01E.csv … 38B.csv`（机组代号命名），表头 `time_stamp,3#桨电机温度,…`（中文列） | **1 分钟 SCADA**（观澜 `scada_1min` 的正源） |
| `25年.zip` | 1,071 MB | `25年/<月>/2025-<月>-<类>.zip` → **`.mdb`（Access）** | 分类深度源（每月 12 类） |
| `26年.zip` | 961 MB | `26年/<月>/2026-<月>-<类>.zip` → `.mdb` | 同上 |

**年度 zip 内的类目**（每月一套）：`cnt din dot flg grd int prs scd std sum tmp tur`。
实测 `std.mdb` 只有一张表 `tblGrid`：

```
TimeStamp | Station | WPSStatus | TimestampStation | CurrentL1..L3 | VoltageL1..L3 |
ActivePower | ReActivePower | ActivePowerExport | ReActivePowerExport | …（23 列）
```
`TimeStamp` 为 10 分钟节拍，`Station` 为机组号（如 91/92）。

## 2. 接入观澜（命令）

```bash
# ① 对账：现场 zip ↔ 现有 data/raw（逐件比大小，不解压十几 GB 就能验，幂等）
python scripts/extract_site_data.py --src "F:\temp\如东风场数据" --verify-raw
#    实测: 10分钟数据.zip → data/raw/如东/scada_10min  38/38 同大小
#          1分钟数据.zip → data/raw/如东/scada_1min    38/38 同大小  ⇒ 现有 raw 输入可追溯

# ② 提取（幂等；已有同大小文件即跳过；--only-missing 只补缺件）
python scripts/extract_site_data.py --src "F:\temp\如东风场数据" --extract-csv --only-missing

# ③ 年度 MDB（深度源）—— 只看结构 / 解出 / 探针
python scripts/extract_site_data.py --src "F:\temp\如东风场数据" --list
python scripts/extract_site_data.py --src "F:\temp\如东风场数据" --extract --year 26 --month 1
python scripts/extract_site_data.py --src "F:\temp\如东风场数据" --probe --class std

# ④ 接上观澜既有链路（体检 → 重算）
python scripts/raw_data_check.py            # 结构/增量/时间空洞体检（R1–R8）
python scripts/rebuild_all.py               # 或门户「数据重算」
```

## 3. 读 Access `.mdb` 的路线（离线、零 pip 依赖）

| 平台 | 用什么 | 前提 |
|---|---|---|
| Windows | **.NET `System.Data.Odbc` + 系统 `Microsoft Access Driver (*.mdb, *.accdb)`** | 装了 Office 或 Access Runtime 的机器自带；**本机实测可用** |
| Linux | `mdbtools` 的 `mdb-export` / `mdb-tables` | `apt/yum install mdbtools` |

两条路本器都会**先探针**：`--probe` 缺能力时给补救办法并返回 rc=4，**不静默、不猜**。
（刻意不把 `pyodbc` 之类的包塞进交付包：ODBC 驱动是系统级前提，装了包也解决不了；改成"探针 + 明确补救"更诚实。）

## 4. 从 MDB 转 CSV（`--to-csv`）

`python scripts/extract_site_data.py --src <…> --to-csv --class std [--year 26 --month 1] [--turbines WTG01,WTG02]`

- 落点按类目映射：`CLASS_TO_RAW`（`std` → `scada_10min`；其余类目**待现场口径确认后才接**，未确认前不硬接）；
- 机组号映射：`Station` 起点 90 ⇒ `WTG01`（实测 `std.mdb` 里 `Station=91/92`）；
- 时间列统一改名 `Time`，逐机组落 `data/raw/如东/<类>/WTG<NN>.csv`，追加式写入（同一机组多月叠加）。

## 5. 还没有的输入（如实列）

| 观澜要的类 | 现状 | 缺什么 |
|---|---|---|
| `故障报警` | 16 件 `2025Q1.xls …`（已有） | — |
| `风机故障记录` | 10 件（`*.rar` / `*.xlsx`） | — |
| `油样报告` | **0 件** | 现场 PDF 报告 |
| `windcms` / `m5_cms_tcm` | **0 件** | 振动侧 CMS 导出件（取料单第 7、8 项） |

---

## 6. 落位约定（用户令 2026-09-17：用年度 MDB 归档取代此前的两个 CSV zip）

```
<安装目录>/data/raw/如东/
├─ scada_mdb/            ← ★ 现场原始收资（Access 按月分类），就地归档
│   ├─ 25年.zip          (1,071,376,695 B, sha256 E451FF68…；内层 25年/1-12月/2025-<月>-<类>.zip)
│   └─ 26年.zip          (1,007,354,282 B, sha256 0B641309…；内层 26年/1-9月/2026-<月>-<类>.zip)
├─ scada_10min/          38 件 WTG01..WTG38.csv（源: 10分钟数据.zip，已对账 38/38 同大小）
├─ scada_1min/           38 件 01E..38B.csv（源: 1分钟数据.zip，已对账 38/38 同大小）
├─ 故障报警/ 风机故障记录/ 油样报告/ windcms/ m5_cms_tcm/
```

- **为什么要单开 `scada_mdb/`**：年度归档里是**每月 12 类**的 Access 库（`cnt din dot flg grd int prs scd
  std sum tmp tur`），不是"一台一个 CSV"，硬塞进 `scada_10min/` 会破坏该目录"平铺 `<机组>.csv`"的约定。
- 目录已登记进两份真源：`src/windscada/config.py::STATION_SUBDIRS` 与
  `scripts/raw_data_check.py::EXPECT`（允许 `.zip` 原样归档与 `.mdb` 解出件）⇒ 现场收资体检认它，
  不再报"未约定的子目录"。
- 工具直接吃这个目录（不必再指向 `F:\temp`）：
  `python scripts/extract_site_data.py --src data/raw/如东/scada_mdb --list`
  ⇒ 实测 `25年.zip`：12 个月 · 12 类；`26年.zip`：9 个月 · 12 类。

⚠️ **尚未做的一步（等你定）**：把年度 zip **解出**（每月 12 个 `.mdb`，约十几 GB），
以及是否把 MDB **转成** `scada_10min/`、`scada_1min/` 的 CSV（即"用 MDB 取代现有 CSV"）。
}这个决定会影响现有 27 GB 的 CSV 输入要不要保留, 故先只做"放进去"这一步。