guanlan-src/docs/现场收资接入_v0.1.md

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）

# 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）