混凝土测温
数据分析与报表生成

大体积混凝土测温每天产生数万条温度数据。如何从海量数据中快速提取关键信息，生成监理认可的标准报表，是所有测温工程师的核心痛点。我们基于 TG 云模式远程测温平台构建了完整的数据分析体系：从实时数据看板到历史曲线追溯，从自定义公式引擎到 C5-9 标准报表，从 ECharts 可视化到 XLS 一键导出。本文逐一拆解这些工具的使用方式和设计思路。

一、数据分析体系总览

TG 云平台的数据分析系统分为四个层次：

二、实时数据看板 —— 全局态势一目了然

Dashboard 是工程师每天打开频次最高的页面。它提供了一屏纵览全局的核心统计：

三、历史曲线分析 —— 趋势发现的利器

3.1 单设备历史曲线

每个 TG 设备的数据存储在 PostgreSQL 数据库中（按设备 SN 分表），系统提供分页查询接口和专属曲线页面：

• 数据查询 API：GET /api/data/history/{dtype}/{sn}，支持分页（50 条/页，最大 500 条）、日期范围筛选
• 曲线页面：/data/chart/{dtype}/{sn}，32 通道时间序列全量展示
• 数据完整性：断电续传 + 断网补传机制确保曲线无断点

3.2 多分组历史曲线（ECharts 渲染）

定制数据模块中的历史图表功能，支持按测点分组渲染多条对比曲线：

• 分组管理：用户可将传感器按"底板测点组 / 承台测点组 / 墩身测点组"等逻辑分组
• 时间聚合：支持原始数据 / 小时均值 / 天均值三种聚合模式，适应不同分析粒度
• 可视化交互：ECharts 时间序列图，支持缩放、拖拽、提示框、图例筛选、另存图片、打印图形
• 数据导出：支持导出单组 XLS 和全部 XLS，方便离线分析

四、公式引擎 —— 数据不用自己算

这是定制数据模块最核心的能力。系统内置了灵活的自定义公式引擎，让工程师像使用 Excel 一样定义数据列，系统自动从海量传感器数据中提取和计算。

4.1 传感器引用语法

4.2 默认列定义 + 一键智能填写

系统预置了 9 个标准数据列，覆盖常用的温控指标：

用户只需一键点击"智能填写"，系统自动根据关键字匹配传感器引用并填充公式，无需手动输入冗长的传感器 ID。

4.3 24 小时前数据查询（降温速率核心）

降温速率是温控的关键指标，但计算它需要对比当前值与 24 小时前值。系统通过 B 后缀引用（如 TG01B04）实现：

• 查询每个设备最新数据的时间戳（IDATETIME 字段），以此为基准向前推 24 小时
• 从 PostgreSQL 数据库中查询最接近该时间点的记录
• 将结果注入公式引擎替换 B 后缀引用，参与最终计算

这种设计保证了降温速率的计算不依赖持续 24 小时的连续数据——即使中间有通信中断（断网补传），系统仍能找到最接近 24 小时前的有效数据点。

五、C5-9 标准报表 —— 竣工验收的关键输出

C5-9 是大体积混凝土测温最核心的交付物。它是 GB 50496 附录中规定的《大体积混凝土测温记录表》，监理验收时必须签字存档。我们完整实现了该表格的自动生成。

5.1 报表结构

5.2 报表配置工具

• 多定义管理：一个项目可以有多个报表定义（不同浇筑部位、不同养护方式），互不干扰
• 日期范围 + 聚合 + 步长：选择任意时间范围，支持原始数据 / 小时均值 / 天均值聚合，步长 N 可跳行显示（如每 4h 取 1 行用于打印）
• C5-9 预览 API：POST /api/custom-data/c59-preview，传入报表定义 ID + 日期范围，返回完整的填空后数据行
• 独立展示页面：/custom-data/c59-report，A4 打印优化布局，默认隐藏按钮栏

5.3 导出能力

六、数据可靠性与完整性保障

数据分析的基础是数据质量。TG 系统从三个层面保障数据可靠：

七、报表系统的后端设计要点

报表系统的后端（custom_data.py，约 1455 行）是整个平台最复杂的模块之一。以下是几个关键技术决策：

7.1 PostgreSQL 配置存储 + JSON 序列化

报表配置、图表表头、报警规则等用户自定义数据，均以 JSON 格式存储在 PostgreSQL 的 JSONB 字段中。这样做的好处是：

• 配置结构灵活，无需 ALTER TABLE（每个用户的列定义可能不同）
• JSON 直接在前后端之间传递，无需额外序列化/反序列化
• PostgreSQL 集中式部署，单库管理所有项目数据，支持主从复制与自动备份

7.2 多数据库联合查询

一个报表可能涉及多个 TG 设备的数据——每个设备的数据存储在同一 PostgreSQL 数据库中（按设备 SN 分表）。系统通过 UNION ALL 或跨表 JOIN 直接联合查询，无需 ATTACH/DETACH 操作，天然支持并发访问。

7.3 聚合查询优化

对于历史图表的大时间跨度查询（如 30 天），直接查原始数据返回数万行会导致前端渲染卡顿。系统在后端 SQL 层直接执行聚合：

-- 小时均值聚合（每个传感器通道）
SELECT strftime('%Y-%m-%d %H:00:00', 
       REPLACE(IDATETIME, '#', '')) as dt_hour,
       AVG(WD01), AVG(WD02), ..., AVG(WD32)
FROM sheet1 
WHERE dt_hour BETWEEN ? AND ?
GROUP BY dt_hour
ORDER BY dt_hour

这套机制将前端渲染量从数万条降至最多 720 行（30 天 × 24 小时），图表加载从 5 秒降至 500ms。