);
}
/* 4. Talon ECS isolé — moyenne quotidienne par mois, référence = mois sans chauffe */
function PacEcsBaseline({ rows, height = 240 }) {
const ref = useRef(null);
const [w, setW] = useState(600);
const [tip, setTip] = useTooltip();
useEffect(() => {
const r = new ResizeObserver(es => setW(es[0].contentRect.width));
if (ref.current) r.observe(ref.current);
return () => r.disconnect();
}, []);
const byMonth = useMemo(() => {
const m = new Map();
for (const r of rows) {
if (r.pacEcs == null) continue;
const k = r.date.slice(0, 7);
if (!m.has(k)) m.set(k, { key: k, ecs: 0, days: 0, popDays: 0, dju: 0, pacReal: 0 });
const b = m.get(k);
b.ecs += r.pacEcs || 0; b.days++; b.dju += r.dju || 0; b.pacReal += r.pacReal || 0;
if ((r.pacEcs || 0) > 0) b.popDays++;
}
return [...m.values()].map(b => ({ ...b, perDay: b.ecs / Math.max(1, b.days), djuPerDay: b.dju / Math.max(1, b.days) }))
.sort((a, b) => a.key.localeCompare(b.key));
}, [rows]);
const populatedDays = rows.filter(r => (r.pacEcs || 0) > 0).length;
const incoherent = rows.filter(r => (r.pacEcs || 0) > (r.pacReal || 0) * 1.05 + 0.2 && (r.pacEcs || 0) > 0).length;
if (populatedDays > 0 && incoherent / populatedDays >= 0.2) return (
Colonne ECS incohérente : sur {incoherent} des {populatedDays} jours renseignés, Conso_PAC_ECS_Pics dépasse la conso PAC totale du même jour — un sous-compteur ne peut pas excéder son compteur parent. Vérifiez l'unité (Wh vs kWh) ou le caractère journalier de la colonne.
);
if (populatedDays < 10) return (
Trop peu de jours renseignés en ECS ({populatedDays}) pour établir une moyenne mensuelle fiable. Étendez les formules de la colonne Conso_PAC_ECS_Pics à l'historique complet.
{label} · {est.n} jours · corrélation {fmt.k(est.rho, 2)}
{fmt.k(est.hcKwh, 0)} kWh HC {fmt.k(est.hpKwh, 0)} kWh HP
Heures creuses
Heures pleines
{reliable
? (pct >= 60
? `Le poste ${label} tourne majoritairement en heures creuses — peu de gain à espérer d'un décalage supplémentaire.`
: `Une part notable du poste ${label} tombe en heures pleines. Décaler ce poste vers la plage creuse rapporterait environ ${fmt.eur(est.hpKwh * 0.5 * 0.0487, 0)} en déplaçant la moitié.`)
: `Corrélation faible sur ${label} : ce poste ne se distingue pas assez du reste du foyer pour une estimation fiable.`}
Méthode : régression linéaire de la conso HC quotidienne du foyer sur la conso des postes cochés. La pente estime la fraction consommée en plage creuse — inférence statistique, pas une mesure directe.
);
}
/* 6. Ratio kWh/DJU en fonction de la température extérieure — sépare l'inefficacité
normale par grand froid (chute du COP) d'une vraie dérive de l'installation.
Une courbe médiane par tranche de 2 °C sert de référence propre au logement. */
function PacRatioVsTemp({ rows, height = 300 }) {
const ref = useRef(null);
const [w, setW] = useState(700);
const [tip, setTip] = useTooltip();
const [vis, setVis] = useState({ points: true, median: true, band: true });
const toggle = (k) => setVis(v => ({ ...v, [k]: !v[k] }));
useEffect(() => {
const r = new ResizeObserver(es => setW(es[0].contentRect.width));
if (ref.current) r.observe(ref.current);
return () => r.disconnect();
}, []);
const seasonOf = (d) => {
const y = +d.slice(0, 4), m = +d.slice(5, 7);
return m >= 8 ? `${y}-${String((y + 1) % 100).padStart(2, '0')}` : `${y - 1}-${String(y % 100).padStart(2, '0')}`;
};
const pts = useMemo(() => rows
.filter(r => (r.dju || 0) >= 3 && (r.pacChaufNet || 0) > 0 && r.temp != null)
.map(r => ({ t: r.temp, ratio: r.pacChaufNet / r.dju, date: r.date, season: seasonOf(r.date), dju: r.dju })),
[rows]);
if (pts.length < 15) return (
Pas assez de jours de chauffe avec température et chauffage net renseignés ({pts.length}) pour dégager une tendance.
);
const seasons = [...new Set(pts.map(p => p.season))].sort();
const palette = ['#7ab0d9', '#f4b942', 'var(--grid-red)', '#7fbf7f', '#b98fd9'];
const colorOf = (s) => palette[seasons.indexOf(s) % palette.length];
// Médiane + écart-type par tranche de 2 °C
const bins = new Map();
for (const p of pts) {
const k = Math.floor(p.t / 2) * 2;
if (!bins.has(k)) bins.set(k, []);
bins.get(k).push(p.ratio);
}
const binStats = [...bins.entries()]
.filter(([, v]) => v.length >= 3)
.map(([k, v]) => {
const sorted = [...v].sort((a, b) => a - b);
const med = sorted[Math.floor(sorted.length / 2)];
const mean = v.reduce((a, x) => a + x, 0) / v.length;
const sd = Math.sqrt(v.reduce((a, x) => a + (x - mean) ** 2, 0) / v.length);
return { t: k + 1, med, sd, n: v.length };
})
.sort((a, b) => a.t - b.t);
const pad = { l: 46, r: 16, t: 14, b: 34 };
const H = height;
const innerW = w - pad.l - pad.r, innerH = H - pad.t - pad.b;
const tMin = Math.min(...pts.map(p => p.t)), tMax = Math.max(...pts.map(p => p.t));
const rMax = Math.max(...pts.map(p => p.ratio)) * 1.1 || 1;
const x = (t) => pad.l + ((t - tMin) / Math.max(0.1, tMax - tMin)) * innerW;
const y = (v) => pad.t + innerH - (v / rMax) * innerH;
const medPath = binStats.map((b, i) => `${i ? 'L' : 'M'}${x(b.t)},${y(b.med)}`).join(' ');
const bandPath = binStats.length > 1
? binStats.map((b, i) => `${i ? 'L' : 'M'}${x(b.t)},${y(b.med + b.sd)}`).join(' ')
+ ' ' + [...binStats].reverse().map(b => `L${x(b.t)},${y(Math.max(0, b.med - b.sd))}`).join(' ') + ' Z'
: null;
const yTicks = [0, rMax / 2, rMax];
const xTicks = [];
for (let t = Math.ceil(tMin / 5) * 5; t <= tMax; t += 5) xTicks.push(t);
// Jours nettement au-dessus de la médiane de leur tranche → suspects
const outliers = pts.filter(p => {
const b = binStats.find(b => Math.abs(b.t - (Math.floor(p.t / 2) * 2 + 1)) < 0.01);
return b && b.sd > 0 && p.ratio > b.med + 2 * b.sd;
});
return (