"""
C-6111 캠페인내 온도 트림 = gentle 피드백 추출 (플랜 §5, §16.8-(3)).

정상맵(전향)은 운전점 단위 steam=f(부하)만 잡는다. 캠페인 내부에서 오퍼레이터가
T_C 작은 편차에 스팀(OP)을 어떻게 미세조정하는지 = 피드백 정책을 데이터에서 추출:
 - 부하 일정 구간만(전향/부하응답과 분리)
 - 목표 T_C = 느린 인과 베이스라인, 오차 err = T_C - 목표
 - OP 변경 이벤트의 트리거 오차(데드밴드), 변경크기 vs 오차(게인), 이벤트 간격(dwell)
 → §5 anti-hunting 제어(데드밴드+게인+dwell)의 현장 파라미터.
"""
import numpy as np
import pandas as pd
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

BASE = "/home/windpacer/projects/hc900_ax/scripts/analysis/"
TGT_WIN = 360     # 목표 T_C 베이스라인 3h(인과 trailing)
LOAD_WIN = 120    # 부하 일정 판정 1h
LOAD_STD_MAX = 15  # feed rolling std 임계(저변동=캠페인 내부)
MOVE = 0.1        # OP 변경 인식 임계(%)


def main():
    df = pd.read_pickle(BASE + "c6111_data.pkl")
    df = df[df["mode"] == "PROD"].copy().sort_values("dtat").reset_index(drop=True)
    df = df[(df["feed"] > 50) & (df["steam_op"] > 1)]

    # 목표 T_C(느린 인과 베이스라인) 및 오차
    df["tc_tgt"] = df["T_C"].rolling(TGT_WIN, min_periods=30).median()
    df["err"] = df["T_C"] - df["tc_tgt"]
    df["dop"] = df["steam_op"].diff()
    # 부하 일정 구간(전향 부하응답 제외 → 순수 피드백 트림)
    df["feed_std"] = df["feed"].rolling(LOAD_WIN, min_periods=30).std()
    steady = df[(df["feed_std"] < LOAD_STD_MAX) & df["err"].notna()].copy()
    print(f"PROD {len(df)} → 부하일정 정상구간 {len(steady)} ({100*len(steady)/len(df):.0f}%)")

    # 제어 성능: 목표 대비 T_C 유지 밴드
    e = steady["err"]
    print(f"\n[T_C 유지] 오차 std={e.std():.3f}℃  p5/p95=[{e.quantile(.05):+.2f},{e.quantile(.95):+.2f}]℃")

    # OP 변경 이벤트
    mv = steady[steady["dop"].abs() > MOVE].copy()
    # 직전 오차(트리거)
    mv["err_trig"] = steady["err"].shift(1).loc[mv.index]
    print(f"[OP 이동] 정상구간 {len(steady)}샘플 중 이동 {len(mv)}회 "
          f"(평탄율 {100*(1-len(mv)/len(steady)):.1f}%)")

    # 데드밴드: 이동시 |오차| vs 비이동시 |오차|
    nomv = steady[steady["dop"].abs() <= MOVE]
    print(f"[데드밴드] 이동시 |오차| median={mv['err_trig'].abs().median():.3f}℃  "
          f"비이동시 |오차| median={nomv['err'].abs().median():.3f}℃")
    print(f"           이동의 75%는 |오차|>{mv['err_trig'].abs().quantile(.25):.3f}℃ 에서 발생")

    # 피드백 게인: dOP vs 트리거오차 (음의 기울기 기대)
    g = mv.dropna(subset=["err_trig"])
    g = g[g["err_trig"].abs() < 2]  # 이상치 제외
    if len(g) > 30:
        a = np.polyfit(g["err_trig"], g["dop"], 1)
        r = np.corrcoef(g["err_trig"], g["dop"])[0, 1]
        print(f"[피드백 게인] dOP ≈ {a[0]:+.2f}·오차 {a[1]:+.2f}  (corr={r:+.2f}, "
              f"음수=음의피드백: 온도↑→스팀↓)")

    # dwell: 이동 간격(샘플)
    dwell = np.diff(mv.index.values)
    dwell = dwell[dwell > 0]
    if len(dwell):
        print(f"[dwell] 이동 간격 중앙 {np.median(dwell)*30/60:.0f}분  "
              f"p25/p75=[{np.percentile(dwell,25)*30/60:.0f},{np.percentile(dwell,75)*30/60:.0f}]분")

    # 플롯
    fig, ax = plt.subplots(2, 2, figsize=(14, 9))
    ax[0, 0].hist(e.dropna(), bins=100); ax[0, 0].axvline(0, c="k", lw=.5)
    ax[0, 0].set_title(f"T_C error band (std {e.std():.3f}C)"); ax[0, 0].set_xlim(-1, 1)
    ax[0, 1].hist(mv["err_trig"].abs().dropna(), bins=60, alpha=.6, density=True, label="at move")
    ax[0, 1].hist(nomv["err"].abs().dropna(), bins=60, alpha=.6, density=True, label="no move")
    ax[0, 1].set_title("deadband: |error| at move vs no-move"); ax[0, 1].set_xlim(0, 1); ax[0, 1].legend()
    if len(g) > 30:
        ax[1, 0].scatter(g["err_trig"], g["dop"], s=5, alpha=.3)
        xs = np.linspace(g["err_trig"].min(), g["err_trig"].max(), 50)
        ax[1, 0].plot(xs, np.polyval(a, xs), "r-")
        ax[1, 0].set_xlabel("T_C error trigger"); ax[1, 0].set_ylabel("dOP")
        ax[1, 0].set_title(f"feedback gain dOP/err = {a[0]:+.2f}")
    if len(dwell):
        ax[1, 1].hist(dwell * 30 / 60, bins=60); ax[1, 1].set_xlabel("dwell min")
        ax[1, 1].set_title("dwell between OP moves"); ax[1, 1].set_xlim(0, 300)
    fig.tight_layout(); fig.savefig(BASE + "c6111_trim.png", dpi=95)
    print(f"\n플롯 저장: {BASE}c6111_trim.png")


if __name__ == "__main__":
    main()