# 中国能源与电力年鉴结构化数据发布包

本目录是从 `data/` 中的中国能源与中国电力历史统计年鉴自动抽取、去重、规范化后形成的网站数据底座。原始文件没有被修改。

## 发布概览

- 原始文件：1,797 个，约 17.35 GiB。
- 安全展开归档：32 个；新增唯一电子表格：4,625 个。
- 唯一 Excel 工作簿：5,990 个；工作表：10,408 张。
- Excel 原始非空单元格：2,142,776；自动观测：1,491,468。
- 已移除合并单元格虚拟观测副本：33,183。
- 2022–2025 电力年鉴 PDF：4 册、758 页；自动观测：78,315。
- 统一观测层：1,569,783 行。
- 网站核心指标层：2,755 行、23 个指标、32 个地区，数据年份 2011–2024。
- 核心一致性检查：70 项，最大相对差 0.102%。
- 抽取失败：0 个工作簿；非有限数值：0。
- 结构计数异常表（观测数高于数值单元格数）：0。
- Excel 回源抽样：16 张表、328 个单元格，错配 0。

## 网站接入建议

1. 首页与可视化优先读取 `key_indicators_latest.json` 或 `key_indicators_latest.csv`；这是已按稳定表结构筛选并去重的轻量层。
2. 分析下载优先提供 `key_indicators_latest.parquet` 和 `observations_standardized.parquet`。
3. 高级检索使用 `table_catalog.csv` 定位表，再按 `table_id` 查询统一观测层。
4. 需要复核时，根据 `source_relative_path`、`sheet_name/source_row/source_column` 或 `page/x0/y0/x1/y1` 回到原表。

## 质量边界

- `key_indicators_latest` 已做键唯一性校验，并对装机容量、全社会用电量执行 31 省合计与全国值对账；差异记录在 `key_indicator_consistency_checks.csv`。
- `observations_standardized` 是覆盖优先的自动抽取层。`metric_auto`、缺失年份、缺失单位及复杂多级表头仍需要人工复核；请使用 `quality_tier` 和 `quality_flags` 过滤。
- 年鉴不同版次可能修订历史数值；核心指标层保留最新可用版次，并完整记录版次和来源页。
- 在公开提供原年鉴整表或大规模下载前，请单独确认出版物授权、数据库权利与网站分发范围。本发布包的技术处理不等于取得再发布许可。

## 目录说明

- `key_indicators_latest.*`：首批图表/API 直接使用的核心指标（CSV、JSON、Parquet）。
- `observations_standardized.parquet`：Excel 与 PDF 自动观测的统一宽表。
- `metric_dimension.csv`、`region_dimension.csv`、`unit_dimension.csv`：维度表。
- `source_catalog.csv`：原始路径、内容哈希、重复别名和归档成员来源目录。
- `table_catalog.csv`：所有已抽取表的目录。
- `key_indicator_consistency_checks.csv`：核心指标对账结果。
- `key_indicator_selection_rejections.csv`：因内部一致性未通过而被核心层排除的版次/年份。
- `manifest.json`：发布文件大小与 SHA-256。
- `downloads/`：面向网站访客的轻量 ZIP。

## 上游可追溯层

- `../structured/raw_excel_cells.parquet`：Excel 原始非空单元格。
- `../structured/observations_auto.parquet` 与 `.csv.gz`：Excel 自动观测。
- `../power_pdf_structured/raw_pdf_words.parquet`：PDF 坐标词层。
- `../power_pdf_structured/pdf_observations_auto.parquet` 与 `.csv.gz`：PDF 自动观测。
- `../qa/`：覆盖率、单位、指标、异常值与质量审计。