Les flux : format table, pour que le filtre de vue s'applique

Le filtre de vue fonctionne sur le graphique en barres — la capture du
proprietaire montrait bien « Solaire, Voiture » seuls — et echouait sur « Les
flux » avec « Data is missing a time field ». La seule difference entre les
deux etait le format de sortie : `table` d'un cote, `time_series` de l'autre.

Un panneau time series accepte parfaitement une trame de type table des lors
qu'elle porte une colonne temporelle, et le rendu est identique. On aligne donc
« Les flux » sur le format dont on a la PREUVE qu'il se laisse filtrer, plutot
que de continuer a deviner comment `time_series` nomme son champ temporel.

Changement circonscrit a ce seul panneau : les trois autres tableaux utilisent
le meme generateur de requete, n'ont pas de filtre de vue, et restent en
time_series.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01KKzkkVTG6KXnGXFFC7X9XJ

deploy/historisation/grafana/dashboards/systeme.json

@@ -1057,7 +1057,7 @@
             "type": "grafana-postgresql-datasource",
             "uid": "evcs-pg"
           },
-          "format": "time_series",
+          "format": "table",
           "rawQuery": true,
           "editorMode": "code",
           "rawSql": "WITH par_minute AS (\n  SELECT date_trunc('minute', ts) AS t,\n         avg(valeur) FILTER (WHERE cle = 'sensor.victron_pv_power_system') AS Solaire,\n         avg(valeur) FILTER (WHERE cle = 'sensor.victron_grid_power_l1') AS Reseau,\n         avg(valeur) FILTER (WHERE cle = 'sensor.victron_battery_power') AS Batterie,\n         avg(valeur) FILTER (WHERE cle = 'sensor.victron_consumption_power_l1') AS Maison,\n         avg(valeur) FILTER (WHERE cle = 'sensor.victron_evcs_ac_power') AS Voiture\n  FROM mesure WHERE $__timeFilter(ts) GROUP BY 1\n),\npaliers AS (\n  SELECT t, Solaire, Reseau, Batterie, Maison, Voiture,\n         count(Solaire) OVER (ORDER BY t) AS g_Solaire,\n         count(Reseau) OVER (ORDER BY t) AS g_Reseau,\n         count(Batterie) OVER (ORDER BY t) AS g_Batterie,\n         count(Maison) OVER (ORDER BY t) AS g_Maison,\n         count(Voiture) OVER (ORDER BY t) AS g_Voiture\n  FROM par_minute\n),\nreport AS (\n  SELECT t,\n         first_value(Solaire) OVER (PARTITION BY g_Solaire ORDER BY t) AS Solaire,\n         first_value(Reseau) OVER (PARTITION BY g_Reseau ORDER BY t) AS Reseau,\n         first_value(Batterie) OVER (PARTITION BY g_Batterie ORDER BY t) AS Batterie,\n         first_value(Maison) OVER (PARTITION BY g_Maison ORDER BY t) AS Maison,\n         first_value(Voiture) OVER (PARTITION BY g_Voiture ORDER BY t) AS Voiture\n  FROM paliers\n)\nSELECT t AS time,\n         Solaire AS \"Solaire\",\n         Reseau AS \"Reseau\",\n         Batterie AS \"Batterie\",\n         Maison AS \"Maison\",\n         Voiture AS \"Voiture\"\nFROM report ORDER BY t"

tools/gen-grafana-dashboards.py

@@ -13,7 +13,7 @@ def sql(refid, q, fmt="time_series"):
 def flux(refid, q):
     return {"refId": refid, "datasource": IN, "query": q}
 
-def sql_grandeurs(refid, colonnes, calculees=None):
+def sql_grandeurs(refid, colonnes, calculees=None, fmt="time_series"):
     """Rapproche plusieurs grandeurs de la table `mesure` sur un axe commun.
 
     Deux difficultes, toutes deux resolues ici :
@@ -47,7 +47,7 @@ def sql_grandeurs(refid, colonnes, calculees=None):
          f"),\npaliers AS (\n  SELECT t, {', '.join(noms)},\n{groupes}\n  FROM par_minute\n"
          f"),\nreport AS (\n  SELECT t,\n{remplis}\n  FROM paliers\n)\n"
          f"SELECT t AS time,\n{sorties}\nFROM report ORDER BY t")
-    return sql(refid, q)
+    return sql(refid, q, fmt=fmt)
 
 
 def ts(title, targets, ds, x, y, w, h, unit="", desc="", extra=None, legend="bottom"):
@@ -916,12 +916,17 @@ systeme = dashboard("evcs-systeme", "Le systeme", (
          "alarm":    {"text": "ALARME", "color": "red", "index": 2}}}]),
 
   ts("Les flux", [
+     # fmt="table" et non "time_series" : le filtre de vue s'applique bien sur
+     # une trame de type table — c'est ce que fait le graphique en barres — et
+     # echouait sur time_series avec « Data is missing a time field ». Le
+     # panneau time series accepte une trame table portant une colonne
+     # temporelle, le rendu est identique.
      sql_grandeurs("A", [
         ('sensor.victron_pv_power_system',      'Solaire'),
         ('sensor.victron_grid_power_l1',        'Reseau'),
         ('sensor.victron_battery_power',        'Batterie'),
         ('sensor.victron_consumption_power_l1', 'Maison'),
-        ('sensor.victron_evcs_ac_power',        'Voiture')])],
+        ('sensor.victron_evcs_ac_power',        'Voiture')], fmt="table")],
      PG, 0, 13, 24, 9, "watt",
      "Batterie positive : elle se charge. Reseau positif : il alimente. "
      "Aux instants ou tout est a zero sauf la maison, c'est la batterie qui "