数据采集与SCADA系统：风机的“黑匣子”与“听诊器”

各位同行，咱们做风机故障预测，第一步不是调模型，而是搞清楚数据从哪来、怎么来、靠不靠谱。SCADA系统，说白了就是风机的“黑匣子”加“听诊器”。我干这行十年，见过太多模型死在数据质量上——数据不准，后面全白搭。今天咱们就聊聊SCADA系统的架构、数据采集的细节，以及怎么给数据“体检”。

SCADA系统架构：三层结构，各司其职

SCADA系统，全称是监控与数据采集系统。在风场里，它通常分三层：

• 现场层（底层）：风机上的传感器、PLC、变桨控制器、变频器。这些设备负责采集原始信号，比如风速、转速、温度、振动。
• 通讯层（中间层）：通过光纤、环网或4G/5G，把现场数据传到中控室。这里要注意，通讯延迟和丢包是家常便饭。
• 应用层（上层）：中控室的服务器、数据库、人机界面。数据在这里存储、展示、报警。

我个人习惯把SCADA比作“人体神经系统”。传感器是神经末梢，通讯是脊髓，服务器是大脑。哪一环出问题，数据就失真。

数据采集频率与类型：别被“高频”忽悠了

很多新人一上来就问：“我要高频数据，越高越好！” 其实不是这样。SCADA系统默认的采集频率通常是1秒1次（1Hz），但有些关键参数会更高。

我遇到过最坑的事：某风场号称有“高频振动数据”，结果一查，是SCADA系统每10秒采集一次振动有效值（RMS）。这哪是高频？这是低频中的低频！

常见数据类型与频率

数据类型	典型参数	采集频率	说明
状态量	运行/停机/故障代码	事件触发	变化时才记录，不占空间
模拟量（慢变）	环境温度、机舱温度	1秒~10秒	温度变化慢，没必要高频
模拟量（快变）	风速、有功功率、转速	1秒（1Hz）	SCADA标准配置
振动信号	轴承加速度、齿轮箱振动	10Hz~10kHz	需要独立采集系统，SCADA通常只存RMS
电气参数	三相电压、电流、谐波	1秒~1分钟	用于电能质量分析

数据质量评估：给数据“体检”

数据质量是故障预测的命门。我见过一个团队，花三个月训练模型，结果发现训练数据里有一半是“坏值”——风机停机时的数据被当成了正常运行数据。你说冤不冤？

数据质量评估，我一般看四个维度：

1. 完整性：有没有缺失值？时间戳是否连续？
2. 准确性：数值是否在合理范围内？比如风速不可能500m/s。
3. 一致性：同一台风机，不同传感器之间是否矛盾？比如风速高但功率低，可能有问题。
4. 时效性：数据是否及时？延迟超过5分钟的数据，基本没用。

数据清洗的“三板斧”

拿到原始SCADA数据，我通常会做三步处理：

• 第一步：剔除停机数据。风机停机时，很多参数是0或默认值，这些数据会污染模型。我习惯只保留“发电状态”或“并网状态”的数据。
• 第二步：处理异常值。比如风速超过切出风速（25m/s）但风机还在运行，这明显是传感器故障。用前后均值填充或直接删除。
• 第三步：重采样对齐。不同参数可能采集频率不同，需要统一到相同时间间隔。我常用1分钟均值或10分钟均值。

数据质量评估的量化指标

光靠感觉不行，得量化。我常用这几个指标：

指标	计算公式	合格标准	说明
数据可用率	有效数据点数 / 总数据点数 × 100%	≥ 95%	剔除停机、异常后的比例
缺失率	缺失点数 / 总点数 × 100%	≤ 5%	连续缺失超过1小时需标记
异常率	超出合理范围的点数 / 总点数	≤ 2%	合理范围需根据历史数据设定
时间戳偏差	实际时间与系统时间差	≤ 1秒	多台风机之间需同步

嗯，这里要注意：数据可用率不是越高越好。如果可用率100%，反而要怀疑是不是把停机数据也算进去了。我一般会先做“工况筛选”，只保留正常运行的数据，再看可用率。

一个简单的数据质量检查脚本

下面是我常用的Python脚本片段，用于快速检查SCADA数据质量：

import pandas as pd
import numpy as np

def check_data_quality(df, col_name, lower_bound, upper_bound):
    """
    检查单列数据质量
    df: DataFrame，包含时间戳和数值列
    col_name: 要检查的列名
    lower_bound, upper_bound: 合理范围
    """
    total = len(df)
    missing = df[col_name].isna().sum()
    outliers = ((df[col_name] < lower_bound) | (df[col_name] > upper_bound)).sum()
    
    # 计算可用率（排除缺失和异常）
    valid = total - missing - outliers
    availability = valid / total * 100
    
    print(f"列名: {col_name}")
    print(f"总点数: {total}")
    print(f"缺失数: {missing} ({missing/total*100:.2f}%)")
    print(f"异常数: {outliers} ({outliers/total*100:.2f}%)")
    print(f"数据可用率: {availability:.2f}%")
    
    return availability

# 示例用法
# check_data_quality(scada_data, 'wind_speed', 0, 30)

这个脚本很简单，但很实用。我每次拿到新数据，第一件事就是跑一遍这个检查。如果可用率低于90%，我会直接找风场运维要原始日志，看看是不是通讯出了问题。

好了，今天就聊到这。记住：好的故障预测，七分在数据，三分在模型。把SCADA数据吃透了，后面的事就顺了。