第二章：风电数据采集与存储
大家好，我是老张。在风电运维这行摸爬滚打了十来年，今天咱们聊聊数据采集和存储这些基础活儿。别小看这一步，我见过太多项目后期出问题，根源都在数据采集阶段埋了坑。
2.1 SCADA系统数据采集原理
SCADA，说白了就是风电场的"神经中枢"。它负责把风机上几百个传感器的数据汇总起来。我个人习惯把SCADA数据分成三类：
- 状态量：比如风机是运行、停机还是故障
- 模拟量：风速、功率、转速这些连续变化的数值
- 累计量：发电量、运行小时数这种越加越大的数
采集频率这块，我建议你注意一下。常规SCADA系统一般是秒级采集，但实际存储时往往做了降频处理。我在项目中遇到过，某厂家号称"1秒采集"，结果存到数据库里是5分钟平均值。你想想看，做故障诊断时这数据能用吗？
核心要点：SCADA数据采集的三大要素——采集频率、精度、同步性。缺一个，后面的大模型训练就是白搭。
2.2 CMS振动数据采集
振动数据，这才是做预测性维护的关键。CMS（状态监测系统）采集的是高频振动信号，跟SCADA那种慢悠悠的数据完全是两码事。
为什么会这样？因为齿轮箱、轴承这些部件的故障特征，往往藏在几千赫兹的高频信号里。我刚开始做这行时，总觉得SCADA数据就够了，直到有一次齿轮箱打齿，SCADA数据完全没反应，CMS振动数据却提前两周就出现了异常特征。
采集参数方面，记住这几个关键点：
- 采样频率：一般不低于10kHz，高速轴建议20kHz以上
- 采样时长：每次采集6-10秒，保证有足够的转速周期
- 采集间隔：常规机组每4小时采一次，重点机组可以加密到1小时
避坑指南：我曾经遇到过振动传感器安装位置不对，导致采集的数据全是噪声。记住，传感器要尽量靠近轴承座，避开焊缝和薄壁位置。
2.3 气象数据接入
气象数据，很多人觉得就是看看风速风向。其实不然，真正做功率预测和故障诊断时，温度、湿度、气压、湍流强度这些都有用。
气象数据接入有两种方式：
- 机舱气象站：装在风机顶部，数据实时性好，但容易受机组自身尾流影响
- 测风塔数据：位置固定，数据更准确，但存在空间距离误差
我个人建议，有条件的话两种数据都接，做数据融合。嗯，这里要注意，气象数据的时间分辨率通常比较低，一般是10分钟或1小时一个点，跟SCADA数据做对齐时要小心。
| 数据类型 | 采集频率 | 数据量级 | 主要用途 |
|---|---|---|---|
| SCADA | 1秒-1分钟 | GB级/年/台 | 运行监控、故障报警 |
| CMS振动 | 10-20kHz | TB级/年/台 | 故障诊断、预测维护 |
| 气象数据 | 10分钟-1小时 | MB级/年/场 | 功率预测、环境分析 |
2.4 数据存储格式
存储格式这块，我踩过的坑最多。刚开始做项目时，所有数据一股脑存CSV，结果查询一个月的振动数据要等半小时。后来换了Parquet，速度快了不止一个量级。
CSV格式
CSV的好处是通用性强，随便一个文本编辑器就能打开。但缺点也很明显：没有压缩、没有索引、读取慢。我建议CSV只用于小批量数据交换，别拿它当主力存储格式。
# 一个典型的SCADA CSV文件示例
timestamp,wind_speed,power,rotor_speed,blade_pitch
2024-01-01 00:00:00,8.5,1500.2,12.3,5.2
2024-01-01 00:01:00,8.7,1520.1,12.5,5.1Parquet格式
Parquet是我现在的主力格式。它是列式存储，压缩率高，查询速度快。特别是做大数据分析时，Parquet比CSV快10倍以上。
经验之谈：Parquet配合分区存储效果更好。我习惯按"风场/机组/年份/月份"建分区，查询时直接定位到对应分区，不用全表扫描。
时序数据库
如果你们团队做实时监控和在线诊断，时序数据库是首选。InfluxDB、TimescaleDB、TDengine这些我都用过。时序数据库的优势在于：
- 写入速度快，适合高频数据
- 自带时间窗口聚合函数
- 数据保留策略自动管理
不过要注意，时序数据库的存储成本比Parquet高。我建议的架构是：热数据存时序库（最近7天），冷数据存Parquet（历史数据），这样既保证了查询速度，又控制了存储成本。
重要提醒：无论用什么格式存储，数据质量检查一定要做在前头。我曾经因为存储格式选对了但数据质量没把关，结果模型训练出来全是垃圾。记住：Garbage in, garbage out。
这张图是我自己总结的数据采集存储架构。你看，从数据源到最终应用，每一层都有讲究。特别是存储层，热数据和冷数据分开管理，既能保证实时查询速度，又能控制存储成本。
好了，这一章的内容就到这里。数据采集和存储是基础中的基础，但也是最容易出问题的地方。记住我一句话：数据质量决定模型上限，存储架构决定工程下限。这两样搞好了，后面的大模型训练才能事半功倍。