第二章：风电数据基础——SCADA数据解析、振动信号特征、气象数据融合、数据清洗实战

说实话，搞风电运维大模型，最怕什么？

不是模型不够深，不是算力不够强。

是数据本身就不靠谱。

我在风场待了快十年，见过太多「模型跑得飞起，一上线就崩」的案例。追根溯源，十有八九是数据预处理这关没把好。今天咱们就聊聊风电数据的四大金刚：SCADA、振动、气象，以及怎么把它们洗干净喂给模型。

2.1 SCADA数据解析——风机的「体检报告」

SCADA系统，说白了就是风机自己的日志本。每台风机每隔几秒或几分钟，就会记录一堆参数：风速、转速、功率、温度、桨距角……

我习惯把SCADA数据分成三类：

• 状态量：比如运行、停机、故障码。这些是离散的，别当连续值处理。
• 模拟量：风速、功率、温度。连续变化，但经常带噪声。
• 统计量：比如平均值、最大值、最小值。很多SCADA系统会给你算好，但要注意统计窗口是否对齐。

举个实际例子。我曾经接手一个项目，A风场和B风场都用同一款风机，但SCADA里「风速」这个字段，一个叫WindSpeed，一个叫WS_Avg，还有一个叫WSPD_10min。不统一的话，模型训练直接乱套。

解析代码其实不复杂，但要注意时间戳的时区问题。很多SCADA记录的是UTC时间，而本地运维日志用的是北京时间。差8个小时，故障定位就全错了。

import pandas as pd

# 我常用的SCADA解析模板
def parse_scada(file_path):
    df = pd.read_csv(file_path, parse_dates=['timestamp'])
    # 统一时区
    df['timestamp'] = df['timestamp'].dt.tz_convert('Asia/Shanghai')
    # 重命名关键字段
    rename_dict = {
        'WindSpeed': 'ws',
        'WS_Avg': 'ws',
        'WSPD_10min': 'ws',
        'ActivePower': 'power',
        'GenRPM': 'rpm'
    }
    df.rename(columns=rename_dict, inplace=True)
    return df

2.2 振动信号特征——听懂风机的「心跳」

SCADA数据是慢变量，几秒甚至十分钟才一条。但振动信号是高频的，每秒几千个采样点。它反映的是风机的机械状态——轴承磨损、齿轮裂纹、叶片不平衡，这些早期故障都会在振动信号里留下痕迹。

我刚开始做振动分析时，犯过一个低级错误：直接把原始振动波形扔进模型。结果模型训练了三天，准确率还不如瞎猜。后来才明白，振动信号需要先提取特征。

常用的特征分两类：

• 时域特征：均值、方差、峰值、峭度（Kurtosis）。峭度这个指标特别敏感，正常轴承的峭度接近3，一旦出现冲击故障，峭度会飙升到10以上。
• 频域特征：FFT变换后看各频段的能量分布。齿轮故障通常出现在啮合频率附近，轴承故障则集中在高频段。

import numpy as np
from scipy import signal

def extract_vibration_features(vibration_data, fs=2560):
    # 时域特征
    features = {}
    features['rms'] = np.sqrt(np.mean(vibration_data**2))
    features['kurtosis'] = np.mean((vibration_data - np.mean(vibration_data))**4) / (np.std(vibration_data)**4)
    features['peak'] = np.max(np.abs(vibration_data))
    
    # 频域特征：计算1/3倍频程能量
    freqs, psd = signal.welch(vibration_data, fs, nperseg=1024)
    # 提取0-100Hz, 100-500Hz, 500-2000Hz三个频段能量
    bands = [(0, 100), (100, 500), (500, 2000)]
    for i, (low, high) in enumerate(bands):
        mask = (freqs >= low) & (freqs < high)
        features[f'band_{i}_energy'] = np.sum(psd[mask])
    
    return features

2.3 气象数据融合——别让模型「看天吃饭」

风机是跟老天爷打交道的设备。风速、风向、温度、气压、湿度、湍流强度……这些气象因素直接影响发电效率和设备寿命。

但气象数据有个大坑：空间分辨率不够。气象站的网格通常是几公里甚至几十公里一个点，而风机之间可能只隔几百米。地形起伏、尾流效应，都会让实际风速跟气象预报差很多。

我建议的做法是：

• 优先使用机舱风速计：虽然它受叶轮旋转影响有误差，但至少是真实测量值。
• 气象数据做插值：用反距离加权（IDW）或克里金法，把气象站数据插值到每台风机的位置。
• 加入湍流强度：这个参数很多团队会忽略。湍流强度高，意味着风速剧烈波动，对风机疲劳载荷影响很大。

def fuse_weather_scada(scada_df, weather_df):
    # 重采样SCADA到小时级
    scada_hourly = scada_df.resample('1H', on='timestamp').mean()
    # 合并气象数据
    merged = pd.merge(scada_hourly, weather_df, on='timestamp', how='left')
    # 前向填充缺失的气象数据（气象站偶尔断传）
    merged.fillna(method='ffill', inplace=True)
    return merged

2.4 数据清洗实战——脏数据是模型的「毒药」

数据清洗这事，听起来简单，做起来全是坑。我见过最离谱的一次，某台风机SCADA记录的风速常年稳定在12m/s，但功率输出却是0。查了半天，原来是风速计被鸟屎糊住了。

清洗流程我总结为四步：

1. 缺失值处理：连续缺失超过1小时的，直接标记为停机时段。短时间缺失，用前后均值插补。
2. 异常值检测：用3-sigma法则或IQR（四分位距）方法。但要注意，风机在极端工况下（比如切出风速附近）的数据看起来像异常，其实是正常的。
3. 逻辑校验：风速为0但功率不为0？风速很大但转速很低？这些物理上不可能的组合，直接剔除。
4. 停机时段剔除：风机维护、电网限电、故障停机期间的数据，不能用于训练。我习惯用功率曲线做筛选——如果风速-功率点明显偏离标准功率曲线，大概率是停机状态。

def clean_wind_data(df):
    # 1. 缺失值处理
    df = df.interpolate(method='linear', limit=6)  # 最多插补6个连续缺失
    
    # 2. 异常值检测（以风速为例）
    q1 = df['ws'].quantile(0.25)
    q3 = df['ws'].quantile(0.75)
    iqr = q3 - q1
    df = df[(df['ws'] >= q1 - 1.5*iqr) & (df['ws'] <= q3 + 1.5*iqr)]
    
    # 3. 逻辑校验：风速>0且功率=0，标记为停机
    df.loc[(df['ws'] > 0.5) & (df['power'] < 0.1), 'status'] = 'shutdown'
    
    # 4. 剔除停机时段
    df_clean = df[df['status'] != 'shutdown'].copy()
    return df_clean

知识体系总览

下面这张图，是我自己梳理的风电数据基础框架。每次带新人，我都会先让他们看这张图——搞清楚数据从哪里来、长什么样、怎么处理，比直接调模型重要得多。

嗯，数据基础这块就聊到这儿。记住一句话：模型的上限，由数据质量决定。花80%的时间在数据上，20%的时间调模型，这才是风电运维的正确姿势。

---