第二章：数据基础——SCADA、测风塔、气象与电网调度数据的获取与清洗

各位同行，大家好。欢迎来到实战课程的第二讲。

做风电后评估，说白了就是跟数据打交道。你想想看，如果数据本身都是脏的、乱的、缺的，那后面算出来的发电量、效率指标，能信吗？

我个人习惯，拿到一个风电场项目，第一件事不是急着算指标，而是先花至少一半的时间去梳理数据。嗯，这一步做扎实了，后面才能稳。

2.1 四大数据源，缺一不可

风电场后评估，我们主要依赖四类数据。我管它们叫“四驾马车”，少一个都不行。

数据源	核心作用	常见格式
SCADA数据	单机运行状态、发电量、故障记录	.csv, .xlsx, 数据库
测风塔数据	风资源代表值、切变、湍流	.csv, .txt, .dat
气象数据	长期订正、极端天气分析	.nc, .grib, .csv
电网调度数据	限电、停机、考核	.xlsx, .pdf, 调度系统导出

我在项目中遇到过，有的同事只盯着SCADA数据，忽略了测风塔的异常，结果算出来的发电量偏差很大。后来一查，是测风塔的超声波风速计被冻住了，数据全是0。所以，四类数据必须交叉验证。

2.2 SCADA数据：最核心，也最头疼

SCADA数据是风机的“黑匣子”。它记录了每一台风机每10分钟的平均值、最大值、最小值、状态码。

获取方式：

• 直接从风电场中控室导出
• 通过OPC接口实时采集
• 从风机厂家远程平台下载

清洗要点：

• 时间戳对齐：不同风机的时间可能不同步，我习惯统一转为UTC+8，再按整10分钟对齐。
• 状态码过滤：停机、限电、故障、维护等状态要打标签。千万别把停机时的0功率当成正常数据。
• 异常值剔除：比如风速超过切出风速但功率不为0，或者功率为负值（风机在耗电）。

2.3 测风塔数据：风资源的“标尺”

测风塔是风电场最贵的传感器。它的数据质量，直接决定了风资源评估的准确性。

获取方式：

• 现场数据采集器下载（Campbell, NRG等）
• 远程传输（GPRS/卫星）

清洗要点：

• 扇区剔除：塔影效应、叶片遮挡会导致某些风向的数据失真。我一般会剔除塔影区（±30°）的数据。
• 垂直切变检查：不同高度的风速比应该在合理范围内。如果80m风速比50m还低，那大概率是传感器故障。
• 结冰处理：北方风电场冬季常见。当温度低于0℃且湿度大于90%时，风速数据可能冻结。我曾经处理过一个项目，整个冬季的测风塔数据都是平的，后来加了加热传感器才解决。

2.4 气象数据：长期趋势的“校正器”

气象数据主要用于长期订正。因为测风塔只有1-3年的数据，而风电场要运行20年，我们需要用气象站的长序列数据来修正。

获取方式：

• ERA5再分析数据（免费，全球覆盖）
• MERRA-2数据
• 当地气象站实测数据

清洗要点：

• 空间匹配：气象网格点（比如ERA5是0.25°×0.25°）与风电场位置的距离，最好在50km以内。
• 时间匹配：气象数据通常是小时级，需要插值到10分钟，或者直接按小时聚合。
• 异常值处理：比如ERA5的10m风速偶尔会出现负值，直接剔除即可。

2.5 电网调度数据：限电分析的“铁证”

电网调度数据是分析限电损失的关键。没有它，你算出来的发电量可能比实际高很多。

获取方式：

• 调度中心下发的限电指令（PDF或Excel）
• 风电场AGC系统记录
• 电网考核系统导出

清洗要点：

• 时间对齐：调度指令的时间精度通常是15分钟或1小时，需要与SCADA的10分钟数据对齐。
• 限电类型区分：是全场限电，还是单机限电？是计划性限电，还是故障性限电？
• 数据补全：有时候调度数据缺失，我会用SCADA的功率与理论功率的差值来反推限电量。

2.6 数据清洗实战流程

好了，理论讲完了。咱们来点实际的。下面是我常用的数据清洗流程，用Python实现。

import pandas as pd
import numpy as np

# 读取SCADA数据
df = pd.read_csv('scada_10min.csv', parse_dates=['time'])

# 1. 时间戳对齐
df.set_index('time', inplace=True)
df = df.resample('10T').mean()  # 重采样到10分钟

# 2. 状态码过滤
valid_status = [1, 2, 3]  # 正常运行、发电、待机
df = df[df['status'].isin(valid_status)]

# 3. 异常值剔除
# 风速在0-30m/s之间，功率在0-额定功率之间
df = df[(df['windspeed'] >= 0) & (df['windspeed'] <= 30)]
df = df[(df['power'] >= 0) & (df['power'] <= 2000)]  # 假设额定功率2000kW

# 4. 缺失值处理
# 连续缺失不超过2个点，用线性插值
df = df.interpolate(method='linear', limit=2)

# 5. 保存清洗后的数据
df.to_csv('scada_cleaned.csv')

这段代码看起来简单，但实际项目中，你可能会遇到各种奇葩情况。比如，有的风机时间戳是字符串格式，有的功率单位是kW有的是MW，有的风速传感器坏了输出全是0。嗯，这些都需要你手动去排查。

2.7 数据质量评估指标

数据清洗完了，怎么判断质量好不好？我一般用这几个指标：

指标	计算公式	合格标准
数据完整率	有效数据点数 / 理论数据点数	> 95%
数据有效率	剔除异常后的数据点数 / 原始数据点数	> 90%
时间同步率	时间戳对齐的数据点数 / 总数据点数	> 98%

如果完整率低于80%，我建议你直接找现场运维要原始数据，或者检查数据采集系统是不是出了问题。

2.8 本章知识体系

下面这张图，是我自己总结的数据清洗逻辑框架。你一看就明白了。

这张图把整个流程串起来了。从四大数据源出发，经过四个清洗步骤，最终得到高质量数据集。每一步都有对应的质量指标来把关。

好了，这一章的内容就到这里。数据清洗是后评估的基石，你花多少功夫在上面，后面的分析结果就有多可靠。下一章，我们会进入功率曲线分析，那才是真正考验技术的地方。

---