4、数据采集与预处理：SCADA数据、CMS数据、激光雷达数据的清洗与对齐

做变桨优化，数据就是我们的“眼睛”。但说实话，风机现场的数据质量，远没有实验室里那么干净。我见过太多团队，算法模型建得漂漂亮亮，一上真实数据就崩了——问题往往出在数据预处理这个环节。

今天我们就来聊聊，SCADA、CMS、激光雷达这三类数据，到底该怎么洗、怎么对齐。嗯，这里要特别注意，数据预处理不是“一次性”的工作，它是个迭代过程。你清洗得越细致，后面的模型就越省心。

4.1 SCADA数据清洗：别被“脏数据”骗了

SCADA系统每10分钟记录一次数据，看起来规规矩矩的。但我在项目中遇到过，有些风机因为传感器故障，连续几个月都在报“正常”数据——实际上叶片早就该换了。

清洗SCADA数据，我一般按这个顺序来：

1. 剔除停机数据——发电机功率小于0或者转速低于切入转速的，直接扔掉。这些数据对变桨优化没有意义。
2. 处理限功率数据——如果风机因为电网调度在限功率运行，变桨策略和正常情况完全不同。我建议单独标记，不要混在一起。
3. 过滤异常跳变——比如风速从5m/s突然跳到25m/s，又瞬间回落。这通常是传感器受干扰了，不是真实的风况。
4. 填补缺失值——短时间缺失（比如1-2个采样点）可以用线性插值。超过30分钟的缺失，我建议直接丢弃这段数据。

4.2 CMS数据清洗：振动信号的门道

CMS数据是高频振动信号，采样率通常在1kHz以上。它的清洗逻辑和SCADA完全不同。说白了，SCADA看的是“趋势”，CMS看的是“细节”。

清洗CMS数据时，我重点关注这几个方面：

• 去趋势项——传感器安装后会有零点漂移，直接做FFT分析会引入低频误差。用高通滤波器把0.1Hz以下的成分滤掉。
• 剔除冲击干扰——比如雷击、电网切换瞬间，振动信号会出现巨大的尖峰。这些不是疲劳载荷，必须剔除。
• 分段处理——CMS数据太长了，我习惯按10分钟一段切分，和SCADA数据的时间窗口对齐。

4.3 激光雷达数据：前馈控制的关键

激光雷达测的是风机前方的风速，相当于给变桨控制装了个“预知眼”。但这玩意儿娇贵得很，数据清洗要格外小心。

我总结了几条经验：

1. 剔除低信噪比数据——激光雷达在雨雾天气或者能见度差的时候，回波信号很弱。如果信噪比低于某个阈值（比如3dB），直接丢弃。
2. 处理距离门问题——激光雷达有多个测量距离（比如50m、100m、150m）。不同距离的风速相关性不一样，我建议只保留和叶轮平面对齐的那个距离门。
3. 时间同步——激光雷达的采样频率和SCADA不一样，必须做时间戳对齐。我习惯用线性插值把激光雷达数据重采样到SCADA的时间轴上。

4.4 多源数据对齐：时间戳是命根子

SCADA、CMS、激光雷达，三个系统的时钟可能都不一样。你想想看，如果时间对不上，载荷分析和变桨策略就全乱套了。

我的对齐流程是这样的：

数据源	采样频率	对齐方式	注意事项
SCADA	0.1Hz（10分钟）	基准时间轴	以SCADA时间为准
CMS	1kHz	降采样到0.1Hz	取10分钟内的统计特征（均值、RMS、峰值）
激光雷达	1-10Hz	线性插值到0.1Hz	注意延迟补偿（激光雷达测的是前方风速，有传播时间）

这里有个坑：激光雷达测的是“未来”的风速，而SCADA记录的是“当前”的风速。如果你直接对齐时间戳，相当于用未来的风去匹配当前的载荷——逻辑上就错了。我一般会做延迟补偿，把激光雷达数据向前平移几秒钟（具体时间取决于测量距离和平均风速）。

4.5 数据质量评估：清洗完了怎么知道对不对？

数据清洗完了，不能直接扔进模型。我习惯做三步验证：

• 可视化检查——把清洗前后的数据画出来，看看有没有明显的异常点被漏掉。
• 统计分布对比——清洗后的数据分布应该和原始数据的主体分布一致，只是去掉了尾巴上的异常值。
• 物理一致性检查——比如风速和功率的关系，应该符合风机的理论功率曲线。如果偏离太多，说明数据还有问题。

4.6 知识体系总览

下面这张图，是我对数据采集与预处理这个环节的总结。你可以把它当作一个检查清单，每次做数据清洗时对照着来。

数据清洗和对齐，说白了就是“去伪存真”的过程。你花在预处理上的每一分钟，都会在后面的建模和优化中得到回报。我个人习惯在项目开始前就制定好数据质量的标准，这样后面就不会手忙脚乱。

---