3、风电数据采集与接入：SCADA系统介绍、数据采集频率与类型、数据接入方式（CSV、数据库、API）、数据质量初探
各位同行，大家好。今天我们来聊聊风电运维里最基础、也最关键的一环——数据采集与接入。
说实话，我见过太多项目，算法模型建得漂漂亮亮，结果一上线就崩。为什么？数据源没搞清楚，接入方式选错了，或者数据质量一塌糊涂。你想想看，地基没打好，楼盖得再高也是危房。
所以这一章，咱们就把数据采集这件事彻底掰扯清楚。
3.1 SCADA系统：风机的“黑匣子”
SCADA，全称是Supervisory Control and Data Acquisition，也就是监控与数据采集系统。说白了，它就是风机的“黑匣子”，记录着风机从出生到退役的每一个动作。
我个人习惯把SCADA系统比作风机的体检报告。它实时监测着风速、转速、功率、温度、振动、油压……几十甚至上百个参数。没有SCADA，你就像在黑暗中开车，全靠感觉。
我在项目中遇到过一件事：某风场连续三个月发电量不达标，运维团队查了所有机械部件，都没问题。最后我调出SCADA数据一看，发现偏航系统在特定风速区间频繁动作，导致发电效率下降。这就是SCADA的价值——它告诉你“发生了什么”，而不是“你以为发生了什么”。
3.2 数据采集频率与类型
数据不是越多越好，也不是越快越好。关键是要“对”。
SCADA系统通常采集两类数据：
- 状态量：比如风机是运行、停机还是故障。这类数据变化慢，通常每10秒或每分钟记录一次就够了。
- 模拟量：比如风速、功率、温度。这类数据变化快，采集频率要高一些，一般是每秒或每0.1秒一次。
嗯，这里要注意：采集频率不是越高越好。我见过一个项目，把风速采集频率设成了100Hz（每秒100次），结果数据量爆炸，存储成本飙升，但实际分析时根本用不到这么高的精度。白白浪费资源。
给大家一个参考表：
| 数据类型 | 典型参数 | 推荐采集频率 | 说明 |
|---|---|---|---|
| 状态量 | 运行/停机/故障 | 10秒~1分钟 | 变化慢，低频采集即可 |
| 模拟量（慢变） | 环境温度、油温 | 1秒~10秒 | 温度变化有惯性 |
| 模拟量（快变） | 风速、功率、转速 | 0.1秒~1秒 | 这些参数波动大，需要高频采集 |
| 振动数据 | 轴承振动、齿轮箱振动 | 1kHz~10kHz | 用于故障诊断，需要专用采集卡 |
3.3 数据接入方式：CSV、数据库、API
数据采集完了，怎么把它弄到你的分析环境里？这就涉及到数据接入方式。我常用的有三种：CSV、数据库、API。
3.3.1 CSV文件：最原始，也最通用
CSV，说白了就是逗号分隔的文本文件。几乎所有SCADA系统都支持导出CSV。优点就是简单、通用、不依赖任何软件。
但缺点也很明显：
- 文件大了以后，读写速度慢得让人抓狂
- 没有数据校验，容易出错
- 不适合实时分析
我曾经接手一个项目，对方给了我一堆CSV文件，每个文件几百兆。光是读取就花了半小时，更别提分析了。后来我让他们直接导数据库，效率提升了10倍不止。
如果你只是做小规模分析，CSV够用。但如果是生产环境，我建议你跳过这一步。
3.3.2 数据库：工业级的选择
数据库是数据接入的主流方式。常用的有MySQL、PostgreSQL、InfluxDB（时序数据库）等。
我个人比较推荐用时序数据库，比如InfluxDB或TimescaleDB。为什么？因为风电数据天然就是时间序列数据，时序数据库在存储和查询效率上比传统关系型数据库高出一个量级。
举个例子，你要查某台风机过去一年的风速数据。用MySQL可能要跑几分钟，用InfluxDB几秒钟就出来了。
连接数据库的代码示例（Python + PostgreSQL）：
import psycopg2
# 连接数据库
conn = psycopg2.connect(
host="192.168.1.100",
database="wind_farm",
user="admin",
password="your_password"
)
# 查询数据
cur = conn.cursor()
cur.execute("SELECT timestamp, wind_speed, power FROM scada_data WHERE turbine_id='T01' AND timestamp > '2024-01-01'")
# 获取结果
rows = cur.fetchall()
for row in rows[:5]:
print(row)
cur.close()
conn.close()
3.3.3 API：现代系统的标配
API，全称是应用程序接口。现在很多新SCADA系统都提供RESTful API，你可以通过HTTP请求直接获取数据。
API的好处是：
- 实时性高，可以做到秒级甚至毫秒级
- 跨平台，任何语言都能调用
- 安全性好，有权限控制
调用API的代码示例（Python + requests）：
import requests
import json
# API地址
url = "http://scada-api.windfarm.com/v1/data"
# 请求参数
params = {
"turbine_id": "T01",
"start_time": "2024-01-01T00:00:00Z",
"end_time": "2024-01-02T00:00:00Z",
"fields": "wind_speed,power"
}
# 发送请求
response = requests.get(url, params=params, auth=("username", "password"))
# 解析结果
if response.status_code == 200:
data = response.json()
print(f"获取到 {len(data['records'])} 条记录")
else:
print(f"请求失败，状态码：{response.status_code}")
3.4 数据质量初探：别让垃圾数据毁了你的分析
数据接入进来了，是不是就可以直接分析了？别急，先看看数据质量。
我见过太多人，数据一拉进来就开始跑模型，结果跑出来的结果完全不对。为什么？因为数据里有脏数据。
常见的数据质量问题：
- 缺失值：某个时间点的数据没采集到，或者采集失败了
- 异常值：风速突然变成9999，明显是传感器故障
- 重复值：同一条数据被记录了两次
- 时间戳错乱：数据的时间顺序不对，或者时区没统一
我曾经遇到一个项目，分析结果总是对不上。查了三天，最后发现是SCADA系统的时间戳没有同步，有的风机快了5分钟，有的慢了3分钟。你想想看，时间都对不上，分析结果能对吗？
所以，数据接入后的第一步，永远是数据质量检查。我一般会做这几件事：
- 检查缺失率：缺失超过5%的字段，要标记出来
- 检查取值范围：风速不可能为负，功率不可能超过额定值
- 检查时间连续性：相邻两条数据的时间差是否合理
- 检查重复记录：有没有完全一样的数据行
下面这张图，是我自己总结的数据接入与质量检查流程，大家可以参考：
好了，这一章的内容就到这里。数据采集与接入是风电运维数据分析的第一步，也是最重要的一步。把这一步走稳了，后面的路就好走了。
公众号:蓝海资料掘金营，微信deep3321