一、风场现状诊断：数据采集与清洗实战
各位同行，咱们直接进入正题。
做风场发电量提升，第一步不是调算法，也不是换叶片。第一步是——搞清楚你手头的数据到底能不能用。
我见过太多项目，上来就搞AI模型，结果跑出来的结果连自己都不信。为什么？因为数据本身就是脏的。你想想看，一个风速传感器偏了5%，你后面再怎么优化，都是白搭。
所以这一章，咱们就聊聊数据采集和清洗的那些坑。我把自己踩过的雷，一个一个说给你听。
1.1 数据采集：别让源头就错了
数据采集听起来简单，不就是从SCADA系统里把数据拉出来吗？
嗯，理论上是的。但实际操作中，问题多得很。
采集哪些数据？
我个人习惯，先把这几类数据列清楚：
- 气象数据：风速、风向、温度、气压、湿度。注意，风速要机舱风速和测风塔风速都拿。
- 机组状态数据：有功功率、桨距角、发电机转速、转矩、变桨角度。
- 故障与报警数据：停机时间、故障代码、复位次数。
- 电网数据：电压、频率、功率因数。
我在项目中遇到过一件事：某个风场一直说发电量低，我一看数据，发现他们只采集了机舱风速，没采集测风塔数据。结果机舱风速受叶片尾流影响，偏差很大。后来补上测风塔数据，问题一下子就清楚了。
核心原则：数据源要冗余，不要只依赖单一传感器。
1.2 数据清洗：80%的时间花在这里
说实话，数据清洗是这活儿里最枯燥、但最重要的部分。我经常跟团队说：你花一天做模型，得花四天洗数据。
常见的数据脏问题：
| 问题类型 | 表现 | 原因 |
|---|---|---|
| 缺失值 | 时间戳跳变、字段为空 | 传感器故障、通信中断 |
| 异常值 | 风速突然跳到100m/s | 传感器结冰、雷击干扰 |
| 重复值 | 同一时刻多条记录 | SCADA缓存重复上报 |
| 时间不同步 | 机舱和测风塔时间差几分钟 | 设备时钟未校准 |
为什么会这样？说白了，风场环境太恶劣了。零下30度，传感器结冰是常事。雷雨天气，通信中断也是家常便饭。
清洗流程，我一般这么干：
- 时间对齐：把所有数据按统一时间戳重采样，我习惯用10分钟平均。
- 剔除停机数据：机组故障、检修、限电期间的数据，统统去掉。这些数据会污染模型。
- 异常值过滤：风速超过切出风速的、功率为负的、桨距角超出范围的，标记并剔除。
- 缺失值处理：短时间缺失（<30分钟）用插值；长时间缺失直接丢弃该时段。
- 一致性检查：比如风速和功率的关系，如果风速10m/s但功率为0，那肯定有问题。
小技巧：我习惯在清洗前先画一个风速-功率散点图。一眼就能看出哪些点是异常的。比看表格快多了。
1.3 代码实战：一个清洗示例
光说不练假把式。我给你看一段我常用的清洗代码。这是Python的，用pandas处理。
import pandas as pd
import numpy as np
# 读取SCADA数据
df = pd.read_csv('wind_farm_data.csv', parse_dates=['timestamp'])
# 1. 时间对齐：重采样到10分钟
df.set_index('timestamp', inplace=True)
df = df.resample('10T').mean()
# 2. 剔除停机数据（功率小于0或风速小于切入风速）
df = df[(df['active_power'] > 0) & (df['wind_speed'] >= 3.0)]
# 3. 异常值过滤：风速超过25m/s的剔除
df = df[df['wind_speed'] <= 25]
# 4. 缺失值处理：连续缺失不超过3个点，用线性插值
df = df.interpolate(method='linear', limit=3)
# 5. 一致性检查：风速-功率关系
# 如果风速>5且功率<10，标记为异常
df.loc[(df['wind_speed'] > 5) & (df['active_power'] < 10), 'flag'] = 1
print(f"清洗后数据量：{len(df)} 条")
这段代码看着简单，但实际项目中，我往往要迭代好几轮。每次清洗完，我都会再画一次散点图，看看还有没有漏网之鱼。
注意：千万不要用全局阈值一刀切。不同风场、不同机型的参数差异很大。我曾经在一个山地风场用平原风场的阈值，结果把正常数据全剔了。嗯，那叫一个尴尬。
1.4 数据质量评估：你得有个标准
数据洗完了，怎么知道洗得干不干净？
我一般用这几个指标：
- 数据完整率：实际数据量 / 理论数据量。低于90%就要警惕。
- 异常值占比：被标记为异常的数据比例。超过5%说明传感器可能有问题。
- 风速-功率相关性：计算皮尔逊相关系数，正常应该在0.85以上。
我记得有一次，一个风场的数据完整率只有72%。我让现场兄弟去查，发现是通信光纤被老鼠咬断了。修好之后，完整率直接到98%。
所以你看，数据清洗不只是技术活，有时候还得懂点现场运维。
1.5 知识体系总览
下面这张图，是我自己总结的数据诊断流程。你照着这个走，基本不会漏掉关键步骤。
这张图里，最容易被忽略的是那个反馈循环。很多人洗一遍就觉得行了，其实数据质量不达标，得回头重新检查采集源或者调整阈值。
我的习惯：每次清洗完，我都会把清洗前后的数据对比图存下来。这样后面模型效果不好时，可以快速排查是不是数据的问题。
好了，数据采集和清洗这部分，咱们就聊到这儿。记住一句话：数据质量决定了模型的天花板。你后面算法再牛，数据不行，一切都是空中楼阁。
下一章，咱们会聊怎么用清洗好的数据做风功率曲线拟合。到时候见。