第2章风场数据采集与治理

2. 风场数据采集与治理：SCADA系统、激光雷达测风、数据清洗与标准化

各位工程师，大家好。这一章我们来聊聊风场的数据底座——数据采集与治理。说白了，就是搞清楚“数据从哪来、怎么来、来了之后怎么处理才能用”。

我见过不少项目，仿真模型建得漂漂亮亮，结果一跑起来跟实际风场差了十万八千里。为什么？数据源头就没整明白。你想想看，数字孪生讲究的是“以虚映实”，如果喂进去的数据都是脏的、乱的、有偏差的，那孪生出来的东西能准吗？

所以，这一章我们重点啃三块硬骨头：SCADA系统、激光雷达测风，以及数据清洗与标准化。这三者构成了风场数字孪生的数据供应链。

2.1 SCADA系统：风场的“神经末梢”

SCADA，全称是监控与数据采集系统。你可以把它理解成风场的神经系统。每台风机上几十上百个传感器，把温度、振动、转速、功率、桨距角、偏航位置……一股脑儿地往SCADA服务器上报。

我个人习惯把SCADA数据分成三类：

运行数据：有功功率、无功功率、发电机转速、电网频率等。这些是秒级或毫秒级的数据，用来做实时监控和短期预测。
状态数据：风机运行/停机/故障/维护状态。这些是事件触发的，比如“报故障了，停机！”
环境数据：机舱风速仪测的风速风向、环境温度、气压等。注意，这里的风速是机舱风速，不是自由流风速，后面会讲区别。

SCADA的数据量有多大？一个100MW的风场，50台2MW风机，一天就能产生几个GB的数据。嗯，这里要注意，数据量大不是问题，问题是数据质量。

⚠️ 我曾经踩过的坑： 某风场SCADA系统里，风速传感器因为结冰，连续三个月报的都是0.5m/s的恒定值。整个团队愣是没发现，直到做功率曲线分析时才发现不对劲。所以，SCADA数据一定要做“合理性校验”，不能拿来就用。

2.2 激光雷达测风：给风场装上“千里眼”

SCADA的机舱风速仪有个硬伤——它测的是风机转起来之后的气流，已经被叶片搅乱了。说白了，它测的不是“风来了多少”，而是“风被风机干扰后还剩多少”。

这时候，激光雷达（LiDAR）就派上用场了。它用激光脉冲测量大气中的气溶胶粒子运动，直接测出自由流风速。我建议在风场的前沿、后排、以及复杂地形区域，至少各部署一台激光雷达。

激光雷达能给我们带来什么？

提前感知：可以测出前方200米到500米的风速风向，相当于给风机一个“预判”能力。偏航系统可以提前动作，减少载荷。
风廓线测量：不同高度的风速是不一样的。激光雷达可以测出从地面到轮毂高度以上几十米的风速垂直分布。这对评估风切变、湍流强度至关重要。
功率曲线验证：用激光雷达测的自由流风速，去对比SCADA测的发电功率，才能得到真实的功率曲线。机舱风速仪测的功率曲线，往往偏“好看”，但实际没那么好。

💡 一个小技巧： 激光雷达的数据采样频率通常比SCADA低（比如1Hz vs 10Hz），而且容易受雨雪、浓雾影响。我一般会把激光雷达数据做10分钟平均，再跟SCADA的10分钟平均数据对齐。这样两个数据源才能“对上话”。

2.3 数据清洗：把“垃圾”筛出去

数据采集回来了，但里面什么妖魔鬼怪都有。我总结了一下，常见的数据“脏”类型有这几种：

脏数据类型	典型表现	产生原因
缺失值	某段时间风速为NaN或0	传感器故障、通信中断
异常值	风速突然跳到100m/s	传感器受干扰、雷击
重复值	同一时间戳出现多条记录	数据重传、缓存机制bug
死值	连续几小时数值不变	传感器卡死、结冰
时序错乱	时间戳不连续或倒序	时钟同步失败

数据清洗的流程，我一般按这个顺序来：

去重：按时间戳+风机ID去重，保留第一条或最后一条。
缺失值处理：短时间缺失（<5分钟）用线性插值；长时间缺失直接剔除该时段。
异常值过滤：用3σ原则或箱线图法，把超出物理极限的值干掉。比如风速超过35m/s（切出风速以上）的，直接标记为无效。
死值检测：如果某个变量连续N个点数值完全一样，且N>阈值（比如60个点），判定为死值，整段剔除。
时间戳对齐：把所有数据重采样到统一的频率（比如10分钟平均）。

# 一个简单的Python清洗示例（伪代码）
import pandas as pd
import numpy as np

def clean_scada_data(df):
    # 1. 去重
    df = df.drop_duplicates(subset=['timestamp', 'turbine_id'])
    
    # 2. 异常值过滤（风速）
    df = df[(df['wind_speed'] >= 0) & (df['wind_speed'] <= 35)]
    
    # 3. 死值检测（功率）
    df['power_diff'] = df['active_power'].diff().abs()
    df = df[df['power_diff'] > 0.01]  # 功率变化小于0.01kW视为死值
    
    # 4. 缺失值插值（短时间）
    df = df.set_index('timestamp').resample('10T').mean()
    df = df.interpolate(method='linear', limit=5)  # 最多插5个点
    
    return df.reset_index()

2.4 数据标准化：让不同数据源“说同一种语言”

数据洗干净了，但还没完。SCADA的数据格式、激光雷达的数据格式、气象站的数据格式……五花八门。有的风速单位是m/s，有的是km/h；有的时间戳是UTC，有的是本地时间；有的功率单位是kW，有的是MW。

标准化，就是把这些数据统一成一个“通用格式”。我建议遵循以下规则：

时间标准：统一使用UTC时间，精确到秒。本地时间作为辅助字段保留。
物理单位：风速用m/s，风向用度（0-360°），功率用kW，温度用℃。别搞混。
命名规范：变量名用英文小写+下划线。比如 wind_speed_hub、active_power、pitch_angle。
数据频率：统一为10分钟平均值。这是风能行业的通用标准，也是IEC 61400-12规定的功率曲线测试标准。

  🔑 核心原则： 数据标准化不是为了“好看”，而是为了让数字孪生模型能够无缝对接不同数据源。你想想看，如果SCADA说“风速”是机舱风速，激光雷达说“风速”是自由流风速，模型到底该听谁的？所以，标准化时一定要带上数据来源标签和测量位置标签。

2.5 知识体系总览

下面这张图，是我梳理的本章知识体系。你可以把它当成一个“数据流地图”，从采集到治理，每一步都环环相扣。

这张图把整个流程串起来了。从左侧的三个数据源出发，经过中间的清洗和标准化，最终汇入右侧的数字孪生标准数据集。每一步都有坑，每一步也都有技巧。

好了，这一章的内容就到这里。数据是数字孪生的血液，把数据治理好，后面的仿真和调试才能事半功倍。希望各位在实际项目中，能把这些方法用起来，少走一些我曾经走过的弯路。

📚 课程目录

2. 风场数据采集与治理：SCADA系统、激光雷达测风、数据清洗与标准化

2.1 SCADA系统：风场的“神经末梢”

2.2 激光雷达测风：给风场装上“千里眼”

2.3 数据清洗：把“垃圾”筛出去

2.4 数据标准化：让不同数据源“说同一种语言”

2.5 知识体系总览