数据分箱与标准化：风速分箱、功率归一化、空气密度修正

好，咱们接着聊。前面我们拿到了原始的风速和功率数据，但说实话，这些数据就像刚从矿里挖出来的矿石——杂质多、分布乱、没法直接用。今天我要讲的这三个步骤，就是给数据「洗个澡、分个类、再校准一下」。

我个人习惯把这一章叫做「数据预处理三件套」。你想想看，风功率曲线建模，本质上就是在找风速和功率之间的映射关系。但如果风速数据本身就有偏差，功率值又受环境影响，那模型再漂亮也是白搭。

风速分箱：把连续数据装进「抽屉」里

风速是连续变化的，从0 m/s到25 m/s，中间有无数个可能的值。但实际采集到的数据点，往往在某些风速区间特别密集，某些区间又特别稀疏。直接拿这些不均匀的数据去拟合曲线，结果会偏向数据密集的区域。

怎么办？分箱。

说白了，就是把风速范围切成一个个小段，每个段就是一个「箱子」。比如0.5 m/s一个箱，0~0.5 m/s算第一箱，0.5~1.0 m/s算第二箱，以此类推。然后每个箱子里的功率值取平均，得到一个代表点。

我在项目中遇到过这样的情况：某风场的数据采集频率是1 Hz，一年下来几百万条记录。我一开始用了0.1 m/s的箱宽，结果发现高风速区每个箱子里只有两三个点，平均值的波动特别大。后来改成0.5 m/s，曲线就平滑多了。

分箱的代码其实很简单，用pandas的cut函数就能搞定：

import pandas as pd
import numpy as np

# 假设df包含'wind_speed'和'power'两列
bins = np.arange(0, 30, 0.5)  # 从0到30，步长0.5
labels = bins[:-1] + 0.25     # 用箱中心值作为标签

df['bin'] = pd.cut(df['wind_speed'], bins=bins, labels=labels)
binned = df.groupby('bin')['power'].mean().reset_index()
binned.columns = ['wind_speed', 'power_mean']

功率归一化：让不同机组的数据能「对话」

不同型号的风机，额定功率不一样。有的2 MW，有的3 MW，甚至还有1.5 MW的老机组。如果你把它们的功率值直接放在一起比较，那肯定乱套。

归一化，就是把功率值映射到0到1之间。最常用的方法是除以额定功率：

P_norm = P / P_rated

这样，不管原始功率是多少，归一化后都在0~1之间。0代表停机，1代表满发。

嗯，这里要注意：归一化不是简单的数学变换，它背后有一个假设——不同机组的功率曲线形状是相似的。实际上这个假设基本成立，因为风机的气动设计原理是相通的。但如果你遇到的是不同技术代际的机组（比如定速定桨和变速变桨），那就要小心了，它们的曲线形状差异可能很大。

我曾经帮一个客户做风场级评估，他们场里有三种不同品牌的风机。我一开始把所有数据归一化后混在一起建模，结果模型在中间风速段偏差很大。后来发现，其中一种机型的控制策略比较激进，在额定风速附近有功率过冲现象。最后我只能按机型分别建模。

归一化的代码：

# 假设已知额定功率P_rated
df['power_norm'] = df['power'] / P_rated

# 如果不知道额定功率，可以用99.5%分位数近似
P_rated_approx = df['power'].quantile(0.995)
df['power_norm'] = df['power'] / P_rated_approx

空气密度修正：别让天气「骗」了你

风功率公式里有一个关键参数——空气密度ρ。风功率与空气密度成正比：

P = 0.5 * ρ * A * Cp * v³

但空气密度不是常数。它随海拔、温度、气压变化。海平面标准条件下ρ≈1.225 kg/m³，但在青藏高原，ρ可能只有0.8 kg/m³左右。同一台风机，在高原和在海边，相同风速下发出的功率能差30%以上。

所以，我们需要把实际功率修正到标准空气密度下的等效功率。修正公式很简单：

P_corrected = P_actual * (ρ_standard / ρ_actual)

其中ρ_actual可以根据现场的温度和气压计算：

ρ = P / (R * T)

P是大气压（Pa），R是气体常数（287 J/(kg·K)），T是绝对温度（K）。

你可能会问：如果现场没有测气压怎么办？我一般用海拔高度估算：

海拔 (m)	标准气压 (kPa)	空气密度 (kg/m³)
0	101.3	1.225
500	95.5	1.167
1000	89.9	1.112
1500	84.6	1.058
2000	79.5	1.007

修正代码：

def air_density_correction(power, temp_c, pressure_pa):
    """
    空气密度修正
    temp_c: 温度，摄氏度
    pressure_pa: 大气压，帕斯卡
    """
    R = 287.058  # 气体常数
    temp_k = temp_c + 273.15
    rho_actual = pressure_pa / (R * temp_k)
    rho_standard = 1.225
    return power * (rho_standard / rho_actual)

# 应用修正
df['power_corrected'] = air_density_correction(
    df['power'], 
    df['temperature'], 
    df['pressure']
)

本章知识体系

下面这张图，是我自己梳理的本章核心逻辑。你可以把它当作一个检查清单：

好了，这三个步骤做完，你的数据就「干净」了。风速被规整到统一的箱子里，功率值被归一化到可比较的尺度，空气密度的影响也被消除了。接下来，我们就可以用这些处理好的数据去拟合风功率曲线了。

我个人觉得，数据预处理花的时间，至少应该占到整个建模项目的一半。因为数据质量决定了模型的上限，而模型算法只是在逼近这个上限。你想想看，如果输入的数据都是错的，再牛的算法也救不了。

---