第2章：数据采集与预处理

大家好，我是老张。在风电这行摸爬滚打了十几年，今天咱们聊聊数据采集与预处理。说实话，很多刚入行的同事觉得这步就是“搬砖”，没什么技术含量。但我告诉你，数据质量直接决定了后续分析的成败。我见过太多因为数据没处理好，导致整个诊断方案跑偏的案例。

2.1 SCADA系统介绍

SCADA系统，全称是数据采集与监视控制系统。说白了，它就是风电场的“神经中枢”。每台风机上几百个传感器，实时把数据传回中控室。你想想看，风速、转速、温度、振动、功率……这些数据就像风机的“体检报告”。

我个人习惯把SCADA系统分成三层：

• 现场层：传感器、执行器，直接跟风机硬件打交道
• 控制层：PLC、RTU，负责数据采集和初步处理
• 监控层：上位机、服务器，做数据存储和展示

嗯，这里要注意一点。不同厂家的SCADA系统，数据格式和接口协议可能完全不同。我在项目中遇到过，某风场同时有Vestas和Goldwind两种机型，数据整合起来那叫一个头疼。所以，做数据采集前，一定要先搞清楚SCADA系统的型号和版本。

2.2 数据采集频率与精度

数据采集频率，就是多久记录一次数据。常见的设置是：

数据类型	典型频率	用途
风速、功率	1秒~10秒	功率曲线分析、性能评估
温度、振动	1分钟~10分钟	状态监测、故障预警
累计发电量	1小时	电量统计、考核结算

精度这块，我特别想多说两句。很多风场为了省钱，用的传感器精度不够。比如风速仪，误差±0.5m/s看起来不大，但算到发电量上，偏差可能达到5%以上。我曾经处理过一个案例，某风场连续三个月发电量偏低，查来查去，最后发现是风速仪标定出了问题。所以，数据采集前，一定要做传感器校准。

2.3 数据清洗

数据清洗，说白了就是“去伪存真”。原始数据里什么妖魔鬼怪都有，不处理干净，分析结果就是垃圾。

2.3.1 异常值处理

异常值，就是那些明显不合理的数据。比如风速显示100m/s，功率显示负值，这些一看就是错的。常见的异常值类型有：

• 物理限值异常：风速超过60m/s、转速超过额定值20%以上
• 逻辑异常：风速为0但功率不为0，或者风速很大但功率为0
• 突变异常：相邻两个数据点之间变化率超过阈值

处理异常值，我一般用两种方法：

1. 阈值法：设定上下限，超出就剔除。比如风速0~50m/s，功率0~额定功率×1.1
2. 3σ原则：计算均值和标准差，超出均值±3σ的视为异常

2.3.2 缺失值处理

缺失值，就是数据记录里空着的地方。原因很多：传感器故障、通信中断、存储异常等。处理缺失值，我常用的策略有：

方法	适用场景	注意事项
直接删除	缺失比例小于5%	会损失数据量
均值填充	短期缺失（几分钟）	会降低数据方差
插值法	连续缺失（几小时）	线性插值简单，但精度一般
模型预测	长期缺失（几天以上）	需要额外建模，成本高

我个人习惯，对于发电量损失分析，缺失值尽量用插值法。因为直接删除会破坏时间序列的连续性，影响后续的功率曲线拟合。嗯，这里有个小技巧：如果缺失时间不长（比如10分钟以内），用前后两个点的平均值填充就行，又快又准。

2.4 数据标准化

数据标准化，就是把不同量纲的数据统一到同一个尺度上。比如风速是m/s，功率是kW，温度是℃，直接放一起没法比。标准化的目的，就是让不同特征的数据具有可比性。

常用的标准化方法有两种：

• Min-Max标准化：把数据缩放到[0,1]区间。公式是 (x - min) / (max - min)
• Z-score标准化：把数据转换成均值为0、标准差为1的分布。公式是 (x - mean) / std

在风电数据分析中，我建议用Z-score标准化。为什么？因为风速、功率这些数据往往不是均匀分布的，Min-Max标准化容易受极端值影响。而Z-score标准化对异常值不那么敏感，更适合后续的聚类、回归等分析。

2.5 知识体系总览

说了这么多，我画了一张图，把数据采集与预处理的整个流程串起来。你一看就明白了。

这张图把整个流程串起来了。从SCADA系统采集原始数据，经过频率和精度校验，再到数据清洗和标准化，最后得到高质量的数据集。每一步都环环相扣，缺一不可。