第二章：风电数据基础 — SCADA系统介绍、数据采集频率、常见传感器与测点、数据量级认知
各位同学，欢迎来到第二章。
做风电异常检测，说白了，你得先搞清楚数据从哪来、长什么样、有多大。我见过不少新手，一上来就调模型，结果连数据采集频率都没搞明白，最后分析出来的结果根本没法用。这一章，咱们就把地基打牢。
2.1 SCADA系统：风机的“黑匣子”
SCADA，全称是数据采集与监视控制系统。你可以把它想象成风机的“黑匣子”加“体检中心”。
它实时记录风机每一秒的运行状态。比如转速、温度、功率、振动……几乎所有你能想到的参数，它都存着。我个人习惯，拿到一个新项目，第一件事就是去问运维要SCADA数据。为什么？因为这是最原始、最可靠的数据源。
核心要点： SCADA系统是风电异常检测的基石。没有它，后面的一切都是空中楼阁。
2.2 数据采集频率：别被“高频”忽悠了
很多同学会问：“SCADA数据是每秒采集一次吗？”
嗯，这里要注意。大部分风机的SCADA系统，数据采集频率其实是 10分钟一次。你没听错，10分钟。
为什么会这样？因为SCADA系统的主要目的是监控和记录，不是做高频振动分析。10分钟一个点，对于看趋势、做长期预测，完全够用。但如果你要做齿轮箱的早期故障诊断，这个频率就太低了。
我在项目中遇到过，有人拿着10分钟间隔的SCADA数据去做轴承故障检测，结果模型怎么调都不准。后来一查，故障特征频率在几百赫兹，10分钟采一个点，根本抓不到。所以，搞清楚你的数据是“慢变信号”还是“快变信号”，这决定了你用什么方法。
| 数据类型 | 典型采集频率 | 适用场景 |
|---|---|---|
| SCADA 数据 | 10分钟/次 | 功率预测、温度趋势、异常状态监测 |
| 振动数据 | 25.6 kHz 或更高 | 齿轮箱、轴承故障诊断 |
| 油液数据 | 每周/每月 | 润滑油品质分析、磨损颗粒检测 |
我的建议： 做异常检测，先用10分钟SCADA数据做粗筛，发现异常后再调取高频振动数据做细查。这样效率最高。
2.3 常见传感器与测点：风机在“说”什么
一台风机上，传感器少说几十个，多则上百。你想想看，每个传感器就是一个“测点”，每个测点都在告诉你风机某个部位的状态。
我简单列几个最关键的：
- 风速仪与风向标： 装在机舱顶部。告诉你风有多大、从哪吹来。这是所有功率预测的基础。
- 转速传感器： 测叶轮转速和发电机转速。转速异常，往往是故障的前兆。
- 温度传感器： 分布在齿轮箱、发电机、轴承、机舱等位置。温度突然升高，十有八九是出问题了。
- 振动传感器： 主要装在齿轮箱和主轴承上。这是做故障诊断的“王牌”数据。
- 功率传感器： 测发电机输出功率。功率曲线偏离理论值，说明风机效率下降。
我曾经处理过一个案例，某台风机齿轮箱温度一直偏高，但没报警。运维人员觉得是夏天正常现象。我调出振动数据一看，齿轮啮合频率附近有明显的边频带。嗯，典型的齿轮磨损特征。后来拆机检查，果然齿面已经出现点蚀。所以，别只看单一传感器，要交叉验证。
避坑指南： 我曾经见过有人把所有传感器数据一股脑全扔进模型，结果模型过拟合得一塌糊涂。记住，不是测点越多越好。先做特征选择，挑出与目标变量相关的测点。
2.4 数据量级认知：别被“大数据”吓到
很多同学一听到“风电数据”，就觉得是海量数据。其实，SCADA数据的数据量，比你想象的要小得多。
咱们算笔账：一台风机，假设有100个测点，每10分钟采集一次。一天就是 100 × 6 × 24 = 14,400 个数据点。一年约 525 万个点。一个风场如果有50台风机，一年也就 2.6 亿个点。对于现代计算机来说，这根本不算什么。
但要注意，这是SCADA数据。如果你把高频振动数据也算进来，那数据量就爆炸了。一个振动传感器，采样率25.6 kHz，一天就能产生 25,600 × 60 × 24 ≈ 3600 万个点。一个风场几十个振动传感器，一天的数据量就能上亿。
所以，我的建议是：
- 做日常监测和异常检测，用SCADA数据就够了。
- 做深度故障诊断，才需要动用高频振动数据。
- 数据存储上，SCADA数据可以存全量，振动数据建议只存触发报警前后的片段。
一句话总结： SCADA数据是“慢数据”，适合做趋势分析和异常检测；振动数据是“快数据”，适合做精确故障定位。两者结合，才是完整的风电数据解决方案。
2.5 本章知识体系图
下面这张图，帮你理清本章的核心逻辑。从SCADA系统出发，到数据采集频率、传感器测点，再到数据量级认知，每一步都是为后续的异常检测打基础。
好了，这一章的内容就到这里。记住，数据是机器学习的基础。把SCADA系统、采集频率、传感器测点、数据量级这些概念吃透，你后面的路会顺很多。