2、SCADA数据基础：SCADA系统介绍、数据采集频率与类型、数据质量评估与清洗

各位同学，咱们今天聊聊SCADA数据。说实话，这玩意儿是咱们做故障诊断的“粮食”。没有它，再牛的算法也是白搭。我见过太多项目，算法模型调得漂漂亮亮，结果一上现场数据就崩了——为什么？数据质量不行。

所以这一章，咱们把SCADA系统的底裤扒干净。从系统架构到数据采集，再到怎么清洗脏数据，一步到位。

2.1 SCADA系统：风机的“黑匣子”

SCADA，全称是Supervisory Control And Data Acquisition，翻译过来就是“监控与数据采集系统”。说白了，它就是风机的“黑匣子”，记录着风机从出生到退役的每一个动作。

我个人习惯把SCADA系统分成三层：

• 现场层：传感器、PLC、变桨控制器这些硬件。它们负责采集原始信号，比如风速、转速、温度。
• 通讯层：光纤、交换机、OPC协议。把现场数据传到中控室。
• 应用层：数据库、HMI界面、报表系统。咱们工程师主要跟这层打交道。

嗯，这里要注意：很多新手以为SCADA数据就是“直接拿来用”的。其实不然。我在项目中遇到过，某风场SCADA系统因为通讯延迟，数据时间戳错位了整整2分钟。你想想看，用这种数据做故障诊断，结果能准吗？

2.2 数据采集频率与类型

SCADA系统采集什么数据？我列个表，大家一目了然：

数据类型	典型参数	采集频率	用途
气象数据	风速、风向、温度、湿度	1秒~10秒	功率预测、偏航控制
电气数据	有功功率、无功功率、电流、电压	1秒~1分钟	发电性能评估、电网适应性
机械数据	主轴转速、齿轮箱温度、振动	1秒~10秒	机械故障诊断
状态数据	运行状态、故障代码、停机次数	事件触发	运维决策

采集频率这块，我踩过坑。曾经有个项目，客户说“我们SCADA数据是1秒采集一次”。结果我拿到数据一看，好家伙，大部分时间戳间隔是5秒、10秒，甚至30秒。为什么？因为SCADA系统在数据量大的时候会“丢点”——这是常态。

所以我的建议是：不要迷信标称频率。拿到数据后，先统计一下实际采样间隔的分布。如果80%以上的数据点间隔在标称值的±20%以内，就算合格。

2.3 数据质量评估：先给数据“体检”

数据质量评估，说白了就是给数据做个体检。我一般从四个维度看：

1. 完整性：有没有缺失值？缺失比例多少？
2. 准确性：数值是否在合理范围内？比如风速不可能超过50m/s（除非台风）。
3. 一致性：不同参数之间是否矛盾？比如风速为0但功率不为0，这就有问题。
4. 时效性：时间戳是否连续？有没有跳变？

我曾经遇到一个案例：某风场齿轮箱温度数据，连续3个月都显示正常。但仔细一看，温度值始终在45°C~46°C之间波动，精度高得离谱。后来发现是传感器坏了，输出的是固定值。这种“死数据”比缺失数据更可怕，因为它会骗过你的模型。

2.4 数据清洗：把“垃圾”倒掉

数据清洗，就是去掉那些“脏数据”。我总结了一套“四步清洗法”：

• 第一步：去重。删除完全重复的记录。SCADA系统偶尔会重复发送数据。
• 第二步：去无效。删除停机、限功率、维护等非正常运行状态的数据。咱们做故障诊断，只关心正常运行时的数据。
• 第三步：去异常。用阈值法或统计法剔除明显不合理的数据点。
• 第四步：补缺失。对于短时间缺失（比如<5分钟），可以用线性插值；长时间缺失，建议直接删除该时间段。

这里给一段Python代码示例，大家感受一下：

import pandas as pd
import numpy as np

# 读取SCADA数据
df = pd.read_csv('scada_data.csv', parse_dates=['timestamp'])

# 第一步：去重
df = df.drop_duplicates()

# 第二步：筛选正常运行状态（假设状态码1表示运行）
df = df[df['status'] == 1]

# 第三步：风速合理性检查（0~40m/s）
df = df[(df['wind_speed'] >= 0) & (df['wind_speed'] <= 40)]

# 第四步：线性插值补缺失（缺失不超过5个点）
df = df.set_index('timestamp').resample('10S').mean()
df = df.interpolate(method='linear', limit=5)

2.5 知识体系总览

为了让大家更直观地理解本章内容，我画了一张图：

这张图把本章的核心逻辑串起来了。从SCADA系统认知开始，到数据采集、质量评估，最后到清洗处理。每一步都环环相扣。

好了，关于SCADA数据基础，咱们就聊到这儿。记住一句话：数据质量决定诊断上限。下一章咱们会讲特征工程，但前提是你得先把数据洗干净。