第二章：风电机组数据采集体系

大家好，我是老张。在风电行业摸爬滚打了十几年，今天咱们聊聊数据采集这件事。

很多人觉得数据采集不就是装几个传感器嘛，有啥好讲的？其实不然。我见过太多风场，传感器装了一大堆，数据也存了不少，但真正能用起来的没几个。说白了，数据采集是风电智能运维的“地基”，地基没打好，后面什么AI、什么预测都白搭。

2.1 SCADA系统：风机的“黑匣子”

SCADA系统，全称是数据采集与监视控制系统。你可以把它理解成风机的“黑匣子”——它记录着风机从出生到退役的每一个关键数据。

我个人习惯把SCADA数据分成三类：

• 电气参数：有功功率、无功功率、三相电压电流、功率因数、电网频率等
• 运行状态：风机启停状态、偏航角度、桨距角、发电机转速、叶轮转速、机舱温度等
• 环境数据：风速、风向、环境温度、环境湿度、气压等

{
  "timestamp": "2024-03-15 14:30:00",
  "wind_speed": 8.5,          // 风速 (m/s)
  "active_power": 1850.3,     // 有功功率 (kW)
  "generator_rpm": 1450,      // 发电机转速 (rpm)
  "pitch_angle": 12.5,        // 桨距角 (度)
  "nacelle_temp": 35.2,       // 机舱温度 (°C)
  "grid_frequency": 50.02,    // 电网频率 (Hz)
  "status_code": 10           // 运行状态码
}

这里有个坑，我得提醒你。SCADA数据看起来规整，但实际项目中经常遇到数据缺失、时间戳错乱、单位不统一的问题。我曾经在一个风场做数据分析，发现某台风机连续三天风速都是0，但功率却有输出——后来查出来是风速计结冰了。所以，拿到SCADA数据第一件事，不是建模，而是做数据质量检查。

2.2 CMS振动监测系统：听声辨位

CMS，也就是状态监测系统。它主要靠加速度传感器来捕捉设备的振动信号。你想想看，一台风机运行的时候，齿轮箱里的齿轮啮合、轴承滚动，都会产生特定的振动频率。一旦某个部件出现早期故障，振动特征就会发生变化。

CMS系统的核心传感器布局：

嗯，这里要注意。CMS数据量非常大，一台风机如果按10kHz采样率、3个通道同时采集，一天就能产生几个GB的数据。所以，我们通常不会把所有原始数据都存下来，而是提取特征值——比如有效值、峰值、峭度、边频带能量等。

2.3 油液监测与温度传感器

油液监测，说白了就是给风机“抽血化验”。齿轮箱里的润滑油，就像人体的血液一样，能反映出设备的健康状况。

油液监测主要看这几个指标：

• 粘度：油品变稠或变稀，都说明有问题
• 水分含量：水进入油液会加速磨损
• 颗粒计数：金属颗粒越多，说明磨损越严重
• 酸值：油品氧化程度的指标
• 铁磁颗粒浓度：直接反映齿轮和轴承的磨损情况

温度传感器呢，相对简单一些。但别小看它。我记得有一次，某台风机齿轮箱油温比正常值高了8度，SCADA系统没报警（因为没超阈值），但油液分析发现铁磁颗粒浓度异常高。后来拆开一看，齿轮箱高速轴轴承已经严重磨损了。所以，温度趋势比温度绝对值更有价值。

2.4 数据采集频率与存储策略

这个问题，我每次培训都要重点讲。数据采多快？存多久？怎么存？这三个问题没想清楚，后面全是坑。

我的建议是这样的：

你可能会问：为什么振动原始数据不全部存下来？原因很简单——存不起。一台风机一年振动原始数据可能要几十TB，一个风场几十台风机，那存储成本就太高了。所以，我们通常的做法是：平时只存特征值，当检测到异常趋势时，才触发存储一段时间的原始数据，用于详细分析。

时序数据库（如InfluxDB）：
  - 存储SCADA、温度、振动特征值等结构化数据
  - 保留策略：永久保留

对象存储（如MinIO/S3）：
  - 存储振动原始波形、油液光谱图等非结构化数据
  - 保留策略：按需保留，自动过期

关系型数据库（如PostgreSQL）：
  - 存储设备台账、报警记录、维修工单等
  - 保留策略：永久保留

最后说一句，数据采集不是越多越好。我见过有些风场，恨不得每颗螺丝钉都装传感器，结果数据量爆炸，真正有用的信息反而被淹没了。记住一个原则：采集你需要的，存储你分析的，删除你无用的。

好了，这一章就聊到这儿。数据采集是基础，但基础不牢，地动山摇。下一章咱们聊聊数据清洗和预处理——那才是真正考验功夫的地方。

公众号:蓝海资料掘金营，微信deep3321