4. 数据标准化与归一化：Min-Max归一化、Z-score标准化、RobustScaler

做风电数据分析，有个坑我踩过好几次——特征量纲不一致。

你想想看，风速是0到30m/s，功率是0到2000kW，温度可能是-20到50℃。这些数值扔进模型，大的特征会把小的特征「吃掉」。模型会以为温度变化不重要，其实只是数值小而已。

所以，标准化和归一化，说白了就是把不同尺度的数据拉到同一个量级。我个人的习惯是：先看数据分布，再选方法。下面三种方法，是我在风电项目里最常用的。

4.1 Min-Max归一化

这个方法最简单。把数据压缩到[0,1]区间。公式长这样：

X_scaled = (X - X_min) / (X_max - X_min)

我在项目中遇到过一个问题：风机刚并网时，功率数据全是0。用Min-Max归一化后，这些0变成了0，但后续有异常尖峰时，最大值被拉得特别高，导致正常数据被压缩到很窄的区间。嗯，这里要注意——Min-Max对异常值非常敏感。

适合用Min-Max的场景：

• 数据分布比较均匀，没有极端值
• 需要把数据限制在固定区间（比如图像像素0-255）
• 后续算法要求输入在[0,1]之间（比如神经网络）

代码实现很简单：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
wind_speed_scaled = scaler.fit_transform(wind_speed.reshape(-1, 1))

4.2 Z-score标准化

这个方法更常用。它把数据变成均值为0、标准差为1的分布。公式：

X_scaled = (X - μ) / σ

其中μ是均值，σ是标准差。

为什么我更喜欢Z-score？因为风电数据经常有异常值。比如传感器故障，风速突然跳到100m/s。用Min-Max的话，整个数据都被带偏了。但Z-score对异常值的容忍度更高——异常值会被标准化到离均值很远的位置，但不会影响其他数据的分布。

我曾经处理过一个风场的数据，其中一台风机在雷雨天气里功率数据出现了大量毛刺。用Z-score标准化后，这些毛刺变成了±5以上的值，一眼就能看出来。后续做异常检测时，直接按阈值过滤就行。

适合用Z-score的场景：

• 数据近似正态分布
• 存在少量异常值，但不想丢弃
• 后续算法假设数据服从高斯分布（比如线性回归、PCA）

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
power_scaled = scaler.fit_transform(power.reshape(-1, 1))

4.3 RobustScaler

这个方法，说实话，是我在踩了坑之后才认真用的。

有一次做风功率预测，数据里有大量离群点——不是传感器故障，而是风机在限功率运行。这些离群点既不是错误，也不能删除。用Z-score吧，离群点把均值和标准差都拉偏了。用Min-Max吧，正常数据被压缩得不成样子。

后来我试了RobustScaler。它用中位数和四分位距（IQR）代替均值和标准差：

X_scaled = (X - median) / IQR

其中IQR = Q3 - Q1（上四分位数减下四分位数）。

效果立竿见影。离群点对中位数和IQR的影响很小，所以标准化后的数据分布更稳定。说白了，RobustScaler就是专门对付离群点的。

适合用RobustScaler的场景：

• 数据包含大量离群点
• 离群点是有意义的（比如限功率、启停机状态）
• 不想删除异常值，但又不想让它们影响标准化

from sklearn.preprocessing import RobustScaler

scaler = RobustScaler()
wind_speed_robust = scaler.fit_transform(wind_speed.reshape(-1, 1))

4.4 三种方法对比

我整理了一张表，方便你对比选择：

方法	核心思想	对异常值敏感度	输出范围	适用场景
Min-Max	线性缩放	高	[0, 1]	数据分布均匀，无异常值
Z-score	去均值、除标准差	中等	无固定范围	近似正态分布，少量异常值
RobustScaler	中位数、四分位距	低	无固定范围	大量离群点，异常值有意义

4.5 知识体系图

下面这张图，帮你理清三种方法的核心逻辑和选择路径：

4.6 实战建议

最后，分享几个我在风电项目里总结的经验：

1. 先看分布，再选方法。不要上来就Min-Max。画个直方图或箱线图，心里有数再动手。
2. 标准化参数要保存。训练集上算出的均值和标准差，要保存下来。预测时用同样的参数做变换。我见过有人每次重新fit，结果模型预测全乱套。
3. 不同特征可以不同处理。风速用Z-score，功率用RobustScaler，温度用Min-Max。没人规定必须统一。灵活一点。
4. 注意数据泄露。标准化参数只能用训练集计算。测试集和验证集要用训练集的参数来变换。这个坑，我踩过不止一次。