一、课程导论与数据基础：风电机组SCADA数据介绍、数据采集与存储、数据质量分析
各位同仁，大家好。我是老张，在风电运维这行摸爬滚打了十几年。今天咱们开始这门《风电机组状态评估与预测实战》的第一课。
说实话，很多人一上来就跟我聊算法、聊模型。但我得泼盆冷水——没有靠谱的数据，再牛的算法也是白搭。我见过太多项目，花大价钱买了预测软件，结果因为数据质量太差，预测结果跟闹着玩似的。所以，咱们第一课，先把数据基础打牢。
1.1 什么是SCADA数据？
SCADA，全称是数据采集与监视控制系统。说白了，它就是风电场的“黑匣子”。
每台风机上，都装了成百上千个传感器。风速、转速、温度、振动、功率、电压、电流……这些信号每隔几秒或几分钟，就会被记录下来。这就是SCADA数据。
我个人习惯把SCADA数据分成三类：
- 状态量：比如“风机运行”、“停机”、“故障”这些开关信号。0或1，简单明了。
- 模拟量：连续变化的数值，比如风速、功率、温度。这是咱们做分析的主力。
- 统计量：比如“过去10分钟的平均风速”、“最大振动值”。这些是经过初步加工的数据。
核心观点：SCADA数据是风电机组状态的“数字孪生”。你分析得越透，对机组的健康状况就越有数。
1.2 数据采集与存储——别小看这一步
数据是怎么来的？我简单说一下流程。
传感器采集信号 → 通过PLC（可编程逻辑控制器）汇总 → 经过交换机上传到服务器 → 存入数据库。
嗯，这里要注意。不同厂家、不同年代的风机，采集频率差别很大。老机组可能10分钟一条数据，新机组能做到1秒一条。频率越高，能捕捉到的细节就越多，但数据量也越大。
存储方面，我见过最常用的方案是：
| 存储方式 | 特点 | 适用场景 |
|---|---|---|
| 关系型数据库（如MySQL） | 结构化强，查询方便 | 小规模风场，历史数据查询 |
| 时序数据库（如InfluxDB） | 写入快，压缩率高 | 大规模风场，实时监控 |
| 分布式文件系统（如HDFS） | 容量大，成本低 | 数据湖，长期归档 |
我个人建议，如果条件允许，优先用时序数据库。为什么？因为风电数据天生就是时间序列，用关系型数据库存，查询效率会越来越低。我曾经帮一个风场做数据迁移，他们用MySQL存了3年的10分钟数据，查询一次要等半分钟。换成InfluxDB后，秒级响应。
1.3 数据质量分析——避坑指南
数据拿到手了，别急着建模。先做质量分析。这一步不做，后面全是坑。
常见的质量问题有哪些？我列几个：
- 缺失值：传感器故障、通信中断，都会导致数据缺失。有的机组一停就是几天，中间全是空值。
- 异常值：风速突然跳到100m/s？功率变成负数？这些明显不合理的数据，必须处理。
- 重复值：同一时间戳出现多条记录，可能是采集系统bug。
- 时间戳错乱：数据的时间顺序不对，或者时间戳格式不统一。
警告：千万不要直接删除所有异常数据！我曾经处理过一个项目，某台风机频繁报“齿轮箱温度过高”的故障。运维人员一看数据，觉得温度值异常，直接删掉了。结果呢？故障原因一直没找到，最后拆机才发现是润滑油路堵塞。那些“异常值”恰恰是故障的前兆信号。
那正确的做法是什么？我一般分三步走：
- 可视化检查：把关键参数画成时序图，一眼就能看出问题。比如风速-功率散点图，正常应该是一条“S”形曲线。偏离太远的点，就是可疑点。
- 规则过滤：根据风机的设计参数，设定合理的范围。比如额定功率2MW的机组，功率超过2.2MW肯定有问题。
- 统计方法：用3σ原则、箱线图等方法，识别统计意义上的异常点。
下面是我常用的一个数据质量检查脚本片段：
import pandas as pd
import numpy as np
# 读取数据
df = pd.read_csv('scada_data.csv', parse_dates=['timestamp'])
# 1. 检查缺失值
missing_rate = df.isnull().sum() / len(df)
print("缺失率：\n", missing_rate)
# 2. 风速合理性检查（0-40m/s）
df = df[(df['wind_speed'] >= 0) & (df['wind_speed'] <= 40)]
# 3. 功率合理性检查（0-1.2倍额定功率）
rated_power = 2000 # kW
df = df[(df['active_power'] >= 0) & (df['active_power'] <= rated_power * 1.2)]
# 4. 去除重复时间戳
df = df.drop_duplicates(subset=['timestamp'])
print(f"清洗后数据量：{len(df)} 条")小技巧：数据清洗不是一次性的工作。我建议每次建模前，都重新做一遍质量分析。因为数据源可能在更新，新的问题随时会出现。
1.4 本章知识体系
为了让大家更直观地理解本章内容，我画了一张结构图。它把SCADA数据的来源、存储、质量分析串在了一起。
这张图把咱们今天讲的内容串起来了。从传感器采集数据，到存入数据库，再到质量分析，最后输出高质量数据集。每一步都环环相扣。
好了，第一课就到这里。数据基础打好了，后面咱们才能放心地做状态评估和预测。记住一句话：数据质量决定模型上限。别嫌这一步麻烦，它值得你花时间。
公众号:蓝海数据掘金营，微信deep3321