第3章 SCADA数据基础

第3章：SCADA数据基础

大家好，我是老张。在风电行业摸爬滚打了十几年，今天咱们来聊聊SCADA数据。说实话，这玩意儿看着简单，但坑是真不少。我见过太多团队，算法模型建得花里胡哨，结果数据质量一塌糊涂，最后全白干。

SCADA系统，说白了就是风电场的"黑匣子"。它记录着每台风机从出生到退役的点点滴滴。我个人习惯，拿到一个新项目，第一件事就是看SCADA数据——这比看任何报告都管用。

3.1 SCADA系统架构

先说说架构。SCADA系统一般分三层：

现场层：风机上的传感器、PLC、变桨系统这些。我管它叫"前线士兵"。
通信层：光纤、4G/5G、WiFi这些传输通道。嗯，这里要注意，很多风场在偏远山区，通信质量是个大问题。
监控层：中控室的服务器、操作员站。数据最终汇总到这里。

我给大家画个图，一看就明白：

你看，数据从风机传感器采集，经过通信网络传到中控室。但这里有个坑——通信延迟。我在内蒙古一个风场遇到过，光纤被老鼠咬断了，数据延迟了整整两天才发现。所以，我建议大家在监控层加个心跳检测，每5秒检查一次数据新鲜度。

3.2 数据采集频率与类型

SCADA数据采集频率，这个得看具体需求。我给大家列个表：

数据类型	典型采样频率	用途	我的经验
风速	1Hz	功率预测、性能评估	注意机舱风速仪受尾流影响
有功功率	1Hz	发电量统计、功率曲线	电网限电时数据会失真
发电机温度	0.1Hz (10秒一次)	热模型、故障预警	温度变化慢，没必要高频采样
齿轮箱振动	10Hz ~ 100Hz	轴承故障诊断	高频数据存储成本高，需权衡
桨距角	1Hz	变桨系统状态监测	变桨卡涩时角度变化异常
机舱振动	10Hz	塔筒振动、共振监测	低频振动容易被忽略

说白了，不是频率越高越好。温度这种慢变量，10秒采一次完全够用。但振动信号，尤其是齿轮箱高速轴，低于10Hz基本啥也看不出来。我有个教训：之前为了省存储空间，把振动数据降到1Hz，结果轴承故障特征全丢了，白白浪费了三个月的数据。

3.3 数据质量与缺失值处理

数据质量，这是AI风电运维的命门。我常说一句话：垃圾数据进，垃圾模型出。SCADA数据常见的质量问题有：

传感器漂移：风速仪用久了，零偏会变化。我见过一台风机，风速仪坏了半年，一直报0.5m/s，运维愣是没发现。
通信中断：数据包丢失，产生时间戳空洞。嗯，这个在偏远风场特别常见。
异常值：比如功率突然跳到200%额定值，这明显是传感器故障或者通信错误。
数据冻结：连续几百个采样点数值完全不变。你想想看，风速怎么可能10分钟纹丝不动？

数据质量检查清单（我自己的经验）

检查时间戳是否连续，间隔是否一致
检查数值范围是否在物理可行区间内（风速0-40m/s，功率0-1.2倍额定功率）
检查变化率是否合理（风速1秒内跳变超过10m/s，基本是异常）
检查数据冻结（连续N个点数值完全一样）
检查停机/限电标记是否完整

缺失值处理，这个我踩过不少坑。常用的方法有：

删除法：缺失率低于5%时，直接删掉。简单粗暴，但有效。
前向填充：用上一个有效值填充。适合短时间缺失（比如几秒钟）。
线性插值：用前后两个有效值做线性插值。适合风速、温度这种连续变化的数据。
模型预测：用其他相关变量预测缺失值。比如用风速和桨距角预测功率。这个方法精度高，但计算量大。

我给大家看一段Python代码，处理SCADA缺失值：

import pandas as pd
import numpy as np

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

# 设置时间戳为索引
df.set_index('timestamp', inplace=True)

# 检查缺失率
missing_rate = df.isnull().mean() * 100
print("各列缺失率：")
print(missing_rate)

# 处理策略
# 1. 短时间缺失（< 5个连续点）：线性插值
df_interpolated = df.interpolate(method='linear', limit=5)

# 2. 长时间缺失（> 5个连续点）：用相关变量预测
# 这里用风速预测功率
from sklearn.linear_model import LinearRegression

# 找到功率缺失但风速正常的样本
mask_missing_power = df_interpolated['power'].isnull()
mask_valid_wind = df_interpolated['wind_speed'].notnull()
mask = mask_missing_power & mask_valid_wind

if mask.any():
    # 用完整数据训练模型
    train_data = df_interpolated[df_interpolated['power'].notnull()]
    X_train = train_data[['wind_speed']]
    y_train = train_data['power']
    
    model = LinearRegression()
    model.fit(X_train, y_train)
    
    # 预测缺失值
    X_pred = df_interpolated.loc[mask, ['wind_speed']]
    df_interpolated.loc[mask, 'power'] = model.predict(X_pred)

print("缺失值处理完成！")
print(f"处理后缺失率：{df_interpolated.isnull().mean() * 100}")

我的小技巧：处理缺失值时，一定要先看数据的时间戳。如果缺失发生在风机停机期间（比如维护），那就不应该插值，而是直接标记为"停机状态"。我曾经犯过这个错，把停机期间的功率插值成正常值，结果模型学出来全是错的。

警告：千万不要对振动数据做线性插值！振动信号是高频非平稳的，线性插值会引入虚假的频率成分。我见过有人这么干，结果FFT分析出来一堆不存在的故障频率，差点误导了维修决策。

最后说一句，SCADA数据预处理，占整个AI项目工作量的60%以上。别嫌麻烦，这一步做扎实了，后面的模型训练就是水到渠成的事。我个人习惯，每次拿到新数据，先花一周时间做数据质量评估，再花一周做清洗和特征工程。磨刀不误砍柴工嘛。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录