第1章：Python数据分析与可视化入门

各位风电圈的兄弟们，大家好。我是老张，在风场摸爬滚打了十来年。今天咱们聊点实在的——怎么用Python把风电机组的数据玩明白。

说实话，我刚入行那会儿，分析数据全靠Excel。一个风场几十台机组，每台机组几百个测点，光整理数据就能干到后半夜。后来我学了Python，才发现原来很多重复劳动都可以自动化。嗯，今天我就把这几年的经验分享给你们。

1.1 为什么风电运维需要Python？

你想想看，一台风机每天产生的数据量有多大？振动、温度、功率、风速、桨距角……这些数据如果靠人工去翻，根本看不过来。我见过太多运维兄弟，明明机组已经出现异常趋势了，愣是没发现，等出了故障才后悔。

Python能帮我们做什么？说白了就三件事：

• 快速处理数据——几万行数据，几秒钟搞定
• 自动发现规律——哪些参数异常了，一目了然
• 可视化呈现——把枯燥的数字变成图表，领导看了也点头

我个人习惯是，每天上班第一件事，先跑一遍Python脚本，看看过去24小时的数据有没有异常。这比等报警系统响了再处理，要主动得多。

1.2 NumPy基础操作——数据处理的基石

NumPy，全称是Numerical Python。说白了，它就是Python里专门处理数组和矩阵的库。为什么风电数据离不开它？因为我们的数据大多是数值型的，比如风速序列、功率序列，用NumPy处理起来效率极高。

1.2.1 创建数组

先看个最简单的例子。假设我们要分析某台风机一天内的风速数据，每10分钟一个采样点，一共144个点：

import numpy as np

# 创建一维数组，模拟风速数据（单位：m/s）
wind_speed = np.array([3.2, 4.1, 5.6, 6.8, 7.2, 6.5, 5.8, 4.9, 3.8, 3.1])
print(wind_speed)
# 输出：[3.2 4.1 5.6 6.8 7.2 6.5 5.8 4.9 3.8 3.1]

我在项目中遇到过，有人直接用Python列表存数据，结果数据量一上来，程序跑得比蜗牛还慢。换成NumPy数组后，速度提升了至少10倍。为什么？因为NumPy底层是用C语言写的，内存管理更高效。

1.2.2 数组运算

风电数据经常要做各种运算，比如计算平均风速、最大风速、风速标准差等。用NumPy一行代码就搞定：

# 计算统计量
mean_wind = np.mean(wind_speed)      # 平均风速
max_wind = np.max(wind_speed)        # 最大风速
std_wind = np.std(wind_speed)        # 风速标准差

print(f"平均风速：{mean_wind:.2f} m/s")
print(f"最大风速：{max_wind:.2f} m/s")
print(f"风速标准差：{std_wind:.2f} m/s")

嗯，这里要注意：标准差能反映风速的波动程度。如果某台机组的风速标准差突然变大，很可能意味着湍流强度异常，需要关注叶片受力情况。

1.2.3 数组切片与索引

有时候我们只想看某段时间的数据，比如只看上午8点到10点的风速：

# 假设数据每10分钟一个点，第0个点对应0:00
# 8:00对应第48个点，10:00对应第60个点
morning_wind = wind_speed[48:60]
print(morning_wind)

我曾经犯过一个低级错误：切片时把结束索引写成了60，结果只取到了59。记住，Python切片是左闭右开的，也就是包含起始索引，不包含结束索引。

1.3 Pandas基础操作——表格数据处理利器

NumPy处理数值数组很厉害，但风电数据往往还带着时间戳、机组编号、故障代码这些信息。这时候就需要Pandas出场了。Pandas的核心是DataFrame，你可以把它理解成一个超级Excel表格。

1.3.1 读取数据

风场的数据通常存在CSV文件里。我习惯用Pandas直接读取：

import pandas as pd

# 读取风场数据
df = pd.read_csv('wind_farm_data.csv')
print(df.head())  # 查看前5行数据

记得有一次，我接手一个老旧风场的数据，CSV文件编码是GBK的，直接读取报错了。后来加了个参数 encoding='gbk' 才搞定。所以，如果读取报错，先检查编码格式。

1.3.2 数据筛选与过滤

我们经常需要筛选出特定条件下的数据。比如，找出所有功率大于1500kW的记录：

# 筛选功率大于1500kW的数据
high_power = df[df['power'] > 1500]
print(high_power.head())

或者找出某台特定机组的全部数据：

# 筛选机组编号为WTG-05的数据
wtg05_data = df[df['turbine_id'] == 'WTG-05']
print(wtg05_data.shape)  # 查看数据量

1.3.3 缺失值处理

风电数据经常有缺失值，比如传感器故障、通信中断等。如果不处理，后续分析会出问题。我常用的方法是：

# 查看缺失值情况
print(df.isnull().sum())

# 删除缺失值较多的行
df_clean = df.dropna(subset=['power', 'wind_speed'])

# 或者用均值填充
df['power'].fillna(df['power'].mean(), inplace=True)

我个人建议：如果缺失值超过30%，就别填充了，直接删除那部分数据。否则填充出来的数据反而会误导分析。

1.4 Matplotlib与Seaborn可视化——让数据说话

数据整理好了，接下来就是画图。一张好的图表，胜过千言万语。我每次给领导汇报，都是先甩几张图，再解释数据。

1.4.1 绘制风电数据趋势图

趋势图是最常用的。比如，看某台机组一周内的功率变化：

import matplotlib.pyplot as plt

# 假设df已经包含时间戳和功率数据
plt.figure(figsize=(12, 6))
plt.plot(df['timestamp'], df['power'], color='blue', linewidth=1)
plt.title('WTG-05 功率趋势图（一周）')
plt.xlabel('时间')
plt.ylabel('功率 (kW)')
plt.grid(True, alpha=0.3)
plt.show()

嗯，这里有个细节：如果数据点太多，线会看起来很密。我一般会设置 alpha=0.7 让线条半透明，或者用 plt.scatter() 画散点图。

1.4.2 绘制相关性热力图

相关性热力图能帮我们快速找出哪些参数之间存在关联。比如，风速和功率肯定相关，但温度和功率呢？

import seaborn as sns

# 选择数值列计算相关性
numeric_cols = ['wind_speed', 'power', 'temperature', 'vibration']
corr_matrix = df[numeric_cols].corr()

# 绘制热力图
plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.2f')
plt.title('风电机组参数相关性热力图')
plt.show()

我在项目中遇到过，有次发现振动和功率的相关性突然变高了。排查后发现是齿轮箱轴承出了问题。所以，相关性热力图不仅能看正常情况下的关联，还能用来做异常检测。

1.5 本章知识体系

为了让大家更直观地理解本章的知识结构，我画了一张图：

1.6 本章小结

好了，今天的内容就到这里。咱们回顾一下：

• NumPy：处理数值数组，速度快，适合做统计计算
• Pandas：处理表格数据，读取、筛选、清洗一条龙
• Matplotlib/Seaborn：把数据变成图表，趋势图看变化，热力图看关联

说实话，这些工具刚开始用的时候可能会觉得有点陌生。但别急，多用几次就顺手了。我团队里有个小伙子，刚开始连pip安装都不会，现在每天用Python自动生成风场日报，效率提升了不止一倍。

下一章，咱们会深入讲讲怎么用这些工具做风电数据的异常检测。到时候我会分享几个我在现场遇到的真实案例，保证干货满满。