4、SCADA数据对接：风机运行数据采集、数据标签映射、实时数据流处理

SCADA系统，说白了就是风机的“黑匣子”。

它记录着风机每一秒的“心跳”和“体温”。我们做风功率预测，第一步就是要把这些数据请出来。我个人习惯把这一步叫做“数据握手”——你连不上SCADA，后面所有算法都是空中楼阁。

4.1 风机运行数据采集：从现场总线到数据湖

采集数据，听起来简单，做起来坑不少。

我记得第一次去风场对接，发现SCADA系统用的是OPC DA协议，而我们的服务器是Linux。嗯，OPC DA是Windows的“亲儿子”，跨平台兼容性很差。后来我们用了Kepware做网关，才把数据“翻译”过来。

常见的采集方式有三种：

• OPC DA / OPC UA：工业自动化标准协议。OPC UA更现代，支持加密和跨平台。我建议新项目直接上UA。
• Modbus TCP / RTU：老风机常用。RTU是串口，TCP走网络。采集频率一般1~5秒。
• IEC 61850：新能源场站的新宠。标准化程度高，但配置复杂。

下面是一个简单的OPC UA采集代码片段（Python + opcua-asyncio）：

import asyncio
from opcua import Client

async def collect_scada_data():
    client = Client("opc.tcp://192.168.1.100:4840")
    await client.connect()
    
    # 订阅关键点位
    nodes = {
        "active_power": "ns=2;s=WT001.ActivePower",
        "wind_speed": "ns=2;s=WT001.WindSpeed",
        "rotor_speed": "ns=2;s=WT001.RotorSpeed"
    }
    
    while True:
        data = {}
        for name, node_id in nodes.items():
            node = client.get_node(node_id)
            value = await node.read_value()
            data[name] = value
        print(f"采集数据: {data}")
        await asyncio.sleep(1)  # 1秒采集一次

asyncio.run(collect_scada_data())

4.2 数据标签映射：把“方言”翻译成“普通话”

SCADA系统里的标签，就像各地的方言。

同一个物理量，不同风机厂家、不同版本，命名千奇百怪。我们的任务就是建立一张“翻译表”。

我一般会建一个映射配置文件，比如YAML格式：

# scada_mapping.yaml
mappings:
  - source: "WT001.ActivePower"
    target: "power_kw"
    unit: "kW"
    data_type: "float"
  - source: "WT001.WindSpeed"
    target: "wind_speed_ms"
    unit: "m/s"
    data_type: "float"
  - source: "WT001.RotorSpeed"
    target: "rotor_rpm"
    unit: "rpm"
    data_type: "float"

映射过程分三步：

1. 字段对齐：把SCADA原始字段名，映射到我们内部统一的数据模型。
2. 单位转换：有的风机用m/s，有的用km/h。必须统一。
3. 异常值标记：比如风速显示-999，这明显是无效值。映射时要标记为NaN。

4.3 实时数据流处理：从“数据洪流”到“特征河流”

数据采集上来，映射好了，接下来就是实时处理。

你想想看，一个中型风场50台风机，每台每秒采集20个点，每秒就是1000条数据。如果不做流处理，数据库很快就会被撑爆。

我常用的架构是：

• 消息队列：Kafka 或 RabbitMQ。负责缓冲数据，防止下游处理不过来。
• 流处理引擎：Flink 或 Spark Streaming。做窗口聚合、异常检测。
• 时序数据库：InfluxDB 或 TimescaleDB。专门存时序数据，查询快。

下面是一个Flink的实时处理伪代码：

DataStream<ScadaRecord> stream = env
    .addSource(new KafkaSource<>("scada_topic"))
    .map(new ScadaMapper())  // 标签映射
    .keyBy(record -> record.getTurbineId())
    .window(TumblingProcessingTimeWindows.of(Time.minutes(1)))
    .aggregate(new PowerAggregator());  // 1分钟聚合

stream.addSink(new InfluxDbSink("power_predict_db"));

4.4 数据质量监控：别让“脏数据”毁了模型

数据对接完了，不代表万事大吉。

我曾经遇到过一件事：某台风机通讯模块坏了，连续三天上报的都是同一个数值。模型训练时没发现，上线后预测结果直接“飘了”。

所以，实时数据流必须带质量监控：

监控指标	阈值	处理动作
数据缺失率	> 10%	告警，标记该风机数据不可用
数值不变时长	> 30分钟	判定为“死值”，剔除
风速变化率	> 50 m/s²	判定为跳变，插值处理

4.5 本章知识体系总览

下面这张图，是我自己总结的SCADA数据对接全流程。你可以把它当作“施工图纸”。

这张图从左到右、从上到下，就是数据从风机到模型的全路径。每一步都有坑，但每一步也都有解法。

---