第3章可靠性数据采集与处理

第3章：可靠性数据采集与处理

数据采集与处理，说白了就是风电可靠性工程的「地基」。

我见过太多团队，算法模型搞得花里胡哨，结果数据一塌糊涂，最后全白干。你想想看，垃圾数据进去，能出来什么好东西？

这一章，咱们就聊聊怎么把SCADA、CMS这些原始数据，变成真正能用的可靠性数据。

3.1 SCADA数据清洗——别让脏数据骗了你

SCADA系统每10分钟记录一次数据，一年下来就是5万多条。但这里面，至少10%-20%是有问题的。

常见问题有哪些？

停机时段数据：风机没转，数据全是0，这种数据必须剔除
传感器漂移：温度、振动值慢慢偏离真实值，趋势看着对，实际是错的
通信中断：数据突然跳变，或者连续几个点一模一样
限功率运行：风速高但功率低，不是故障，是电网调度

我的清洗流程：

剔除停机数据（有功功率 < 0.1倍额定功率）
去除物理极限值（风速>50m/s、温度>100°C等）
检测连续重复值（连续3个以上相同值，标记为可疑）
处理缺失值（短时间缺失用插值，长时间缺失直接剔除）

# 一个简单的SCADA清洗示例
import pandas as pd
import numpy as np

def clean_scada(df):
    # 1. 剔除停机数据
    df = df[df['active_power'] > 0.1 * df['rated_power']]
    
    # 2. 去除物理极限
    df = df[(df['wind_speed'] > 0) & (df['wind_speed'] < 50)]
    df = df[(df['ambient_temp'] > -40) & (df['ambient_temp'] < 60)]
    
    # 3. 检测重复值
    dup_mask = (df.diff(periods=1) == 0).all(axis=1)
    df = df[~dup_mask]
    
    return df

个人经验：我习惯先做可视化，把功率曲线画出来。正常数据应该是一条S形曲线，偏离太远的点，十有八九有问题。

3.2 CMS振动数据处理——听出故障的「声音」

CMS数据比SCADA复杂得多。SCADA是「慢变量」，CMS是「快变量」——每秒几千个采样点。

为什么要处理振动数据？

齿轮箱、轴承的故障，最早都体现在振动信号里。等SCADA报警，往往已经晚了。

我的处理步骤：

去趋势项：消除传感器安装带来的直流分量
带通滤波：保留故障特征频段，滤掉噪声
重采样：统一采样频率，方便后续分析
特征提取：计算RMS、峰值因子、峭度等指标

避坑指南：我曾经遇到过一个问题——振动值突然变大，以为是轴承故障，结果发现是传感器松了。所以，处理CMS数据前，一定要先做传感器状态检查。

# CMS振动数据预处理示例
from scipy import signal

def preprocess_vibration(data, fs=2560):
    # 去趋势
    data = signal.detrend(data)
    
    # 带通滤波（保留10-1000Hz）
    b, a = signal.butter(4, [10/(fs/2), 1000/(fs/2)], btype='band')
    filtered = signal.filtfilt(b, a, data)
    
    # 计算RMS
    rms = np.sqrt(np.mean(filtered**2))
    
    return filtered, rms

3.3 故障代码标准化——让不同厂家说同一种「语言」

做可靠性分析最头疼的是什么？

不同厂家的故障代码，完全不一样！

金风有金风的代码，远景有远景的代码，维斯塔斯有维斯塔斯的代码。你拿到的数据，可能是「Fault_001」、「ERR_23」、「Alarm_Generator_Overtemp」——五花八门。

怎么标准化？

原始代码	厂家	标准化代码	故障描述
Fault_001	金风	GEN_OVERTEMP	发电机超温
ERR_23	远景	GEN_OVERTEMP	发电机超温
Alarm_Gen_Temp_High	维斯塔斯	GEN_OVERTEMP	发电机超温

我的做法：建立一套「三级编码体系」——系统级（发电机、齿轮箱、叶片）、部件级（轴承、绕组、齿轮）、故障模式级（超温、振动、过载）。这样不管原始代码长什么样，都能映射到统一体系里。

3.4 数据质量评估——给你的数据打个分

数据清洗完了，不代表就能用了。你得知道这批数据「有多好」。

我常用的评估指标：

完整率：实际数据量 / 理论数据量（>95%算合格）
准确率：与现场实测值的偏差（<5%算合格）
一致性：同一参数在不同传感器间的差异（<2%算合格）
时效性：数据延迟时间（<10分钟算合格）

数据质量等级：

A级：四项指标全部合格，可直接用于可靠性建模

B级：1-2项不合格，需标注使用限制

C级：3项以上不合格，建议重新采集

嗯，这里要注意——数据质量评估不是一次性工作。我建议每个月做一次，因为传感器会老化，通信会出问题，数据质量是动态变化的。

警告：千万别用「看起来差不多」的数据做可靠性分析。我曾经吃过这个亏——一批数据完整率只有85%，我硬着头皮用了，结果模型预测偏差超过30%。后来重新清洗、补采数据，才把偏差降到5%以内。

本章知识体系

数据采集与处理，说白了就是「把垃圾变成金子」的过程。SCADA清洗、CMS处理、代码标准化、质量评估——这四步走完，你的数据才算真正能用。

我做了这么多年风电可靠性，最大的体会就是：数据花的时间越多，后面建模就越省心。别急着跑模型，先把数据搞干净。

公众号:蓝海数据掘金营，微信deep3321

📚 课程目录