3、SCADA数据采集与预处理：风速、功率、转速、温度等关键参数采集，数据清洗与缺失值处理

大家好，我是老张，干风电运维这行有十几年了。今天咱们聊聊SCADA数据采集与预处理。说实话，这是整个预警系统的基础，基础不牢，地动山摇。我见过太多项目，算法模型搞得花里胡哨，结果数据一塌糊涂，最后全白搭。

3.1 关键参数采集：你得知道抓什么

SCADA系统每时每刻都在记录数据，但咱们不是什么都存。我个人习惯，重点关注这四类参数：

• 风速：机舱风速计测得，注意它受叶轮旋转影响，会有湍流干扰
• 功率：发电机输出有功功率，直接反映发电能力
• 转速：叶轮转速和发电机转速，双馈机组要特别注意两者关系
• 温度：齿轮箱油温、发电机绕组温度、主轴轴承温度等

我在项目中遇到过，某风场连续三个月报警频繁，查了半天，原来是风速计结冰了。你想想看，风速数据都是错的，后面的分析能准吗？所以采集的第一步，是确认传感器本身没问题。

3.2 数据清洗：把垃圾扔出去

原始SCADA数据有多脏？我举个例子你就明白了。有一次我看到一条记录：风速0.5m/s，功率却显示1500kW。这明显不合理，风速这么低，风机早停机了。

清洗工作主要做三件事：

1. 剔除停机数据：风速低于切入风速（通常3m/s）或高于切出风速（25m/s）时，功率应为0
2. 过滤异常跳变：比如前一秒温度65℃，下一秒突然跳到120℃，这肯定是传感器故障
3. 去除限功率数据：电网调度要求限功率运行时，数据不能用于性能分析

3.3 缺失值处理：别让空值毁了你的模型

SCADA系统偶尔会丢数据，原因很多：通讯中断、传感器故障、存储满等等。遇到缺失值怎么办？

我的处理策略分三种情况：

缺失比例	处理方法	适用场景
< 5%	线性插值	短时间缺失，如通讯闪断
5% - 20%	前向填充 + 限幅	传感器间歇性故障
> 20%	直接删除该段	长时间停机或传感器彻底损坏

嗯，这里要注意，线性插值不是万能的。我曾经处理过一段数据，温度缺失了2小时，用插值补上后，发现补出来的曲线完全不符合物理规律——温度不可能在停机状态下还缓慢上升。后来查出来，是加热器故障导致温度异常，插值反而掩盖了问题。

3.4 数据预处理流程总览

说了这么多，咱们把整个流程串起来。下面这张图是我自己画的，你看一眼就明白了：

说白了，整个流程就是：先采集，再清洗，然后处理缺失值，最后做物理校验。每一步都不能省。我见过有人图省事，直接把清洗步骤跳过了，结果模型训练出来，预测准确率不到40%。

3.5 实战代码片段

最后给一段我常用的Python代码，处理风速和功率的清洗：

import pandas as pd
import numpy as np

def clean_scada_data(df):
    """
    清洗SCADA数据
    df: 包含风速、功率、转速、温度的DataFrame
    """
    # 1. 剔除停机数据
    df = df[(df['风速'] >= 3) & (df['风速'] <= 25)]
    
    # 2. 过滤异常跳变（温度变化率不超过5℃/min）
    df['温度变化率'] = df['齿轮箱油温'].diff().abs()
    df = df[df['温度变化率'] <= 5]
    
    # 3. 缺失值处理（线性插值）
    df = df.interpolate(method='linear', limit=5)
    
    # 4. 物理合理性校验
    df = df[df['功率'] >= 0]
    df = df[df['转速'] <= df['额定转速'] * 1.2]
    
    return df

好了，关于SCADA数据采集与预处理，我就说这么多。记住一句话：数据质量决定了预警系统的上限。你花再多时间在算法上，都不如先把数据搞干净。

---

公众号:蓝海资料掘金营，微信deep3321