第1章：开发环境与工具链搭建

各位同学好，我是老张。在风电行业摸爬滚打了十来年，从最早的SCADA监控到现在的智能运维平台，我踩过的坑比风机塔筒还高。今天咱们聊聊开发环境搭建——别小看这一步，我见过太多项目因为环境不一致，最后联调时炸成一锅粥。

说白了，环境搭建就像打地基。地基不稳，后面盖多高的楼都得塌。咱们这个《风电智能运维平台集成实战》课程，第一步就是把你的电脑武装成一个专业的风电开发工作站。

1.1 Python 3.10+ 环境配置

Python 3.10 有个新特性我特别喜欢——结构模式匹配。写风电数据处理时，match-case 语句让代码清爽多了。不过别急着装最新版，咱们做工程讲究稳定。我个人习惯用 3.10.11 这个版本，经过大量项目验证，坑少。

安装步骤其实很简单，但我建议你注意两点。第一，安装时记得勾选「Add Python to PATH」，不然命令行里找不到 python 命令，你想想看那得多闹心。第二，别用微软商店的版本，直接去 python.org 下载官方安装包。

1.2 Anaconda 虚拟环境管理

做风电项目最怕什么？依赖冲突。这个项目要 pandas 1.5，那个项目要 pandas 2.0，没有虚拟环境的话，你只能二选一。Anaconda 就是来解决这个问题的。

我个人习惯用 conda 而不是 venv，原因很简单——conda 连非 Python 的依赖也能管。比如我们风电项目里常用的 hdf5 库，用 conda 装就省心很多。

创建虚拟环境的命令长这样：

# 创建一个叫 wind_ops 的环境，指定 Python 3.10
conda create -n wind_ops python=3.10

# 激活环境
conda activate wind_ops

# 安装常用包
conda install numpy pandas matplotlib scipy

# 退出环境
conda deactivate

对了，还有个实用技巧。你可以把项目依赖写进 environment.yml 文件，这样团队其他人直接 conda env create -f environment.yml 就能复现你的环境。这在风电运维平台这种多人协作的项目里特别有用。

# environment.yml 示例
name: wind_ops
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.10
  - numpy=1.24
  - pandas=2.0
  - matplotlib=3.7
  - scipy=1.10
  - pip
  - pip:
    - wind-turbine-io==0.3.1

1.3 VS Code 与 PyCharm 配置

编辑器这东西，说白了就是个人习惯。我平时写脚本用 VS Code，写大型项目用 PyCharm。两个都讲讲，你自己选。

VS Code 配置要点

VS Code 轻量，启动快，插件生态丰富。做风电数据分析时，我常用这几个插件：

插件名	用途	我的评价
Python	语法高亮、智能提示	必装，微软官方出品
Jupyter	交互式数据分析	风电数据探索利器
GitLens	代码版本历史可视化	查谁改了我的代码，一清二楚
Rainbow CSV	CSV 文件彩色显示	看风电 SCADA 数据时眼睛不累

配置 settings.json 时，我建议加上这几行：

{
  "python.defaultInterpreterPath": "C:\\Users\\你的用户名\\anaconda3\\envs\\wind_ops\\python.exe",
  "python.terminal.activateEnvironment": true,
  "editor.formatOnSave": true,
  "python.linting.enabled": true
}

PyCharm 配置要点

PyCharm 功能全，但吃内存。如果你的电脑是 16G 内存以上，可以考虑用它。配置 conda 环境很简单：

1. 打开 Settings → Project → Python Interpreter
2. 点击齿轮图标 → Add → Conda Environment
3. 选择 Existing environment，找到 wind_ops 环境
4. 搞定

我个人觉得 PyCharm 的调试器比 VS Code 好用，特别是设条件断点的时候。做风电算法调试，经常要在特定风速条件下停下来看数据，PyCharm 的条件断点功能帮了我大忙。

1.4 Git 版本控制

Git 这东西，刚开始觉得麻烦，用习惯了就离不开了。我记得刚入行时，项目代码靠 U 盘拷来拷去，有一次把旧版本覆盖了新版本，三天的工作白干了。从那以后，我逢人就安利 Git。

风电运维平台的代码管理，我建议用这个分支策略：

• main：稳定版，只能从 release 分支合并
• develop：开发版，日常开发往这合
• feature/xxx：功能分支，比如 feature/data-cleaning
• release/x.x：发布分支，测试通过后合并到 main
• hotfix/xxx：紧急修复，直接从 main 拉分支

常用的 Git 命令，我整理成了一张速查表：

场景	命令
克隆项目	git clone https://github.com/xxx/wind-ops.git
创建分支	git checkout -b feature/add-scada-parser
查看状态	git status
提交代码	git add . && git commit -m "feat: 添加SCADA数据解析器"
推送分支	git push origin feature/add-scada-parser
合并分支	git checkout develop && git merge feature/add-scada-parser

对了，提交信息也有讲究。我习惯用 Conventional Commits 规范：

feat: 新增风速预测模块
fix: 修复SCADA数据时间戳解析错误
docs: 更新API文档
refactor: 重构数据清洗逻辑
test: 添加单元测试覆盖

这样写的好处是，以后翻 git log 时一眼就能看出每个提交干了什么。你想想看，半年后回来改代码，看到「fix: 修复bug」这种提交信息，你肯定想骂人。

1.5 Docker 容器化部署准备

Docker 是咱们这个课程的压轴戏。为什么要在第一章就提它？因为后面的所有代码，最终都要跑在 Docker 容器里。提前把 Docker 装好，后面省事。

说白了，Docker 就是把你的应用和它需要的环境打包成一个「箱子」。这个箱子在开发电脑上能跑，在服务器上也能跑，再也不用听到「我电脑上明明能跑啊」这种话了。

安装 Docker Desktop 后，验证一下：

# 查看 Docker 版本
docker --version

# 运行 hello-world 测试
docker run hello-world

# 查看镜像列表
docker images

咱们后面会写一个 Dockerfile，把风电运维平台打包成镜像。这里先给你看个简单的例子，感受一下：

# Dockerfile 示例
FROM python:3.10-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

CMD ["python", "main.py"]

本章小结

好了，环境搭建这块就聊到这儿。咱们把 Python 3.10 装好了，Anaconda 虚拟环境配好了，VS Code 和 PyCharm 也设置妥当了，Git 版本控制的基本流程也捋了一遍，Docker 也装上了。这一套组合拳打下来，你的开发环境已经具备了风电智能运维平台开发的基础条件。

下一章咱们开始写真正的代码——从风电 SCADA 数据采集开始。到时候你会发现，今天花时间搭环境，绝对值。

---