第二章：风电场数据采集体系

大家好，我是老张。在风电行业摸爬滚打了十几年，今天咱们聊聊数据采集这件事。

很多人觉得数据采集就是装几个传感器，接几根线。其实没那么简单。我见过太多风场，设备装了一堆，数据也存了不少，最后分析时却发现——数据质量不行，根本用不了。

所以这一章，我把风电场常见的几类数据源掰开揉碎了讲。你想想看，搞懂这些，后面做数字员工才有底气。

2.1 SCADA系统——风场的“神经中枢”

SCADA系统，说白了就是风电机组的运行监控系统。它采集的数据最基础，也最核心。

我个人习惯把SCADA数据分成三类：

• 状态量：机组启停、并网状态、偏航位置等开关量信号
• 模拟量：风速、转速、功率、温度、压力等连续变化信号
• 累计量：发电量、运行小时数、故障次数等统计值

举个例子，一个典型的SCADA数据点表长这样：

参数名称	信号类型	采集频率	典型范围
风速	模拟量	1Hz	0-30 m/s
有功功率	模拟量	1Hz	0-额定功率 kW
发电机转速	模拟量	1Hz	0-2000 rpm
齿轮箱油温	模拟量	0.1Hz	-10-100 ℃
机组状态	状态量	事件触发	运行/停机/故障

嗯，这里要注意：SCADA数据虽然全面，但采样频率普遍偏低。我遇到过不少项目，想用SCADA数据做振动分析，结果发现采样率只有1Hz，根本不够用。所以，SCADA适合做趋势分析，不适合做高频故障诊断。

2.2 振动监测——捕捉设备的“心跳”

振动监测，是风电机组状态监测的核心手段。我经常跟团队说：振动信号就是设备的“心电图”。

振动监测系统通常包括：

• 加速度传感器：安装在主轴轴承、齿轮箱、发电机等关键位置
• 数据采集单元：以2kHz-20kHz的采样率采集原始振动波形
• 分析软件：做FFT变换、包络分析、时域特征提取

我曾经在西北一个风场遇到过齿轮箱断齿事故。事后复盘，振动监测数据其实提前两周就出现了异常——齿轮啮合频率的边频带明显增多。可惜当时没人看，错过了预警窗口。

所以我的建议是：振动监测数据一定要做自动化分析，别指望人工盯屏。数字员工在这块能发挥很大作用。

2.3 气象数据——风场的“天气预报”

风电场靠风吃饭，气象数据的重要性不言而喻。

常见的气象数据源有：

• 测风塔：安装在风场代表性位置，测量风速、风向、温度、气压、湿度
• 机舱风速仪：每台机组顶部都有，但受叶轮尾流影响，精度一般
• 激光雷达：可以测量轮毂高度处的来流风速，精度高但成本也高
• 数值天气预报：ECMWF、GFS等全球模型，用于功率预测

这里有个坑：机舱风速仪的数据不能直接用来做功率曲线验证。为什么？因为机舱风速仪测的是叶轮后的风速，比实际来流风速低10%-20%。我见过有人拿这个数据做分析，结果功率曲线严重偏左，还以为机组性能有问题。

2.4 电气参数——电网交互的“体检报告”

电气参数主要来自机组内部的电气测量装置和升压站的电能质量监测设备。

关键参数包括：

• 电压：三相电压、相角、不平衡度
• 电流：三相电流、零序电流
• 功率：有功、无功、功率因数
• 谐波：各次谐波含量、总谐波畸变率
• 频率：电网频率及其波动

我个人习惯把电气参数分成稳态和暂态两类。稳态数据用于评估机组发电效率，暂态数据用于分析电网故障对机组的影响。

举个例子，我曾经帮一个风场排查频繁报“电网故障”的问题。分析电气参数后发现，每次故障前都有明显的电压暂降，持续时间只有几十毫秒。后来发现是附近一个工厂的大型电机启动导致的。嗯，这种问题，没有高频电气数据根本查不出来。

2.5 油液分析——润滑系统的“血液检测”

油液分析，很多人容易忽略。其实齿轮箱和液压系统的故障，很多都能从油液里找到线索。

油液分析主要检测：

• 理化指标：粘度、酸值、水分、闪点
• 污染度：颗粒计数、ISO清洁度等级
• 磨损元素：铁、铜、铝、铬等金属含量
• 添加剂：抗磨剂、抗氧化剂等消耗情况

油液分析通常是定期取样送检，周期从1个月到6个月不等。但说实话，这种方式太滞后了。我建议有条件的话上在线油液监测传感器，实时监测水分、粘度、颗粒度。虽然前期投入大，但能提前发现齿轮箱早期磨损，省下的维修费用远不止这个数。

2.6 数据采集体系架构

讲了这么多数据源，咱们得把它们串起来。下面这张图展示了风电场数据采集体系的整体架构：

从这张图可以看出，数据从各个源采集后，经过统一的传输协议汇聚到存储层，最后供数字员工应用层调用。每一层都有讲究，比如采集层的协议选型，我建议新项目优先考虑OPC UA，兼容性好，安全性也高。

好了，这一章的内容就到这里。数据采集是数字员工的基础，基础打牢了，后面的事情才好办。

---

公众号:蓝海资料掘金营，微信deep3321