SCADA数据基础：系统架构、采集频率与数据质量
各位同事，今天我们来聊聊SCADA数据。说实话，我在风电场干了这么多年，见过太多人把SCADA数据当成「黑盒子」——数据来了就用，出了问题就骂。但真正懂行的人都知道，SCADA数据的质量，直接决定了你后续所有分析的成败。
我个人习惯，拿到一个新风场的数据，第一件事不是跑算法，而是先搞清楚三件事：数据怎么来的？多久来一次？来的是什么？这三件事搞不明白，后面全是白搭。
SCADA系统架构：数据从哪来？
先看架构。SCADA系统说白了就是三层结构，我画个图你们就明白了。
嗯，这里要注意。很多新手以为SCADA数据就是直接从传感器拿到的原始数据。其实不是。传感器出来的信号，先经过PLC做初步处理，再传到主控，最后才到你的数据库。每经过一层，数据都会发生变化。
我在项目中遇到过一件事：有个风场报出「风速异常偏高」，查了半天，最后发现是现场层的风速仪结冰了。但SCADA系统里显示的数据是经过滤波处理的，看起来一切正常。你想想看，如果只看应用层的数据，根本发现不了问题。
数据采集频率：快与慢的博弈
采集频率这个问题，说白了就是「你要多细的粒度」。我给大家一个经验值：
| 数据类型 | 典型频率 | 用途 | 我踩过的坑 |
|---|---|---|---|
| 风速、功率 | 1s ~ 10s | 功率曲线分析、性能评估 | 用10min均值做功率曲线，偏差能到5%以上 |
| 振动信号 | 20ms ~ 100ms | 轴承故障诊断、齿轮箱分析 | SCADA的1s采样根本抓不到高频振动特征 |
| 温度、压力 | 10s ~ 60s | 热力分析、冷却系统监控 | 温度变化慢，频率太高反而浪费存储 |
| 状态码、报警 | 事件触发 | 故障记录、停机分析 | 事件丢失是最头疼的，没有之一 |
为什么会这样？因为SCADA系统在设计时，要考虑存储成本和网络带宽。一个风场50台风机，每台风机200个测点，如果全部1秒采一次，一天的数据量就是：50 × 200 × 86400 ≈ 8.6亿条。你算算这个存储成本。
数据采集类型：你拿到的是什么？
SCADA数据按类型分，主要有这么几类。我列个表，大家对照着看：
| 类型 | 典型参数 | 数据特点 | 常见问题 |
|---|---|---|---|
| 模拟量 | 风速、功率、转速、温度、压力 | 连续值，有量纲 | 传感器漂移、量程设置错误 |
| 数字量 | 开关状态、断路器位置、限位信号 | 0/1离散值 | 信号抖动、接触不良 |
| 状态码 | 运行状态、故障代码、停机原因 | 枚举值，有编码表 | 编码表不一致、状态码缺失 |
| 累计量 | 发电量、运行小时数、启停次数 | 单调递增，有复位 | 计数器溢出、复位逻辑混乱 |
| 事件记录 | 报警触发、操作记录、参数变更 | 时间戳+事件描述 | 时间戳不准、事件丢失 |
这里我要特别强调一下状态码。不同风机厂商的状态码编码规则完全不同。金风有金风的编码，远景有远景的编码，维斯塔斯又有维斯塔斯的编码。我曾经接手一个混装风场，三种机型，三种编码表，光做数据对齐就花了两周。
数据质量评估：好数据 vs 坏数据
数据质量评估，说白了就是「这数据能不能用」。我总结了一个四步检查法：
- 完整性检查——有没有缺失值？缺失比例多少？
- 一致性检查——数据之间逻辑上对不对得上？比如风速和功率应该正相关。
- 准确性检查——数值在不在合理范围内？风速不可能500m/s。
- 时效性检查——时间戳有没有跳变？有没有延迟？
我给大家看一段我常用的数据质量检查代码：
# 数据质量快速检查脚本（Python示例）
import pandas as pd
import numpy as np
def check_data_quality(df):
"""四步检查法"""
report = {}
# 1. 完整性
missing_ratio = df.isnull().sum() / len(df)
report['missing_ratio'] = missing_ratio[missing_ratio > 0.05]
# 2. 一致性：风速-功率相关性
if 'wind_speed' in df and 'active_power' in df:
corr = df['wind_speed'].corr(df['active_power'])
report['wind_power_corr'] = corr
if corr < 0.5:
print("⚠️ 风速-功率相关性偏低，可能存在数据问题")
# 3. 准确性：范围检查
if 'wind_speed' in df:
outliers = df[(df['wind_speed'] < 0) | (df['wind_speed'] > 40)]
report['wind_speed_outliers'] = len(outliers)
# 4. 时效性：时间戳间隔
if 'timestamp' in df:
gaps = df['timestamp'].diff().dt.total_seconds()
report['max_gap_seconds'] = gaps.max()
report['irregular_gaps'] = (gaps > 60).sum()
return report
这段代码我用了好几年，每次拿到新数据都会跑一遍。你想想看，如果数据质量不过关，后面做再漂亮的模型也是白搭。
- SCADA数据是三层架构，每层都会改变数据特征
- 采集频率决定了你能做什么分析——1秒级做诊断，10分钟级做报表
- 数据质量评估是第一步，也是最重要的一步
- 编码表、时间戳、缺失值——这三个坑我几乎每个项目都遇到
最后说一句。SCADA数据就像风机的「体检报告」。报告本身没问题，但解读报告的人得知道：这个指标是怎么测的？多久测一次？有没有可能测错了？带着这些问题去看数据，你才能发现真正的价值。