2. 能源数据采集与标签体系

在SCADA能源趋势分析中，数据采集与标签体系是整条分析链路的起点。如果测点命名混乱、实时数据流路径不清、质量标记缺失，后续的趋势曲线、能效对比和报表统计都会失去可信度。本节围绕四个核心问题展开：测点如何命名、实时数据如何流动、质量标记如何表达、典型能源设备应采集哪些测点。

一、测点命名规范：让每个标签自带语义

测点命名不是简单的“起名字”，而是为后续查询、聚合、报警和趋势分析建立可解析的语义结构。推荐采用分层路径式命名，用固定分隔符（常用英文句点或下划线）将标签拆成若干语义段。一个可落地的结构为：

厂区.车间.设备类型.设备编号.物理量.属性

例如某压缩空气站的空压机1号排气压力测点，可命名为：

PlantA.CA.Compressor.CP01.Pressure.Outlet

其中各段含义固定：PlantA为厂区，CA为压缩空气系统，Compressor为设备类型，CP01为设备编号，Pressure为物理量，Outlet为测点位置属性。这种命名的好处是：通过前缀即可批量检索某车间全部测点，通过后缀可筛选同类物理量，便于在趋势工具中做多测点叠加对比。

命名时需遵守几条硬性约定：统一使用英文或拼音缩写，避免中文和特殊字符；物理量采用行业通用缩写，如P压力、T温度、F流量、E电能、V电压、I电流；单位不写入标签名，而由元数据字段单独维护，避免同一物理量因单位不同产生重复标签。此外，标签一经投用不应随意改名，否则历史数据会与实时数据断链。

二、实时数据流：从现场到趋势库

能源数据从现场仪表到可供趋势分析使用的历史库，通常经过采集、汇聚、处理、存储四个环节。下图展示了这一数据流的主要路径与各环节的关键动作。

从图中可见，实时数据流的核心不只是“把数传上来”，而是在采集网关完成协议解析和时间戳打标，在SCADA服务器完成标签映射与量程转换，在数据处理环节完成质量标记和单位归一，最终写入历史库。趋势分析读取的是历史库中的聚合数据，因此采集周期和存储策略必须与趋势分析的时间粒度匹配。

三、数据质量标记：让趋势曲线可信

现场数据并非总是有效。通信中断、传感器故障、超量程、人工置数都会产生不可信数据。如果这些数据不加标记直接进入趋势库，曲线会出现虚假尖峰或断崖，误导能效判断。因此每个采样值应附带一个质量码，常见取值如下：

在趋势分析中，质量码的作用是决定“这个点能不能用”。例如计算某车间日用电量时，若某时段电表数据为BAD，则不能简单按0计入，而应标记该时段为数据缺失，并在报表中注明有效采集率。有效采集率的计算方式为：有效点数除以应采点数，再乘以100%。若某测点日有效采集率低于95%，该日趋势结论应谨慎使用。

四、典型能源设备测点清单

不同能源设备关注的测点不同。以下给出一份可直接参考的典型测点清单，字段包括设备类型、测点名称、建议标签后缀、单位、采集周期和质量关注点。示例参数为合理假设，实际项目应按设备铭牌和工艺要求调整。

综上，测点命名规范解决“标签可读可查”，实时数据流解决“数据怎么来”，质量标记解决“数据能不能用”，典型测点清单解决“该采什么”。四者共同构成能源趋势分析的数据底座。实际项目中，建议先确定设备清单和测点清单，再统一命名规则，最后配置采集周期和质量码策略，避免先建标签后补规范造成返工。