1. 课程导入
在新能源电站的日常运行中，数据是判断设备状态、评估发电性能、支撑电力交易与运维决策的基础。然而，现场采集到的数据往往并不"干净"：通信中断会造成整段数据缺失，传感器漂移会让功率曲线整体偏移，时钟不同步会让多台设备的数据无法对齐，瞬时尖峰则可能来自电磁干扰而非真实工况。如果直接拿这些数据去做效率分析或故障诊断，结论很可能完全错误。本课程要解决的核心问题，就是如何把电站现场分散、异构、带噪声的数据，可靠地采集上来，并经过系统化的校验与修复，变成可用于分析和决策的可信数据。
学习目标
完成本课程后，学习者应当具备三方面能力。第一是采集侧能力：能根据电站设备类型与测点清单，选择合适的采集方式（Modbus TCP/RTU、IEC 60870-5-104、OPC UA、MQTT 等），合理设置采集周期、超时与重试策略，并理解时间戳在采集环节的生成与传递方式。第二是校验侧能力：能针对缺失、越限、突变、僵值、时钟偏移等典型质量问题，设计并实现可解释的校验规则，给出每条数据的质量标记。第三是应用侧能力：能把清洗后的数据用于发电量统计、PR（性能比）计算、设备健康评估与报表输出，并能说明数据质量对最终指标的影响量级。
核心概念
本课程围绕几个关键概念展开，理解它们的含义是后续所有工作的前提。
- 测点（Tag/Point）：数据采集的最小单元，例如"1#逆变器直流侧功率""2#汇流箱电流""气象站总辐照度"。每个测点有唯一标识、工程单位、量程和采集频率。
- 时间戳与时钟同步：每条数据都必须携带时间信息。电站内多设备数据要对齐，通常要求全站时钟同步到同一基准（如 NTP 对时，偏差控制在毫秒级），否则同一时刻的功率与辐照度无法配对计算效率。
- 数据质量维度：完整性（是否有缺失）、有效性（是否在合理范围）、一致性（多源数据是否矛盾）、时效性（是否按时到达）、准确性（是否接近真值）。
- 质量标记（Quality Flag）：对每条数据打上状态标签，如 GOOD、MISSING、OUT_OF_RANGE、SUSPECT、STALE，供后续分析按需过滤。
- 数据修复：对可修复的缺失或异常，采用插值、同型设备替代、物理模型反推等方法补全，并保留修复痕迹。
整体框架
本课程的知识体系可以概括为"采集—传输—校验—修复—应用"五段链路，但每一段都不是孤立的。下图展示了从现场设备到最终应用的数据流与质量处理位置，其中校验与修复并非只在末端进行，而是在采集入口、传输过程和入库前都可能介入。
典型应用场景
数据采集与质量校验的价值，最终体现在具体业务场景中。以下是电站运行中最常见的四类场景。
场景一：发电量统计与结算。电站需要按日、按月统计上网电量，用于与电网结算。如果电表数据存在缺失，直接累加会少算电量；如果存在尖峰，又会多算。此时需要先对电表读数做完整性检查和越限检查，对缺失时段用相邻时段功率积分或同型电表数据替代，并明确标注哪些时段是修复值。示例：某日 10:00—10:15 因通信中断缺失 15 分钟数据，若该时段前后功率稳定在 800 kW 左右，可按 800 kW × 0.25 h = 200 kWh 估算补全，并在报表中注明"估算值"。
场景二：PR（性能比）计算。PR 是衡量电站发电性能的核心指标，等于实际发电量与理论发电量之比。理论发电量由辐照度、组件温度、装机容量等计算得出。如果辐照度数据与功率数据时间戳不对齐，PR 会出现明显偏差。因此在校验环节必须核对两类数据的时间基准是否一致，偏差超过阈值（如 1 分钟）的时段应剔除或重新对齐。
场景三：设备健康评估与故障预警。逆变器效率下降、组串电流不平衡、汇流箱温度异常等，都需要基于连续、可信的数据序列来判断。僵值（数值长时间不变）往往是传感器故障的前兆，突变则可能对应真实的故障跳闸。校验规则需要区分"真实突变"与"干扰尖峰"，常用方法是结合相邻测点做交叉验证，例如某组串电流突变时，检查同汇流箱其他组串是否同步变化。
场景四：电力交易与功率预测。功率预测模型依赖历史功率与气象数据。训练数据中若混入大量未标记的异常值，模型精度会显著下降。因此在校验阶段生成的质量标记，必须随数据一起进入训练集，供模型按标记过滤或加权。