1. 课程导入与SCADA数据认知

风机SCADA（Supervisory Control and Data Acquisition，数据采集与监视控制）系统，是把一台台分散在山脊、海上平台或平原风场中的风电机组，汇聚成可观测、可分析、可控制整体的“神经中枢”。对故障诊断而言，SCADA不是简单的报表工具，而是唯一长期、连续、覆盖全机组的运行数据来源。理解它的架构与数据采集流程，决定了后续能否从一堆测点曲线中定位真正的故障。

一、风机SCADA系统架构

从现场到诊断桌面，SCADA通常分为四层。最底层是机组层：主控PLC通过现场总线（如CANopen、Profibus、Modbus RTU）连接变桨系统、偏航系统、发电机、齿轮箱、液压站和各类传感器。第二层是通信层：风机侧交换机、光纤环网或无线链路，把机组数据汇聚到风场中央监控室。第三层是数据服务层：SCADA服务器完成实时库刷新、历史库归档、报警管理和对外接口。第四层是应用层：运行人员看画面，诊断人员取历史数据、做特征计算和模型分析。

需要特别区分两类数据：状态量（如并网接触器吸合、急停触发、偏航正在动作）是离散的0/1或枚举值；模拟量（如风速、有功功率、发电机转速、齿轮箱油温、轴承温度、桨距角）是连续数值。故障诊断中，状态量用于判断“发生了什么”，模拟量用于判断“为什么发生、发展到什么程度”。

二、数据采集流程与时间尺度

SCADA的数据采集不是“所有点都按同一频率记录”。典型流程是：PLC以毫秒级扫描周期读取传感器与状态量，在控制器内部完成保护判断；SCADA通信程序按采集周期轮询或订阅数据，常见为1秒、5秒或10秒；数据进入实时库后，再按归档周期写入历史库，常见为1分钟或10分钟平均值、最大值、最小值。报警和事件则按变化触发记录，带毫秒级时间戳。

这意味着诊断时必须先确认三件事：时间戳是采集时刻还是归档时刻；数值是瞬时值、平均值还是极值；缺失值是通信中断、机组停机还是传感器故障。忽略这三点，很容易把停机期间的零功率误判为发电异常。

三、故障诊断课程目标与学习路径

本课程的目标不是背故障代码，而是建立一条可复用的诊断链路：从SCADA测点出发，经过数据清洗、工况筛选、特征构造、阈值或模型判断，最终给出故障部位、严重程度和处理建议。围绕这条链路，学习路径分为四个阶段。

• 数据认知阶段：认识SCADA架构、测点命名、采集周期、状态量与模拟量，能正确提取一段历史数据。
• 特征与工况阶段：掌握功率曲线、转速—功率关系、温度趋势、振动有效值等特征，并学会按风速区间和运行状态筛选数据。
• 诊断方法阶段：学习阈值报警、趋势分析、残差比较、相关性分析和简单机器学习方法，理解各自适用条件。
• 案例与排障阶段：针对齿轮箱过热、发电机轴承温升、变桨不一致、偏航对风偏差等典型故障，完成从数据到结论的完整推演。

需要强调的是，SCADA诊断有明确边界：它擅长发现缓变、趋势性、多测点关联的异常，但对毫秒级电气暂态、局部机械冲击的捕捉能力有限。遇到SCADA无法解释的异常，应结合振动在线监测、油液分析和现场检查。课程中所有案例参数均为教学示例或合理假设，实际诊断必须以现场数据和设备手册为准。