3. 风电场数据采集与预处理

功率预测的精度上限，往往在数据进入模型之前就已经被决定了。风电场里真正可用的数据来自三条完全不同的通道：SCADA 系统记录机组自身的运行状态与出力，测风塔提供轮毂高度附近的真实风况，数值天气预报（NWP）给出未来时刻的气象场预报。三者的采样频率、时间基准、物理量纲、空间代表性都不一样，必须经过获取、清洗、对齐三个环节，才能拼成一张可用于建模的“时空一致数据表”。

三类数据源的获取方式与关键字段

SCADA 数据通常通过风电场监控系统的历史库导出，或经 OPC UA / Modbus TCP 接口按秒级或分钟级轮询采集。核心字段包括：机组编号、时间戳、有功功率（kW）、风速（m/s）、风向（°）、桨距角（°）、发电机转速（rpm）、机舱振动、可用状态字与限功率标志。以 1.5 MW 机组为例，10 min 平均有功功率是功率预测最常用的目标量，而 1 s 原始数据主要用于识别限电、停机与异常波动。

测风塔数据由塔上不同高度的风速计、风向标、温度、气压与湿度传感器采集，常见配置为 10 m / 30 m / 50 m / 70 m 四层，采样周期 1 s，输出 10 min 平均值、标准差与最大最小值。测风塔的价值在于它给出的是“真实来流”，可用于校验 SCADA 风速的机舱传递函数偏差，也可作为 NWP 降尺度的地面真值。

NWP 数据一般来自气象服务商或开源模式（如 GFS、ECMWF、WRF），以格点形式提供，时间分辨率 1 h 或 15 min，空间分辨率 3 km～27 km。关键要素包括 10 m/100 m 风速风向、温度、气压、相对湿度、边界层高度与降水。NWP 是唯一能提供未来信息的通道，但它的格点值代表的是网格平均状态，与单台机组所在位置存在系统性偏差。

清洗：先判“能不能用”，再判“怎么补”

清洗的第一步不是补数，而是标记不可用样本。风电场最常见的“脏数据”并非传感器故障，而是限电与停机：此时有功功率被人为压低，但风速仍然正常，若直接进入训练集，模型会学到“大风速对应低功率”的错误映射。因此必须结合状态字与限功率标志，把这类时段单独打上标签，训练时剔除或作为独立工况处理。

物理越界剔除的典型判据是：风速小于 0 或大于 40 m/s、有功功率为负、功率超过机组额定值 1.1 倍、桨距角超出机械限位。对于 10 min 统计量，还可以用“标准差为 0 且持续超过 6 个点”判断传感器冻结，用“均值在数天内单调漂移”判断测风塔风速计积冰或磨损。

缺失值处理要区分缺口长度。以 10 min 数据为例，连续缺失不超过 3 个点（30 min）时，用线性插值即可，对功率预测影响很小；连续缺失超过 6 个点（1 h）时，插值会引入虚假的平滑趋势，应直接标记为缺失并在训练时跳过。测风塔数据还可借助同塔不同高度的风速相关性做回归补全，例如用 50 m 风速回归补 70 m 风速，相关系数通常在 0.95 以上。

对齐：三类数据拼到同一张时间表

对齐的核心是统一时间基准与统一时间粒度。SCADA 与测风塔常以本地时间记录，NWP 一般以 UTC 发布，若风电场位于东八区，必须先把本地时间减 8 h 转为 UTC，再统一重采样到 10 min 时间戳。时间戳建议采用区间起始时刻，例如 10:00 代表 10:00–10:10 的平均值，全文与图示保持一致。

NWP 的时间分辨率通常为 1 h，需要插值到 10 min。对风速、温度、气压这类连续量，采用线性插值即可；对风向则不能直接对角度插值，应先转成 u、v 分量再插值，最后用 atan2 还原角度，否则 350° 与 10° 之间会被错误地插成 180°。空间上，NWP 格点需按机位经纬度做双线性插值，把 3 km 网格值降到单台机组位置。

对齐完成后，可得到一张以时间为行、以“SCADA 功率 + 测风塔风速 + NWP 风速/风向/温度”为列的数据表。下面给出一个 10 min 对齐结果的示例片段（数值为教学示例，非实测）：

对齐后的质量检查

对齐不是终点，还要做三项检查：一是时间连续性，确认 10 min 序列无重复时间戳、无跳变；二是相关性，正常情况下测风塔风速与 SCADA 风速的相关系数应在 0.9 以上，NWP 风速与实测风速在 1 h 尺度上通常为 0.7～0.85，若明显偏低，说明空间匹配或时区转换有误；三是量纲与单位，确认功率统一为 kW、风速为 m/s、风向为 0～360° 且以正北为 0°、顺时针为正。

完成上述获取、清洗与对齐后，数据才具备进入特征工程与模型训练的条件。这一步的质量，直接决定了后续功率预测误差的下限。