3. EMS数据采集与预处理实战

储能EMS的预测与滚动优化，第一步不是建模，而是把现场数据“接进来、洗干净、对齐好”。SCADA、PCS、BMS、电表四类数据源在采样频率、时间基准、量纲和通信协议上差异很大，如果直接送入预测模型，往往会出现“模型精度差”的假象，实际是数据质量问题。本节围绕数据接入与预处理的关键环节展开，给出可落地的处理思路与示例参数。

一、四类数据源的接入特征

SCADA通常以秒级或分钟级轮询采集全站遥测、遥信量，数据点数量多、覆盖面广，但部分点位存在通信中断导致的空窗；PCS提供有功/无功功率、直流电压电流、运行状态、故障码等，采样周期常见为100ms～1s，数据密度高；BMS提供SOC、SOH、单体电压极值、温度极值、充放电允许功率等，采样周期多为1s～10s，且不同厂家寄存器映射差异大；电表（关口表、并网表、储能分表）通常以15min为结算周期，也有1min或1s的瞬时值，用于电量结算和功率校核。

接入时建议先建立“点表映射”，明确每个测点的源地址、数据类型、量纲、缩放系数、有效范围和时区。例如某PCS有功功率寄存器为int16，缩放系数0.1，单位kW，有效范围-500～500；某BMS SOC寄存器为uint16，缩放系数0.1，单位%，有效范围0～100。点表是后续清洗和校验的依据，缺失点表会导致异常值判断失去基准。

二、缺失值处理

缺失值分为三类：通信中断造成的连续缺失、单点丢包造成的孤立缺失、设备停机造成的语义缺失。处理策略需区分对待。孤立缺失（连续缺失点数≤3）可用线性插值或前值保持；连续缺失（如超过5min）不宜插值，应标记为无效并触发告警，避免用插值数据参与功率平衡计算。对于SOC等缓变量，短时缺失可用前值保持；对于功率等快变量，插值会平滑掉真实波动，建议标记缺失而非强行填充。

示例：某储能站PCS有功功率在10:00:00～10:00:04连续5个1s点缺失，若用线性插值，可能掩盖一次真实的功率跌落。更稳妥的做法是标记为NaN，并在滚动优化中对该时段降低权重或跳过。

三、异常值识别与处理

异常值常见来源包括：量程溢出、通信误码、传感器故障、时标错乱。识别方法可组合使用：物理范围校验（如SOC超出0～100%）、变化率校验（如SOC在1s内跳变超过5%）、功率平衡校验（PCS功率与电表功率偏差超过阈值）、3σ或IQR统计校验。处理时优先“标记+隔离”，而非直接删除或替换，保留原始值便于追溯。

例如某BMS单体最高电压在某一时刻从3.35V跳变到4.20V，而相邻单体仍在3.3V附近，且SOC无对应变化，可判定为通信误码，应将该点置为无效并记录事件。若连续多个点出现同类跳变，则需检查BMS采样板或通信链路。

四、时区对齐与重采样

时区问题是储能数据接入中最容易被忽视的坑。SCADA可能使用本地时间，PCS使用UTC，电表使用带时区偏移的本地时间，BMS可能使用设备内部时钟。若不做统一，15min电量与1s功率会对不上。建议统一到UTC时间戳存储，展示时再转换为本地时间。对齐时以最高频数据为基准，将低频数据向前填充或按时间窗口聚合。

重采样需明确目标频率和聚合方式。功率类数据降采样时用均值，电量类数据用末值减初值或累加，SOC用末值，温度用最大值（用于热管理判断）。例如将1s PCS功率重采样为15min，应计算15min内均值功率，再乘以0.25h得到电量，与电表15min电量校核，偏差超过2%则需排查。

五、可执行的预处理检查清单

为便于现场落地，建议在数据接入后按以下顺序执行检查，每项均需记录结果和处置方式：

六、重采样与滚动优化的衔接

滚动优化通常以15min为调度周期，预测模型可能使用1min或15min分辨率。若预测输入为1min，需将15min电表电量拆分为1min功率曲线时，不能简单平均，应结合PCS实际功率曲线按比例分配，保证积分电量一致。若预测输入为15min，则将1s/1min数据聚合为15min均值、最大值、最小值、末值等特征，供模型使用。

示例：某15min窗口内PCS功率1min均值序列为[100, 120, 110, 90, 80, 70, 60, 50, 40, 30, 20, 10, 0, -10, -20] kW，则15min平均功率为(100+120+…-20)/15≈50kW，对应电量50×0.25=12.5kWh。若电表该窗口电量为12.8kWh，偏差2.4%，需检查CT变比或时区对齐。

完成上述接入与预处理后，数据才具备进入预测与滚动优化的基本条件。下一阶段将基于标准化数据开展负荷与光伏预测、SOC轨迹规划与滚动修正。