第二章 测风数据采集与处理
各位同学，大家好。今天我们来聊聊风能预测里最基础、也最容易踩坑的一环——测风数据采集与处理。
我常说一句话：模型再漂亮，数据不行全白搭。你想想看，如果测风塔装歪了，或者传感器坏了，后面那些机器学习算法再高级，也是垃圾进垃圾出。所以这一章，咱们把地基打牢。
核心观点：测风数据的质量，直接决定了风功率预测的精度上限。数据采集和处理，不是简单的“装个塔、记个数”，而是一套系统工程。
2.1 测风塔安装规范
测风塔，说白了就是我们在风电场里立的“气象哨兵”。它的安装质量，决定了我们能不能拿到真实的风资源数据。
安装位置选择
- 避开建筑物、树木等障碍物。我见过一个项目，塔就立在厂房旁边，测出来的风速比实际低了20%。
- 距离障碍物的水平距离，至少是障碍物高度的10倍以上。
- 地形尽量平坦，避免山谷效应或山脊加速效应。
塔体安装要求
- 塔身垂直度偏差不超过0.5度。嗯，这个很重要，歪了的话风向数据就全偏了。
- 拉线要对称、张紧。我曾经在西北项目上，因为拉线没拉紧，大风天塔身晃动，数据直接跳成了锯齿状。
- 避雷系统必须到位。别问我为什么强调这个——有一次雷击直接把采集器烧了，损失惨重。
传感器安装高度
按照国际标准，至少要在10m、30m、50m、70m、轮毂高度这几个层级安装风速风向传感器。我个人习惯在轮毂高度上下各加一层，这样能更好地捕捉风切变。
小技巧：安装传感器时，让风速计朝向正北（或正南，看当地主风向）。这样后期做风向扇区分析时，能省不少事。
2.2 风速风向传感器原理
现在市面上主流的风速传感器，说白了就两种：机械式和超声波式。
机械式风速计
- 原理：风杯旋转，转速和风速成正比。
- 优点：便宜、成熟、低功耗。
- 缺点：有机械磨损，冰冻天气会卡死。我在东北项目上，冬天冻住过三次，每次都得爬塔去敲冰。
超声波风速计
- 原理：利用超声波在顺风和逆风时传播时间差来计算风速。
- 优点：无机械部件，不怕冰冻，精度高。
- 缺点：贵，功耗大，雨雪天可能受干扰。
风向传感器一般用尾翼式或超声波式。注意，风向数据是角度值，0度代表正北，顺时针增加。处理数据时，千万别忘了做角度修正——我见过有人直接把0-360度的数据扔进模型，结果风向突变时预测全乱套。
警告：风速和风向传感器必须成对安装，且保持在同一水平面上。否则你拿到的风速和风向，根本对应不上。
2.3 数据采集系统
数据采集系统，就是负责把传感器信号变成我们能用的数字数据。核心设备是数据采集器（Data Logger）。
采集器选型要点
- 采样频率：一般建议1Hz（每秒一次），然后取10分钟平均值。
- 存储容量：至少能存3个月以上的原始数据。我习惯存两份，一份在采集器里，一份远程备份。
- 通讯方式：4G/5G、卫星、光纤都行。但要注意，偏远风电场信号差，我吃过这个亏，后来加了本地缓存才解决。
数据记录格式
标准格式是每10分钟一条记录，包含：
| 字段 | 说明 | 单位 |
|---|---|---|
| 时间戳 | UTC或本地时间 | yyyy-mm-dd HH:MM |
| 平均风速 | 10分钟平均 | m/s |
| 最大风速 | 10分钟内最大 | m/s |
| 最小风速 | 10分钟内最小 | m/s |
| 风向 | 10分钟平均 | 度 |
| 标准差 | 风速湍流强度 | m/s |
| 温度 | 环境温度 | ℃ |
| 气压 | 大气压力 | hPa |
注意：时间戳一定要统一。我见过一个项目，采集器用UTC，SCADA用本地时间，结果数据对不上，排查了三天才发现是时区问题。
2.4 数据质量控制
数据采集回来，不能直接用。你得先做质量控制。说白了，就是给数据“体检”。
QC流程
- 范围检查：风速0-60m/s，风向0-360度，温度-40到60℃。超出这个范围，直接标记为无效。
- 变化率检查：相邻两个10分钟风速变化超过5m/s，或者风向变化超过90度，就要怀疑是不是传感器故障。
- 一致性检查：同一高度两个风速计，差值超过1m/s，说明至少有一个有问题。
- 时间连续性检查：数据不能有超过2小时的连续缺失。如果有，要记录原因。
我习惯把这些QC结果都记在日志里。这样后期做数据分析时，能追溯到每一条数据是“好”还是“坏”。
避坑指南：我曾经遇到过一个项目，QC通过率只有85%。后来发现是采集器时钟漂移，导致时间戳错位。所以，定期校准采集器时钟，真的很重要。
2.5 异常值处理
异常值，就是那些明显不合理的数据。比如风速突然跳到100m/s，或者风向连续几个小时不变。
常见异常类型
- 野点：单个数据点异常高或低。一般是传感器受干扰或雷击。
- 平台值：数据长时间不变。说明传感器卡住了。
- 缺失值：数据为空或NaN。可能是通讯中断或采集器死机。
- 冰冻值：低温时风速突然降到0附近。这是传感器结冰了。
处理方法
- 删除：对于野点和明显错误的数据，直接删除。
- 插值：对于短时间缺失（<2小时），可以用线性插值或相邻塔数据替代。
- 标记：对于可疑数据，不要直接删除，先标记为“可疑”，等人工确认。
我个人的原则是：宁可少用数据，也不要用错数据。因为一个异常值，可能会把整个模型的预测结果带偏。
特别提醒：处理异常值时，一定要记录处理日志。包括：原始值、处理方式、处理时间、处理人。这样后期审计或模型调优时，才能追溯。
知识体系总览
下面这张图，是我自己整理的测风数据采集与处理的知识框架。你可以把它当作本章的“地图”。
好了，这一章的内容就到这里。测风数据采集与处理，说白了就是“装好塔、选对传感器、采好数据、做好质控、处理好异常”。每一步都马虎不得。
记住：数据质量，就是模型的生命线。下一章，我们会把这些数据拿来做风资源评估，到时候你就知道，前期工作做得越扎实，后面分析就越顺手。