4. 测风数据采集与质量控制
测风数据，说白了就是风资源分析的“原材料”。原材料不行，后面算得再花哨也是白搭。我见过太多项目，前期数据质量没把好关，结果投资决策全跑偏了。今天咱们就聊聊，怎么把这关把好。
核心观点：数据质量决定了分析结果的可靠性。宁可数据少一点，也要保证数据真一点。
4.1 数据采集系统
测风塔上的传感器，就像我们的眼睛和耳朵。常见的配置包括风速计、风向标、温度计、气压计和湿度计。我个人习惯，在80米和100米高度各装两套风速计，一套备用，防止“瞎一只眼”。
数据采集器（数据记录仪）负责把这些信号转成数字，存到存储卡里。嗯，这里要注意：采集器的采样频率一般是1Hz或10Hz，然后记录10分钟的平均值、标准差、最大值和最小值。
为什么会这样？因为10分钟是国际通用的统计时段，既能反映湍流特征，又不会数据量太大。
小技巧：我建议在测风塔上装一个太阳能供电系统，再配个备用电池。野外环境，断电是常有的事。我曾经遇到过连续断电一周，数据全丢的情况，那叫一个心疼。
4.2 数据筛选与异常值处理
原始数据拿回来，第一件事不是算平均风速，而是“洗数据”。说白了，就是把那些明显不对的数值挑出来。
常见的异常情况有这些：
- 风速负值：传感器故障或结冰，直接剔除
- 风速长时间为零：可能是传感器卡死，连续2小时以上零值要标记
- 风向超出0-360度：明显错误，剔除
- 温度突变：比如10分钟内从20度跳到-5度，传感器可能坏了
- 标准差异常：风速标准差为0，说明传感器没反应
我一般用“三西格玛法则”来筛选异常值。什么意思？就是计算风速的平均值和标准差，超出平均值±3倍标准差的数据，视为异常。
# 一个简单的异常值筛选示例（Python伪代码）
import numpy as np
def filter_outliers(wind_speed):
mean = np.mean(wind_speed)
std = np.std(wind_speed)
lower = mean - 3 * std
upper = mean + 3 * std
filtered = [x for x in wind_speed if lower <= x <= upper]
return filtered避坑指南：我曾经遇到过一个项目，某月数据完整率高达98%，但发电量预测却严重偏低。后来一查，原来是传感器结冰期间，数据采集器自动填充了“0”值。这些假数据混在正常数据里，把平均风速拉低了。所以，筛选时一定要检查“填充值”和“无效值”标记。
4.3 数据完整率计算
数据完整率，就是有效数据占总应采集数据的比例。计算公式很简单：
完整率 = (有效数据个数 / 应采集数据个数) × 100%
应采集数据个数怎么算？比如10分钟一个记录，一天就是144个，一个月就是4320个（按30天算）。
行业里有个不成文的规矩：
| 完整率范围 | 评价 | 建议 |
|---|---|---|
| ≥ 95% | 优秀 | 可直接用于分析 |
| 90% - 95% | 良好 | 需补充部分数据 |
| 80% - 90% | 一般 | 建议延长测风周期 |
| < 80% | 差 | 数据不可靠，需重新测风 |
你想想看，如果完整率只有70%，那缺失的30%数据里，万一全是强风时段呢？你的风资源评估就会严重偏低。
我的经验：完整率低于90%的项目，我一般会建议业主再测半年。别嫌麻烦，总比投错资强。
4.4 实测数据与再分析数据对比
再分析数据，比如ERA5、MERRA-2，是气象模型模拟出来的长期数据。它们不能替代实测，但可以用来做两件事：
- 验证实测数据的合理性：如果实测风速比再分析数据高出一大截，那就要怀疑是不是传感器标定有问题
- 补齐缺失数据：用再分析数据建立回归模型，填补实测数据的空缺
对比的方法很简单：把实测数据和再分析数据按时间对齐，画个散点图，算个相关系数R²。一般来说，R²大于0.7就算不错了。
为什么会这样？因为再分析数据的分辨率很粗（比如30公里一个网格），它反映的是大尺度天气特征，而实测数据是局地微气候。两者有差异是正常的。
避坑指南：我曾经用ERA5数据去补一个山地项目的缺失数据，结果R²只有0.3。后来发现，山地地形复杂，再分析数据根本捕捉不到山谷风效应。所以，复杂地形项目，别太依赖再分析数据。
最后，我习惯把对比结果做成一张表，放在报告里，让业主一眼就能看出数据质量。
| 月份 | 实测平均风速(m/s) | ERA5平均风速(m/s) | 偏差(m/s) | 相关系数R² |
|---|---|---|---|---|
| 1月 | 6.8 | 6.5 | +0.3 | 0.82 |
| 2月 | 7.2 | 6.9 | +0.3 | 0.79 |
| 3月 | 5.9 | 6.1 | -0.2 | 0.85 |
嗯，数据采集与质量控制，说白了就是“去伪存真”。这一步做扎实了，后面的风资源分析才有底气。
公众号:蓝海资料掘金营，微信deep3321