2. 测风数据采集：测风塔选址、设备选型、数据采集频率与质量控制
测风数据，说白了就是风资源评估的“原材料”。原材料不行，后面再牛的分析模型也白搭。我见过太多项目，因为测风塔选址拍脑袋、设备选型图便宜，最后算出来的发电量偏差大到离谱，投资决策直接跑偏。这一章，咱们就聊聊怎么把这第一步走扎实。
2.1 测风塔选址：不是随便找个空地就行的
选址这件事，我个人的习惯是：先看宏观，再看微观。宏观上，你得知道项目所在区域的主风向、风能资源分布的大致规律。微观上，要避开那些会“搞乱”风的地方。
核心原则：代表性
测风塔测得的数据，必须能代表未来风电机组轮毂高度处的风况。你想想看，如果塔立在了一个小山包上，测出来的风速比实际场址高出一大截，那后面算出来的发电量可就“虚胖”了。
具体来说，选址要避开以下几类地方：
- 障碍物附近：比如树林、建筑物、高大的山脊。这些物体会产生湍流和尾流，让数据失真。我曾经在内蒙古一个项目上，测风塔离一片防风林只有80米，结果测出来的湍流强度高得吓人，后来不得不重新选址，白白浪费了两个月。
- 陡峭地形边缘：悬崖、陡坡边缘的风场极其复杂，分离流和回流交替出现，测出来的数据基本没法用。
- 局地热力效应明显的地方：比如湖泊、山谷风口附近，昼夜温差会导致局地环流，这种数据不能代表大范围的风况。
那到底怎么选？我建议按这个流程来：
- 初步筛选：基于地形图、卫星图，结合项目场址范围，圈出3-5个候选点。
- 现场踏勘：必须去现场！看地形、看植被、看障碍物。我一般会带个手持风速仪，在不同点位测一下瞬时风速，心里先有个底。
- 软件模拟：用WAsP或WindSim跑一跑，看看候选点的风资源分布，排除那些明显不合理的点位。
- 最终确定：综合考虑施工条件、土地权属、通讯信号等因素，拍板定下来。
2.2 设备选型：别在传感器上省钱
设备选型这块，我踩过坑。有一回在南方一个山地项目，为了省几千块钱，用了某品牌的低端风速计。结果雨季一到，传感器频繁结冰，数据断断续续，最后补数据补到崩溃。从那以后，我选设备就认准一个理：可靠性第一，精度第二，价格第三。
常用的测风设备主要有这几类：
| 设备类型 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 机械式风速计（风杯/风向标） | 技术成熟、成本低、维护简单 | 有机械磨损、结冰影响大、低风速时精度差 | 常规平坦地形、气候温和地区 |
| 超声波风速计 | 无移动部件、抗结冰、精度高、可测三维风 | 成本高、对安装角度敏感、功耗大 | 复杂地形、寒冷地区、科研项目 |
| 激光雷达（LiDAR） | 可测高空风、无需建塔、移动方便 | 成本极高、受大气条件影响、数据后处理复杂 | 海上风电、临时测风、验证测风塔数据 |
我的建议：对于陆上常规项目，用机械式风速计就够了。但一定要选带加热功能的，尤其是北方项目。超声波风速计适合复杂地形或科研需求。LiDAR嘛，预算充足或者海上项目可以考虑。
2.3 数据采集频率：不是越快越好
数据采集频率，说白了就是你多久记录一次数据。行业内通用的标准是：10分钟一个数据点。为什么是10分钟？因为10分钟的平均风速能较好地反映湍流特性，同时又能平滑掉短时阵风的影响。
但这里有个细节：原始采样频率和记录频率是两码事。
- 原始采样频率：传感器本身采集数据的频率。一般建议1Hz（每秒一次）或更高。这样能捕捉到阵风和湍流的细节。
- 记录频率：数据采集器存储数据的频率。通常就是10分钟一次，存储的是这10分钟内的平均值、最大值、最小值、标准差等统计量。
我见过一些项目，为了省存储空间，直接把原始采样频率降到0.1Hz（每10秒一次），然后10分钟平均。这样做的问题在于，你丢失了湍流信息，算出来的湍流强度会偏小。说白了，就是数据“失真”了。
注意：数据采集器的时间同步也很关键。如果测风塔和气象站的时间不同步，后面做相关性分析时会出现相位差，结果完全不可信。我建议用GPS或NTP服务器自动校时。
2.4 质量控制：数据里的“垃圾”必须筛掉
数据采集回来，不是直接就能用的。你得先做质量控制。这一步做不好，后面所有分析都是空中楼阁。
质量控制分三步走：
2.4.1 数据完整性检查
先看看数据有没有缺失。如果某个月的数据完整率低于90%，那这个月的数据基本就不能用了。完整率计算公式很简单：
完整率 = (实际数据点数 / 理论数据点数) × 100%理论数据点数 = 当月天数 × 24小时 × 6（每10分钟一个点）
2.4.2 数据合理性检查
这一步是筛掉那些明显不合理的数据。比如：
- 风速为负值（传感器故障或结冰）
- 风速长时间恒定不变（传感器卡死）
- 风向长时间指向同一个方向（风向标卡死）
- 温度、气压等参数超出物理极限
我曾经在新疆一个项目上，发现连续三天的风速数据都是5.2m/s，纹丝不动。一看就是传感器被沙尘卡住了。这种数据必须剔除。
2.4.3 数据一致性检查
这一步是检查不同高度、不同传感器之间的数据是否一致。比如：
- 同一塔上，80米高度的风速应该比60米高，如果出现倒挂，说明某个传感器有问题。
- 两个相邻高度的风向差应该在合理范围内（一般不超过30度）。
- 如果塔上有两套风速计（主用和备用），它们的读数应该高度相关（相关系数>0.95）。
质量控制后的数据，才能进入后续的“数据订正”和“长期推算”环节。这一步偷懒，后面全白干。
2.5 知识体系总览
下面这张图，把测风数据采集的核心逻辑串起来了。你可以把它当作一个检查清单，做项目时对照着来。
一个小技巧：数据质量控制最好做成自动化脚本。我一般用Python写个脚本，每天自动跑一遍，把异常数据标记出来。这样不用等到月底才发现问题，能及时处理传感器故障。
好了，测风数据采集这部分就聊到这儿。记住一句话：数据质量决定了评估结果的天花板。后面咱们再聊怎么把这些数据“变废为宝”——数据订正和长期推算。
公众号:蓝海资料掘金营，微信deep3321