4. 测风数据质量控制：数据完整性检查、异常值识别与处理、数据插补方法

各位同行，今天咱们聊聊测风数据质量控制。这活儿听起来枯燥，但说实在的，它是整个风资源评估的基石。数据质量不过关，后面算出来的发电量就是空中楼阁。我见过太多项目，因为前期数据没把好关，后期投资决策全跑偏了。

质量控制，说白了就三件事：数据全不全、数据怪不怪、缺了怎么办。咱们一个一个说。

4.1 数据完整性检查

拿到测风数据的第一件事，不是急着算平均风速，而是先看看数据完整率。完整率低于90%的数据集，我个人习惯直接打上问号。

完整率怎么算？

完整率 = (有效数据记录数 / 理论应记录数) × 100%

举个例子：10分钟一个记录，一天就是144个。一个月按30天算，理论记录数是4320个。如果实际只有3800个，那完整率就是88%。嗯，这个数据就得小心了。

我在项目中遇到过一件事：某山地项目，完整率看着有92%，但仔细一看，缺失的全是冬季大风时段。这就麻烦了——大风数据丢了，代表年订正出来的结果肯定偏保守。所以，完整性检查不能只看总数，还得看缺失时段分布。

4.2 异常值识别与处理

异常值，就是那些明显不符合物理规律的数据。比如风速出现负值、温度达到80度、风向全是0度。这些数据不处理，模型会学歪。

常见的异常类型：

异常类型	典型表现	可能原因
物理限值异常	风速 < 0 或 > 60 m/s	传感器故障、信号干扰
持续不变值	连续6小时以上风速不变	传感器结冰、卡死
突变值	相邻记录风速差 > 10 m/s	雷击、设备瞬间异常
逻辑矛盾	风速高但风向稳定不变	风向标卡死

我常用的识别方法：

1. 阈值法：设定上下限，超出即标记。风速上限我一般设60 m/s，山地项目可以放宽到70 m/s。
2. 标准差法：计算滑动窗口内的均值和标准差，超过3倍标准差的点标记为可疑。
3. 变化率法：相邻两个10分钟记录的风速变化超过8 m/s，基本可以判定是异常。

异常值怎么处理？

处理方式取决于异常比例。如果异常值少于总数据的1%，直接剔除就行。如果超过5%，你得怀疑是不是测风塔本身有问题了。

• 剔除：适用于孤立异常点，直接删除，后续用插补补齐。
• 标记：适用于可疑但不确认的数据，保留但打上标签，后续分析时单独处理。
• 替换：适用于明显错误但有规律的数据，比如用前后平均值替换。

4.3 数据插补方法

数据缺失了怎么办？插补。但插补不是瞎补，得有依据。

常用的插补方法：

方法	适用场景	优点	缺点
线性插值	短时缺失（< 2小时）	简单快速	长时段不准
相邻塔相关	有邻近测风塔	物理意义强	需要参考塔数据
MCP方法	长期缺失（> 1个月）	精度较高	需要长期参考站
季节平均	无参考数据时	简单可用	精度最低

我个人最推荐的做法：

短时缺失（2小时以内），用线性插值就够了。别搞复杂了，简单方法往往最可靠。

长时缺失（超过1天），我建议用相邻测风塔的相关关系来插补。具体做法是：先找两塔同期有效数据，建立线性回归模型，然后用模型预测缺失时段的数据。

# 伪代码示例：相邻塔线性回归插补
# 假设塔A有缺失，塔B数据完整
# 步骤1：提取两塔同期有效数据
X = 塔B_有效数据
Y = 塔A_有效数据

# 步骤2：建立线性回归
斜率, 截距 = 线性回归(X, Y)

# 步骤3：预测缺失值
塔A_缺失值 = 斜率 × 塔B_同期数据 + 截距

还有一种情况——整个测风塔都坏了，没有任何参考数据。这时候怎么办？说实话，没有好办法。我建议直接放弃这个时段的数据，或者用长期气象站的数据做粗略估算，但一定要在报告里明确标注「估算数据，精度有限」。

4.4 质量控制流程总结

说了这么多，咱们把整个流程串起来。下面这张图是我自己项目里用的质量控制流程，分享给大家。

你看，整个流程其实不复杂。核心就一句话：先检查完整性，再识别异常值，最后根据异常比例选择处理方式。每一步都走扎实了，后面的分析才能站得住脚。

---

公众号:蓝海资料掘金营，微信deep3321