第2章测风数据处理

测风数据处理：数据完整率检查、异常值剔除、缺测数据插补、年际变化修正

各位同行，今天咱们聊聊测风数据处理。说实话，这是整个风电场规划里最容易被轻视、却又最要命的环节。我见过太多项目，前期测风数据看着挺漂亮，结果一上机组，发电量对不上——十有八九是数据没处理好。

测风数据，说白了就是风电场规划的“地基”。地基不稳，后面所有分析都是空中楼阁。我个人习惯把数据处理分成四步走：先查完整率，再剔异常值，然后补缺测数据，最后做年际修正。每一步都有坑，咱们一个一个说。

拿到测风数据的第一件事，不是急着分析，而是先算完整率。完整率 = 有效数据个数 / 理论应采集数据个数 × 100%。我个人习惯，完整率低于90%的数据集，直接打回去重新审查测风方案。

为什么会这样？你想想看，如果一个月里有一周的数据是空的，那这个月的平均风速能信吗？我在内蒙古一个项目上就吃过这个亏——当时完整率只有82%，我没太在意，结果后期发电量预测偏差了12%。从那以后，完整率不过90%我绝不往下走。

  完整率分级标准（我个人常用）：

  · ≥95%：优秀，可直接使用

  · 90%~95%：良好，需注明缺失时段

  · 80%~90%：及格，建议查找原因并评估影响

  · <80%：不合格，必须重新采集或补充数据

检查完整率时，我习惯按月份、按季度分别统计。有时候全年完整率看着还行，但某个关键月份（比如冬季大风期）数据缺失严重，那问题就大了。

异常值，说白了就是那些明显不合理的数据。比如风速突然跳到60m/s，或者风向在10分钟内转了180度——这些基本可以判定是仪器故障或干扰信号。

我常用的方法有三种：

阈值法：设定合理范围。比如风速0~50m/s，超出直接剔除。温度一般-40℃~50℃。
变化率法：相邻10分钟风速变化超过10m/s，基本可以判定异常。我记得在福建一个沿海项目，台风过境时数据变化率特别大，但那是真实天气过程，不能一刀切剔除——嗯，这里要注意区分。
标准差法：以3倍标准差为界，超出视为异常。这个方法对平稳风况比较有效，但复杂地形下要谨慎。

⚠️ 我曾经踩过的坑：有一次在山区项目，我直接用标准差法剔除了大量数据，后来发现那些“异常值”其实是山谷风效应导致的真实风速波动。所以，异常值剔除一定要结合现场实际情况，不能纯靠算法。

剔除异常值后，我建议记录三样东西：剔除数量、剔除原因、剔除时段。这样后期审查时心里有底。

数据缺测是常态，关键是怎么补。我个人最常用的插补方法有四种：

我个人的经验是：缺测时间在2小时以内的，用线性插值就够了；超过2小时的，最好找相邻测风塔做相关分析。如果整个场区只有一个塔，那就只能依赖长期参考站了。

💡 一个小技巧：做相关插补时，我习惯先用完整时段的数据建立回归方程，R²至少要达到0.8以上才用。R²太低的话，插补出来的数据可信度不高，还不如直接标注“缺测”。

这一步很多人容易忽略。测风数据通常只测了1~2年，但风电场要运行20年。这1~2年的风况能代表长期平均水平吗？显然不能。

年际变化修正，说白了就是把短期测风数据“订正”到长期代表年。我常用的方法是：

MCP方法有好几种变体，我个人最常用的是线性回归法和方差比法。线性回归法简单直观，但遇到风向变化大的区域容易出问题。方差比法对复杂地形适应性更好一些。

  年际修正的核心要点：

  · 参考站距离越近越好，最好在30km以内

  · 重叠时段至少1年，越长越好

  · 相关系数低于0.6时，修正结果不可靠

  · 修正后一定要做交叉验证

我记得在云南一个高原项目，测风塔数据只有10个月，参考站距离80km，相关系数只有0.45。当时甲方催得急，但我坚持要求延长测风周期——后来证明这个决定是对的，如果强行修正，发电量预测误差可能超过20%。

好了，测风数据处理的四个步骤就聊到这儿。每一步都有它的门道，也有它的坑。做风电规划，说白了就是跟数据打交道——数据质量决定了项目质量，这个道理，干得越久体会越深。