3、测风设备与数据采集：测风塔的选址与安装、超声波风速计与机械风速计对比、数据记录仪与通信协议、数据质量控制与异常值处理

各位同行，咱们接着聊测风。前面把风资源评估的理论框架搭好了，但说实话，理论再漂亮，数据源头要是出了问题，后面全是白搭。我见过太多项目，模型跑得飞起，结果一查原始数据，测风塔位置选错了，或者传感器坏了半年没人管。嗯，今天这一章，咱们就把测风设备与数据采集这件事彻底掰扯清楚。

3.1 测风塔的选址与安装

测风塔的选址，说白了就是给风资源评估找一个“靠谱的代言人”。这个代言人必须能代表整个风电场的风况，不能偏袒任何一方。

选址原则，我总结为“三避一靠”：

  • 避开障碍物：塔址周围半径300米内，不能有高于塔高一半的建筑物、树木或山丘。我在江苏一个项目里遇到过，测风塔旁边有棵大树，结果测出来的风速比实际低了15%，后来砍了树数据才正常。
  • 避开湍流区：远离陡峭山脊、悬崖边缘、大型水体岸边。这些地方气流紊乱，测出来的数据没有代表性。
  • 避开尾流区：如果附近已有风机，测风塔必须位于主导风向的上风向，或者距离风机至少5倍叶轮直径。
  • 靠近拟装机位：测风塔应尽量布置在风电场中心区域，或者代表性地形上。一个风电场如果地形复杂，我建议至少布置2-3座测风塔。

核心要点：测风塔的高度，原则上应等于或高于风机轮毂高度。比如你打算用100米轮毂的风机，测风塔至少得100米。但实际中，我们通常会在10米、30米、50米、70米、100米等多个高度层安装风速计，以便推算风切变指数。

安装细节，全是坑：

  • 塔身朝向：拉线塔的拉线应避开主导风向，减少对气流的干扰。
  • 传感器安装：风速计应安装在塔顶或横臂末端，距离塔身至少3倍横臂直径。我曾经见过有人把风速计直接拧在塔身上，测出来的数据简直没法看。
  • 防雷接地：测风塔是野外最高点，必须做防雷处理。接地电阻要小于10欧姆，否则一个雷击，整套设备全报废。
  • 防腐与维护：所有螺栓用不锈钢材质，每年至少巡检一次，检查拉线松紧、传感器是否松动、线缆是否被动物咬断。

3.2 超声波风速计与机械风速计对比

选风速计，是测风方案里最纠结的事。机械风速计便宜，但容易坏；超声波风速计精度高，但贵。我个人的习惯是：看项目预算和现场环境。

下面这张表，是我多年对比下来的真实感受：

对比项 机械风速计（风杯/螺旋桨） 超声波风速计
工作原理 风杯旋转，通过光电或磁感应计数 发射超声波，测量声波在风中传播时间差
精度 ±0.5 m/s（低风速下误差大） ±0.1 m/s（全风速段稳定）
启动风速 约0.5 m/s（有摩擦阻力） 0 m/s（无机械部件）
维护周期 每3-6个月需清洁轴承、校准 每年一次清洁探头即可
寿命 2-3年（轴承磨损、结冰卡死） 5-8年（无磨损，但电子元件可能老化）
适用场景 常规地形、预算有限、有人定期维护 冰冻/沙尘/高湿环境、无人值守、高精度要求
价格 约2000-5000元/台 约1-3万元/台

我的建议：如果你在北方寒冷地区做项目，千万别省那点钱。机械风速计一到冬天就结冰，风杯转不动，数据直接归零。我有个项目在内蒙古，第一年用了机械的，冬天数据缺失了40%，第二年全换成超声波的了，虽然贵，但数据完整率从60%提升到了98%。

另外，超声波风速计还能测风向和垂直风速，这对复杂地形的风切变分析特别有用。机械风速计测风向需要单独配风向标，又多了一个故障点。

3.3 数据记录仪与通信协议

数据记录仪，就是测风塔的“大脑”。传感器把风速、风向、温度、气压这些信号传过来，记录仪负责存储、处理，然后通过通信模块发回数据中心。

选型要点：

  • 通道数：至少8个模拟通道+4个数字通道。我一般会预留2个备用通道，万一后期要加传感器。
  • 采样频率：建议1Hz（每秒1次），然后记录10分钟平均值。这是行业标准，也是IEC 61400-12-1的要求。
  • 存储容量：至少能存6个月的数据。万一通信断了，数据不能丢。
  • 功耗：野外没市电，全靠太阳能+蓄电池。记录仪功耗要低于2W，否则冬天阴天撑不过3天。

通信协议，这里要重点说：

数据从记录仪传到服务器，常用的协议有几种：

  • Modbus RTU：最经典，通过RS485串口传输，距离可达1200米。适合现场有线连接。
  • Modbus TCP：基于以太网，适合局域网内高速传输。
  • GPRS/4G：远程传输首选。记录仪内置SIM卡，通过基站把数据发到云平台。我建议用4G，2G已经退网了，3G也快了。
  • LoRa：低功耗广域网，适合多个测风塔组网，但带宽低，只能传关键数据。

注意：通信协议一定要和数据采集系统（SCADA）兼容。我遇到过最坑的事：记录仪用的是私有协议，结果换了数据平台后，所有数据都得手动转换格式，折腾了两个月。所以，尽量选开放标准协议，比如Modbus。

下面是一个简单的Modbus数据读取示例（Python伪代码），用于从记录仪读取风速数据：

import minimalmodbus

# 连接记录仪（地址1，波特率9600）
instrument = minimalmodbus.Instrument('/dev/ttyUSB0', 1)
instrument.serial.baudrate = 9600

# 读取保持寄存器（风速通道，地址0x0000）
wind_speed = instrument.read_register(0x0000, 1, signed=False)
print(f"当前风速: {wind_speed * 0.1} m/s")  # 假设缩放因子0.1

3.4 数据质量控制与异常值处理

数据采回来了，但别急着用。原始数据里什么妖魔鬼怪都有：传感器故障、通信丢包、鸟类撞击、雷击干扰……我常说一句话：没有经过质量控制的数据，就是一堆垃圾。

质量控制流程，我分四步走：

  1. 完整性检查：检查数据时间戳是否连续，有没有缺失。如果某小时数据缺失超过20%，该小时数据直接标记为无效。
  2. 范围检查：风速不可能为负，也不可能超过60 m/s（除非台风）。风向在0-360度之间。温度在-40°C到50°C之间。超出范围的，直接剔除。
  3. 趋势检查：相邻两个10分钟平均风速变化超过10 m/s，或者风向突变超过90度，大概率是传感器故障或鸟类干扰。我会标记为可疑数据，人工复核。
  4. 相关性检查：同一测风塔不同高度的风速，应该符合风切变规律。如果70米风速比100米还高，那肯定有问题。我会用相邻高度数据做线性插值，偏差超过30%的标记为异常。

异常值处理原则：

  • 物理不可能值：直接删除，不补值。
  • 可疑值（如鸟类短暂遮挡）：标记后，用前后10分钟平均值替换。
  • 连续缺失：如果缺失超过2小时，不建议插值，直接标记为无效时段。
  • 长期缺失（超过1个月）：该测风塔数据可能整体不可用，需考虑重新测风。

下面是一个简单的异常值检测代码示例（Python）：

import pandas as pd
import numpy as np

# 加载10分钟平均风速数据
df = pd.read_csv('wind_data.csv', parse_dates=['timestamp'])
df.set_index('timestamp', inplace=True)

# 1. 范围检查
df.loc[(df['ws_100m'] < 0) | (df['ws_100m'] > 60), 'ws_100m'] = np.nan

# 2. 趋势检查（相邻差值超过10 m/s）
df['ws_diff'] = df['ws_100m'].diff().abs()
df.loc[df['ws_diff'] > 10, 'ws_100m'] = np.nan

# 3. 相关性检查（假设70m和100m风速比应在0.8-1.2之间）
df['ratio'] = df['ws_70m'] / df['ws_100m']
df.loc[(df['ratio'] < 0.8) | (df['ratio'] > 1.2), ['ws_70m', 'ws_100m']] = np.nan

# 4. 用前后均值填充短时缺失（不超过2个点）
df['ws_100m'] = df['ws_100m'].interpolate(method='linear', limit=2)

print(f"处理后有效数据率: {df['ws_100m'].notna().sum() / len(df) * 100:.1f}%")

避坑指南：我曾经接手过一个项目，数据看起来特别漂亮，风速曲线平滑得像教科书。后来一查，原来是数据采集系统出了bug，记录仪一直在重复存储前一天的数据。所以，一定要做数据溯源——随机抽取10%的原始数据，和现场手动记录的值对比。别偷懒，这个步骤能救你的命。

最后，我想说一句：测风这件事，七分靠设备，三分靠人。设备再先进，如果安装不规范、数据不质控，结果就是白花钱。你想想看，一个风电场投资几个亿，前期测风才花几十万，这钱真不能省。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →