3. 测风数据处理：数据完整性检查、异常值剔除、数据插补与长期订正
测风数据，说白了就是风电场项目的「体检报告」。报告不准，后面所有的工作都是白搭。我见过太多项目，前期选址时数据看着挺漂亮，结果一投产，发电量差了一大截。追根溯源，往往是测风数据处理这步没做好。
今天咱们就聊聊，拿到一堆测风数据后，到底该怎么处理。我把它拆成四个步骤：完整性检查、异常值剔除、数据插补、长期订正。每一步都有坑，咱们一个一个说。
3.1 数据完整性检查——先看看数据「全不全」
拿到测风数据的第一件事，不是急着分析，而是先看看数据到底全不全。我个人习惯先算一个指标：数据回收率。
数据回收率 = 实际采集数据量 / 理论应采集数据量 × 100%
行业通行标准：月回收率 ≥ 90%，年回收率 ≥ 95%。低于这个数，数据质量就要打问号了。
怎么检查？我一般会做三件事：
- 时间戳连续性检查——把数据按时间排序，看看有没有「跳日子」的情况。比如 3 月 5 日 10:00 之后直接跳到 3 月 5 日 14:00，中间缺了 4 个小时。这种缺失如果超过连续 3 小时，就得标记出来。
- 每日数据量统计——理论上 10 分钟一个数据点，一天应该有 144 个。如果某天只有 100 个，那这天就得重点看看。
- 季节性缺失模式——我在内蒙古一个项目上遇到过，冬天连续 7 天数据全无。后来一查，是测风仪结冰了。这种季节性缺失，后期插补时要特别小心。
小技巧：用 Python 的 pandas 库，一行代码就能检查时间戳连续性：df['timestamp'].diff().dt.total_seconds().value_counts()。看看除了 600 秒（10 分钟）之外，还有没有其他间隔。
3.2 异常值剔除——把「坏数据」揪出来
数据全了，但里面可能混着「假数据」。比如测风仪被鸟撞了、线路被雷劈了、或者传感器老化漂移了。这些异常值如果不剔除，会直接影响后续分析。
我一般分三步走：
3.2.1 物理范围检查
这个最简单，也最基础。风速不可能超过 50 m/s（除非是台风，但测风仪通常扛不住），风向只能是 0~360°，温度一般 -40~60°C。超出这些范围的，直接剔除。
# 物理范围检查示例
import pandas as pd
df = df[(df['ws'] >= 0) & (df['ws'] <= 50)]
df = df[(df['wd'] >= 0) & (df['wd'] <= 360)]
df = df[(df['temp'] >= -40) & (df['temp'] <= 60)]
3.2.2 趋势突变检查
这个坑我踩过。有一次数据看起来都在范围内，但画成曲线一看，10 分钟前风速 3 m/s，10 分钟后突然变成 25 m/s，再过 10 分钟又回到 4 m/s。这明显不合理。自然界风速变化是有惯性的，不可能这么剧烈。
我个人习惯设置一个阈值：相邻 10 分钟风速变化超过 10 m/s，就标记为可疑数据，需要人工复核。
3.2.3 标准差检查
这个很多人会忽略。测风数据除了风速值本身，还会记录风速标准差。如果某时段风速 8 m/s，但标准差接近 0，说明风速几乎不变——这在自然界几乎不可能。反过来，如果标准差特别大，说明风速剧烈波动，也可能是仪器故障。
注意：我曾经在云南一个山地项目上，发现某个月的数据标准差普遍偏小。后来去现场一看，测风仪的轴承卡死了，转不动。所以标准差检查能帮你发现「看起来正常但实际已坏」的仪器。
3.3 数据插补——把「缺的」补回来
剔除异常值之后，数据就出现了空洞。这时候需要插补。但插补不是随便填个数，得有依据。
常用的方法有三种：
| 方法 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| 相关法（线性回归） | 有邻近测风塔数据 | 精度较高，物理意义明确 | 需要参考塔数据 |
| 比值法 | 同一测风塔不同高度 | 简单快速 | 假设风切变稳定 |
| 时间序列法（ARIMA） | 短期缺失（几小时） | 不需要外部数据 | 长期插补误差大 |
我个人最常用的是相关法。找个距离近、地形相似的参考测风塔，建立线性回归关系。但要注意：相关系数 R² 至少要大于 0.7，否则插补出来的数据不可靠。
# 相关法插补示例
from sklearn.linear_model import LinearRegression
# 假设 target 是目标塔数据，ref 是参考塔数据
model = LinearRegression()
model.fit(ref[valid], target[valid])
target[missing] = model.predict(ref[missing])
避坑指南：我曾经用比值法插补，结果发现插补后的数据风切变指数异常。后来一查，是因为那段时间正好是大气稳定度变化剧烈的季节，风切变不稳定。所以插补前，一定要先检查气象条件是否稳定。
3.4 长期订正——把「短期」变成「长期」
测风数据通常只有 1~2 年，但风电场要运行 20 年。所以我们需要把短期数据订正到长期气候背景下。这就是长期订正，也叫 MCP（Measure-Correlate-Predict）。
核心思路很简单：找一个长期气象站（至少 10 年以上数据），建立测风塔和气象站之间的相关关系，然后用这个关系把测风数据「延长」到长期。
常用的 MCP 方法有：
- 线性回归法——最简单，但要求两站相关性好
- 方差比法——考虑了风速变异性，比线性回归更稳健
- Weibull 尺度参数法——适合风能资源评估，直接修正 Weibull 参数
我个人的经验是：不要只用一种方法。至少用两种方法做交叉验证。如果两种方法结果差异超过 5%，说明数据或方法有问题，需要重新审视。
关键点：长期订正不是「万能药」。如果测风塔和气象站距离超过 50 公里，或者地形差异太大（一个在平原，一个在山顶），订正结果可能还不如直接用原始数据。我见过一个项目，硬是把海边气象站的数据订正到内陆山地，结果发电量高估了 15%。
3.5 实战中的几个坑
说了这么多，最后分享几个我踩过的坑：
- 不要忽略风向数据——很多人只盯着风速，但风向缺失或错误会导致机位排布完全跑偏。我有个项目，风向数据因为传感器故障偏了 30 度，结果微观选址时把风机排在了下风向。
- 插补数据要打标记——插补的数据和实测数据要区分开。后续做发电量计算时，插补数据的权重应该降低。我一般会在数据表里加一列
flag，0 表示实测，1 表示插补。 - 长期订正要选对年份——气象站的长期数据里，如果包含极端年份（比如特大台风年），要慎重处理。是包含还是剔除，需要根据项目所在地的气候特点决定。
嗯，测风数据处理这块，说到底就是四个字：认真、细致。每一步都做到位了，后面的工作才能站得住脚。数据不会骗人，但处理数据的人可能会犯错。咱们做这行的，心里得有一杆秤。