4. 测风数据采集与质量控制
测风数据，说白了就是我们风资源评估的“原材料”。原材料要是出了问题，后面算发电量、选机型，全都是白搭。我见过太多项目，因为数据质量没把好关，最后评估结果跟实际运行差一大截。
这一章，我就把数据采集和质量控制的核心要点掰开揉碎了讲。你想想看，一个测风塔竖起来，几十万甚至上百万的投资，要是数据不能用，那才叫真浪费。
4.1 数据采集系统
数据采集系统，就是测风塔的“大脑”。它负责把风速计、风向标、温度计这些传感器的信号，转成我们能读的数字。
我个人习惯，把采集系统分成三块来看：
- 传感器层：风速计、风向标、温度、气压、湿度传感器。这是最前端，也是最容易出问题的地方。
- 数据记录器：也就是数据采集器（Data Logger）。它负责定时读取传感器数据，存到内存里。
- 通信模块：把数据传回办公室。现在主流是用GPRS/4G，偏远地区用卫星。
这里有个坑，我必须要提醒你。很多新手以为传感器装上去就完事了。其实不是的。传感器有寿命，有漂移，有故障率。我在内蒙古一个项目上，就遇到过风速计轴承卡死，连续三个月数据全是零。要不是定期巡检，根本发现不了。
4.2 数据筛选
数据采集回来，不是直接就能用的。原始数据里，什么妖魔鬼怪都有。数据筛选，就是要把这些“坏数据”挑出来扔掉。
我一般把数据筛选分成三步走：
- 格式检查：检查数据文件是否完整，时间戳是否连续，有没有乱码。
- 范围检查：每个物理量都有合理的取值范围。比如风速不可能为负，风向只能在0-360度之间。
- 趋势检查：看数据变化是否合理。比如风速突然从5m/s跳到50m/s，这明显是传感器故障。
为什么会这样？说白了，就是传感器在野外风吹日晒，难免会出问题。冰雹砸坏风速计、小鸟在测风塔上筑巢、线路被老鼠咬断……这些我都遇到过。
4.3 异常值处理
异常值，就是那些明显偏离正常范围的数据点。处理异常值，我的原则是：能修则修，不能修就删。
常见的异常值类型：
- 野点：单个数据点突然跳变，比如风速从5m/s跳到30m/s又跳回来。
- 平台值：数据长时间不变，比如风速连续几个小时都是5.0m/s。这通常是传感器卡住了。
- 缺失值：数据记录中断，出现空白。
处理方式：
| 异常类型 | 处理方法 | 备注 |
|---|---|---|
| 野点 | 删除该数据点 | 如果连续出现，考虑传感器故障 |
| 平台值 | 删除该段数据 | 平台值超过1小时，直接标记为无效 |
| 缺失值 | 插值或删除 | 短时间缺失（<2小时）可用线性插值 |
我曾经在云南一个山地项目上，遇到过一个特别头疼的问题。风速数据白天正常，晚上就出现大量平台值。查了半个月才发现，是夜间温度降低，传感器结冰了。嗯，这种问题，光靠数据筛选是发现不了的，必须结合现场巡检。
4.4 数据完整率要求
数据完整率，就是有效数据占总数据的比例。这个指标，直接决定了你的评估结果靠不靠谱。
行业标准一般要求：
- 年完整率：不低于90%。这是最基本的要求。
- 月完整率：不低于80%。如果某个月低于80%，这个月的数据就要谨慎使用。
- 季节完整率：每个季节至少要有两个月的有效数据。
为什么要有这些要求？你想想看，如果冬天数据全丢了，那你的评估结果就代表不了全年情况。风资源是有季节性的，冬天风大夏天风小，缺了任何一段，评估都会偏。
我个人的习惯是，数据完整率低于95%的项目，我都会在报告里特别说明。低于90%的，我会建议业主延长测风周期，或者补测。
4.5 知识体系框架
下面这张图，把数据采集与质量控制的整个流程串起来了。你可以把它当作一个检查清单，做项目的时候对照着来。
这张图把整个流程串起来了。从数据采集开始，经过筛选、异常值处理、完整率检查，最后输出合格数据。每一步都不能少，每一步都有坑。
好了，这一章的内容就到这里。数据采集和质量控制，是风资源评估的基石。这块做扎实了，后面的工作才能顺利开展。
公众号:蓝海资料掘金营，微信deep3321