4、长期订正理论基础：什么是长期订正、为什么需要长期订正、长期订正的基本假设

4.1 什么是长期订正？

长期订正，说白了就是给测风数据“补课”。

你想想看，我们在风电场场址上立一座测风塔，通常只测1到3年。但风电场要运行20年甚至更久。这1年的数据，能代表20年的风况吗？

显然不能。我见过太多项目，直接用测风塔的短周期数据做发电量估算，结果偏差大得离谱。有个项目甚至差了15%以上，投资决策差点被带偏。

长期订正要做的，就是把短期的测风数据，通过数学方法“延长”到长期气候水平。通常这个“长期”指10年、20年，甚至30年。我们借助的是附近长期气象站的数据——比如机场气象站、国家基准站，它们往往有几十年的连续观测记录。

4.2 为什么需要长期订正？

这个问题，我每次培训都会问学员。答案其实很直接——因为风是随机的，年际变化很大。

我做过一个统计：中国北方某地区，相邻两年的平均风速最大能差到20%以上。你想想，如果恰好测风那年是大风年，你按这个数据算发电量，那投产后的实际发电量可能直接打八折。

具体来说，不做长期订正会有三个风险：

• 发电量高估或低估——测风期恰好是丰风年或枯风年，导致投资决策失误
• 无法进行银行融资——金融机构要求发电量评估必须基于长期气候数据
• 无法对比不同场址——不同年份测的数据，不在同一个气候基准上，没法公平比较

嗯，这里要注意：有些新手觉得“我测了两年数据，够长了”。其实两年也不够。我记得有个项目，测风两年，两年都是偏小风年，结果长期订正后发电量反而比原始估算高了12%。如果不做订正，这个项目可能就被放弃了。

4.3 长期订正的基本假设

任何数学方法都有前提。长期订正能成立，靠的是三个基本假设。我一个个说。

假设一：参考站与目标站的风况存在统计相关性

这个好理解。如果参考站和场址离得很远，或者地形差异巨大，那它们之间的风就没有关系。你拿北京的数据去订正上海的风，那肯定不行。

我一般要求参考站距离场址不超过50公里，最好在同一个气候区。地形也要相似——平原对平原，山地对山地。如果实在找不到近的，那就用再分析数据，比如ERA5或MERRA-2，但精度会差一些。

假设二：参考站数据是长期稳定的

参考站本身的数据质量要过关。如果参考站换过位置、换过仪器，或者周围建了高楼，那它的数据序列就有“断点”。用这种数据做订正，等于在沙子上盖楼。

我曾经遇到一个项目，参考站是某机场气象站。看起来数据很完整，30年。结果一查，2005年机场扩建，气象站挪了位置。前后的风速数据明显有系统偏差。最后我只能用断点订正后的数据，或者换一个参考站。

假设三：短期与长期的关系是平稳的

这个假设有点抽象。简单说就是：过去几十年里，参考站和场址之间的风况关系没有发生根本性变化。

举个例子：如果场址附近新建了一个大型水库，或者大面积砍伐了森林，那局地气候可能已经变了。这时候，用历史数据建立的订正关系，就不适用于未来。

气候变化也是一个因素。全球变暖可能导致大气环流模式改变。我个人习惯在做长期订正时，尽量使用最近20年的数据，而不是用30年前的旧数据。因为越近的数据，越能反映当前的气候状态。

4.4 知识体系框架

下面这张图，是我自己总结的长期订正知识体系。你可以把它当作本章的“地图”。

4.5 小结

长期订正不是可选项，而是风资源评估的必选项。它的本质是用统计方法，把短期数据“翻译”成长期气候水平。

三个基本假设，是判断一个订正方法是否适用的试金石。如果假设不成立，再花哨的算法也没用。我见过有人用复杂的机器学习方法做订正，但参考站和场址根本不在同一个气候区——结果可想而知。

嗯，这一章的内容就到这里。记住：长期订正不是万能药，但没有长期订正，你的风资源评估就是“盲人摸象”。

---

公众号:蓝海资料掘金营，微信deep3321