第四章 测风数据质量控制：数据筛选与异常值处理、数据完整率计算、数据插补与修正方法
各位同学，咱们今天聊一个特别实在的话题——数据质量控制。
说实话，我在这个行业干了十几年，见过太多因为数据质量翻车的项目。有的项目测风塔立了两年，最后分析数据时发现完整率不到60%，白白浪费了时间和钱。所以这一章，我把自己踩过的坑和积累的经验，都掰开揉碎了讲给你们听。
4.1 数据筛选与异常值处理
数据筛选，说白了就是给数据「体检」。我习惯把它分成三步走：范围检查、趋势检查、一致性检查。
4.1.1 风速范围检查
风速不可能无限大，也不可能一直是零。正常的风速范围，我一般这么设：
- 下限：0 m/s（静风可以接受，但连续静风超过6小时要警惕）
- 上限：根据测风塔高度和当地气候，通常设40-60 m/s。我在内蒙古一个项目遇到过瞬时风速冲到58 m/s，后来核实是传感器结冰了。
经验阈值参考：
| 参数 | 合理范围 | 异常标记 |
|---|---|---|
| 10min平均风速 | 0 ~ 40 m/s | >40 m/s 或 =0 持续6h |
| 极大风速 | 0 ~ 60 m/s | >60 m/s |
| 风向 | 0° ~ 360° | 超出范围或连续不变 |
| 温度 | -40°C ~ 50°C | 超出范围或突变>10°C/10min |
4.1.2 风向一致性检查
风向数据有个特点——它不能长时间「纹丝不动」。如果风向连续6小时以上保持不变，大概率是传感器卡住了。我曾经在云南一个项目上，发现某层风向连续72小时指向正北，结果上去一看，风向标被鸟窝缠住了。
我的检查习惯：
- 风向标准差 < 5° 且持续超过2小时 → 标记为可疑
- 相邻两个10min风向变化 > 180° → 检查原始记录
- 同一塔不同高度风向差异 > 90° → 检查是否有局部遮挡
4.1.3 标准差与极值检查
风速标准差能反映湍流强度。正常情况下，标准差不会太大也不会太小。我一般用这个经验公式：
# 风速标准差合理范围（经验值）
0.5 m/s < σ < 0.4 × V_avg
# 如果 σ < 0.1 m/s 且持续1小时以上 → 传感器可能冻结
# 如果 σ > 0.5 × V_avg → 可能有强湍流或仪器故障⚠️ 特别注意：我曾经遇到过一个案例，某测风塔10m层风速数据看起来很正常，但标准差几乎为零。后来发现是数据采集器通道坏了，一直在重复上一个值。所以光看平均值是不够的，一定要看标准差。
4.2 数据完整率计算
完整率是衡量测风数据质量的核心指标。我见过不少项目，完整率算得稀里糊涂，最后评估结果偏差很大。
4.2.1 完整率怎么算？
公式其实很简单：
完整率(%) = (有效数据个数 / 理论应得数据个数) × 100%但这里有个坑——「有效数据」怎么定义？我个人习惯：
- 有效数据：通过上述所有质控检查的数据
- 无效数据：异常值、缺失值、标记为可疑的数据
- 理论数据个数：按10min间隔计算，一个月=4464个（30天）或4320个（30天按实际天数）
行业标准要求（IEC 61400-12-1）：
| 时间尺度 | 最低完整率 | 备注 |
|---|---|---|
| 月完整率 | ≥ 90% | 单月数据量不足时需说明 |
| 年完整率 | ≥ 95% | 全年有效数据占比 |
| 季度完整率 | ≥ 90% | 每个季度单独计算 |
4.2.2 完整率计算的注意事项
嗯，这里要注意几个细节：
- 分高度计算：不同高度的完整率要分别算，不能混在一起
- 分参数计算：风速、风向、温度、气压的完整率要分开
- 考虑季节性：冬季结冰会导致完整率下降，要在报告中说明
我的经验：如果某个月完整率低于80%，我会直接把这个月的数据标记为「不可靠」，在后续分析中剔除或单独说明。别心疼数据，质量比数量重要。
4.3 数据插补与修正方法
数据缺失了怎么办？补！但怎么补是个技术活。我常用的方法有三种，按优先级排序：
4.3.1 线性插值法（短期缺失）
适用于缺失时间较短（一般不超过2小时）的情况。说白了就是用前后数据拉一条直线。
# 线性插值示例（Python伪代码）
def linear_interp(t_missing, t_before, v_before, t_after, v_after):
return v_before + (v_after - v_before) * (t_missing - t_before) / (t_after - t_before)⚠️ 限制：线性插值只适用于短期缺失。如果缺失超过6小时，千万别用线性插值，误差会大到离谱。我见过有人用线性插值补了3天的数据，结果年发电量算出来差了15%。
4.3.2 相关关系法（中期缺失）
利用同一测风塔不同高度之间的相关性来插补。比如80m高度数据缺失，可以用70m和90m的数据来推算。
# 相关关系法步骤
1. 选取与缺失层相关性最高的参考层（通常相邻层）
2. 建立线性回归模型：V_target = a × V_reference + b
3. 用完整时段的数据拟合 a 和 b
4. 用拟合模型插补缺失数据我在新疆一个项目上用过这个方法。当时50m层风速计坏了3周，我用40m和60m的数据做了多元回归，插补结果和后来修复后的实测数据对比，误差只有3%左右。
4.3.3 测风塔对比法（长期缺失）
如果缺失时间超过一个月，或者整个测风塔都出了问题，就需要借助附近的参考测风塔或气象站数据。
操作要点：
- 参考塔距离一般不超过30km，地形越复杂要求越近
- 至少要有3个月以上的重叠数据来建立关系
- 使用MCP（Measure-Correlate-Predict）方法，常用线性回归或方差比法
4.3.4 插补后的质量验证
插补不是终点，验证才是。我每次做完插补都会做两件事：
- 回代验证：用完整时段的数据，人为制造缺失，然后插补，对比误差
- 分布检验：插补后的风速频率分布应该和完整时段一致
我的习惯：插补数据量不要超过总数据量的10%。如果超过这个比例，我会在报告中明确说明，并评估插补带来的不确定性。记住，插补是补救措施，不是常规手段。
小结
数据质量控制这件事，说白了就是「去伪存真」。我见过太多项目因为数据质量不过关，导致后续评估全部推倒重来。所以这一章的内容，希望大家能真正用到实际工作中去。
记住一句话：垃圾数据进，垃圾结果出。你花在质控上的每一分钟，都会在后续分析中加倍回报给你。
公众号:蓝海资料掘金营，微信deep3321