4. WAsP气象数据处理：测风塔数据导入、数据质量控制、时间序列处理、风向扇区划分
各位同学，今天我们来聊聊WAsP气象数据处理。说实话，这部分是风资源评估里最基础、也最容易出问题的一环。我见过太多项目，因为数据没处理好，后面算出来的发电量偏差很大，白白浪费了时间。
测风塔数据，说白了就是风资源分析的“原材料”。原材料不好，后面再精细的模型也白搭。咱们一步步来。
4.1 测风塔数据导入
WAsP支持多种数据格式，最常见的是文本文件（.txt或.csv）。我个人习惯用CSV，因为结构清晰，不容易乱。
导入时要注意几个关键点：
- 时间格式：WAsP默认识别“YYYY-MM-DD HH:MM”格式。如果你用的是“YYYY/MM/DD”或者“DD-MM-YYYY”，它会报错。我建议统一用ISO标准格式，省心。
- 分隔符：逗号、制表符、空格都行，但别混用。我曾经遇到一个项目，数据里既有逗号又有空格，导入后数据全乱了，排查了半天。
- 缺失值标记：WAsP通常把“-999”或“NaN”当作缺失值。如果你的数据里用“0”表示缺失，那就要小心了——风速为0和缺失是两码事。
核心要点：导入前，先看一眼数据的前几行。确认时间、风速、风向、温度、气压这几列都在。缺一不可。
4.2 数据质量控制
数据质量控制，简称QC。这一步我建议你花点心思，因为原始数据里什么妖魔鬼怪都有。
常见的QC检查项包括：
- 范围检查：风速不可能为负，也不可能超过60m/s（除非是台风）。风向在0-360度之间。温度在-40到60度之间。超出这些范围的，直接标记为无效。
- 变化率检查：1秒内风速从5m/s跳到25m/s，这明显不合理。我一般设置最大变化率，比如10分钟内风速变化不超过15m/s。
- 一致性检查：同一塔上不同高度的风速，应该符合风切变规律。如果10m高度风速比50m还大，那肯定有问题。
- 卡住值检查：连续几个小时风速都是同一个值，比如一直显示3.5m/s，这通常是传感器故障。我遇到过一台测风仪卡在4.2m/s整整三天，数据全废了。
注意：QC不是越多越好。过度剔除数据会导致样本量不足，影响代表性。我的经验是，剔除率控制在5%以内比较合理。超过10%就要怀疑测风塔本身有问题了。
4.3 时间序列处理
时间序列处理，主要是把原始数据整理成WAsP能用的格式。这里有几个关键步骤：
- 时间对齐：确保所有数据的时间戳是连续的。如果有缺失，可以插值，但别插太多。我一般只插值1小时以内的缺失，超过1小时直接删掉。
- 平均周期：WAsP通常用10分钟平均数据。如果你的原始数据是1秒或1分钟的，需要先做平均。注意，平均前要剔除异常值，否则一个坏点会拉偏整个平均值。
- 数据重采样：有些测风塔记录的是整点数据，有些是半点数据。WAsP要求时间戳是整点或整10分钟。不一致的话，需要重采样。
小技巧：处理时间序列时，我习惯先用Python或Excel画个趋势图。一眼就能看出有没有明显的异常，比如突然的跳变或长时间的平直段。比单纯看数字直观多了。
4.4 风向扇区划分
风向扇区划分，是WAsP里一个容易被忽视但很重要的步骤。为什么要分扇区？因为不同方向的风，受到的地形和障碍物影响不同，风切变和湍流强度也不一样。
WAsP默认把360度分成12个扇区，每个30度。但实际项目中，我建议根据现场情况调整：
- 平坦地形：12个扇区够用。每个扇区至少要有100个有效数据点，否则统计结果不可靠。
- 复杂地形：可能需要16个甚至24个扇区。比如山谷风，风向变化很快，扇区太粗会丢失细节。
- 有障碍物遮挡：比如测风塔附近有建筑物或树木，遮挡方向的数据要单独处理。我做过一个项目，塔的东北方向有片树林，那个扇区的风速明显偏低，最后在模型里做了修正。
扇区划分后，每个扇区都要单独计算风切变指数和湍流强度。WAsP会自动做，但你要检查结果是否合理。比如，某个扇区的风切变指数突然变成负的，那就要回头看看数据是不是有问题。
避坑指南：我曾经遇到一个项目，所有扇区的风切变指数都差不多，当时觉得挺省事。后来发现是测风塔的安装高度不对，数据全错了。所以，扇区划分后一定要和现场照片、地形图对照着看，别偷懒。
4.5 知识体系框架
下面这张图，是我自己整理的本章知识体系。你可以把它当作一个检查清单，做每一步时对照着看，不容易漏掉。
嗯，这张图把整个流程串起来了。从数据导入开始，经过质量控制、时间序列处理、扇区划分，最后得到一套干净的数据集，才能用于后续的风资源评估。每一步都环环相扣，哪一步出了问题，后面都得返工。
我的建议：刚开始做的时候，每一步都留个截图或日志。万一后面发现数据有问题，能快速定位到是哪一步出的错。别问我怎么知道的——都是教训换来的。
公众号:蓝海资料掘金营，微信deep3321