4、WindFarmer数据准备：地形图导入、风玫瑰数据、测风塔数据、粗糙度图层的处理
说实话，做风电场排布方案，最怕什么？最怕数据准备阶段就埋下坑。我见过太多项目，排布方案做得漂漂亮亮，结果一算发电量，跟实际差一大截。追根溯源，十有八九是基础数据没处理好。
这一章，咱们就聊聊WindFarmer里数据准备的几个关键环节。说白了，就是给软件「喂」正确的料。料不对，再牛的算法也白搭。
核心要点：数据准备的本质，是把现实世界的风资源信息，翻译成WindFarmer能理解的数字模型。翻译得越准，计算结果越靠谱。
4.1 地形图导入——给项目搭个「舞台」
地形图是风电场排布的底图。没有它，你连风机往哪放都不知道。我个人习惯，第一步永远是先把地形图导进去，看看场址到底长什么样。
WindFarmer支持的地形图格式挺多，常用的有：
- DEM（数字高程模型）——最常用，包含海拔信息
- GeoTIFF——带地理坐标的影像图
- Shapefile——矢量边界、道路、河流等
- DXF/DWG——CAD图纸，老项目改造时常见
导入步骤其实不复杂：
- 点击
File → Import → Terrain - 选择你的地形文件（比如DEM）
- 设置坐标系（这个很关键，我后面会细说）
- 确认导入范围是否正确
我的小技巧：导入后，记得用3D视图看一眼。有一次我导完地形图，发现场址中间有个巨大的陡坡，但2D视图完全看不出来。要是直接排风机，后果不堪设想。
4.1.1 坐标系——最容易翻车的环节
嗯，这里要重点说一下坐标系。我刚开始用WindFarmer时，就吃过这个亏。
你想想看，地形图来自测绘院，风数据来自气象局，测风塔坐标来自GPS。如果它们的坐标系不统一，那所有数据叠在一起就是乱的。
WindFarmer里常用的坐标系：
| 坐标系 | 适用场景 | 注意事项 |
|---|---|---|
| WGS84（经纬度） | 全球通用，测风塔坐标常用 | 距离计算不准确，不适合排布 |
| UTM（通用横轴墨卡托） | 区域级项目，距离计算准确 | 注意分区号，跨区要小心 |
| 国家2000（CGCS2000） | 国内项目主流 | 与WGS84有微小偏差，需转换 |
避坑指南：我曾经接手过一个项目，甲方给的地形图是北京54坐标系，测风塔数据却是WGS84。两者差了将近200米。要是没发现，风机就排到山沟里去了。所以，导入任何数据前，先确认坐标系！
4.2 风玫瑰数据——风的「性格画像」
风玫瑰，说白了就是告诉你：风从哪来，吹得多猛，一年吹多久。
WindFarmer里处理风玫瑰数据，有两种方式：
- 直接输入——如果你有现成的风玫瑰统计表
- 从测风塔数据生成——更常见的方式
我个人更推荐第二种。为什么？因为测风塔数据是实测的，更贴近现场实际情况。
直接输入时，数据格式大概是这样的：
风向扇区(°) 频率(%) 平均风速(m/s) 威布尔A 威布尔k
0 8.5 6.2 7.0 2.1
30 12.3 7.1 8.0 2.0
60 15.6 8.3 9.4 1.9
... ... ... ... ...
注意：风向扇区通常按30°或22.5°划分。我建议用22.5°，精度更高。当然，前提是你的原始数据支持这么细的分辨率。
4.3 测风塔数据——最值钱的原始资料
测风塔数据是整个风资源评估的「金标准」。你想想看，一个80米高的测风塔，从选址、安装到维护，一年下来少说几十万。这些数据，必须用好。
WindFarmer导入测风塔数据的流程：
- 点击
Wind → Met Mast → Import - 选择数据文件（通常是CSV或TXT格式）
- 设置时间戳格式（注意时区！）
- 指定各列对应的参数（风速、风向、温度、气压等）
- 设置测风塔坐标和海拔
4.3.1 数据质量控制——别让垃圾数据毁了你的方案
导入之前，一定要做数据清洗。我在项目中遇到过这样的情况：测风塔某个月的数据全是0，一看日志，原来是传感器结冰了。要是没剔除这些数据，年平均风速会被拉低一大截。
常见的数据质量问题：
- 缺失值——传感器故障、断电等
- 异常值——风速突然飙到40m/s，明显不合理
- 冰堵数据——冬季低温导致传感器冻结
- 塔影效应——风向正好从塔身吹过来，数据失真
我的经验：数据清洗至少要覆盖一个完整年。少于一年，季节变化的影响就考虑不全。我一般要求客户提供至少连续12个月、完整率90%以上的数据。
4.4 粗糙度图层——风在地表「刹车」的力度
粗糙度，说白了就是地表对风的摩擦阻力。草地、农田、树林、水面，粗糙度都不一样。风从海面吹到陆地，风速会骤降，就是这个道理。
WindFarmer里处理粗糙度，有两种方式：
- 均匀粗糙度——整个场址用一个值，适合简单地形
- 粗糙度图层——不同区域用不同值，更精确
我强烈建议用粗糙度图层。尤其是复杂地形，不同地表的粗糙度差异很大，用均匀值会带来不小的误差。
常见的粗糙度长度（z₀）参考值：
| 地表类型 | 粗糙度长度z₀ (m) | 典型场景 |
|---|---|---|
| 水面（海洋、湖泊） | 0.0002 | 海上风电、湖边 |
| 草地、农田 | 0.03 - 0.10 | 平原地区 |
| 灌木、稀疏树林 | 0.10 - 0.30 | 丘陵地带 |
| 森林 | 0.50 - 1.00 | 山地、林区 |
| 城市、建筑区 | 1.00 - 2.00 | 近城郊项目 |
导入粗糙度图层的步骤：
- 准备一张地表分类图（比如从卫星影像解译得到）
- 在WindFarmer中点击
Terrain → Roughness → Import - 为每种地表类型赋值对应的粗糙度长度
- 检查图层是否与地形图对齐
避坑指南：我曾经遇到一个项目，粗糙度图层和地形图差了500米。原因是两个数据用了不同的投影坐标系。所以，导入粗糙度图层前，务必确认坐标系与地形图一致。
4.5 本章知识体系
下面这张图，是我梳理的数据准备阶段的核心逻辑。你看一眼，就能明白各个数据之间的关系。
你看，这四个数据是环环相扣的。地形图是基础，风玫瑰和测风塔提供风资源信息，粗糙度图层修正地表影响。缺了任何一个，排布方案都会「跑偏」。
最后说一句：数据准备阶段，花的时间越多，后面排布方案就越顺。我见过有人半天就把数据导完了，结果后面返工花了两天。磨刀不误砍柴工，这个道理在风资源评估里，再适用不过了。
公众号:蓝海资料掘金营，微信deep3321