風電場發(fā)電量評估的是否準確，第一要點就是測風塔風速計算的準確與否。 　　然而，測風塔在測風過程中，往往由于儀器損壞，數據傳輸故障，結冰等原因，部分傳感器數據出現缺失或異常。風資源工程師需要識別出異常數據，將異常的數據排除統計。
　　一個完整的測風數據處理，風資源工程師往往要經過數據質量篩選、數據修正、數據插補、長期訂正等過程。上述任何一步，都有可能引入很大的不確定性，1%的風速不確定性，會帶來3%左右的發(fā)電量不確定性，對于現在眾多開發(fā)中的低風速風電場，3%的發(fā)電量可能就決定著風電場是否盈利，盈利多少。
　　由此可見，風資源工程師在風場的評估中可是承擔了不可小覷的作用。如下是小編單位的標準化測風塔分析流程： 　　本周咱們就先聊聊前三步：
　　數據質量篩選
　　通常測風設備故障主要有冰凍、卡頓、傳感器損壞、傳輸故障等。
　　風資源工程師在數據篩選過程中需要將上述故障數據充分識別。那么如何判斷測風數據是否為故障數據呢？
　　缺失數據：缺失數據比較好判斷，顧名思義，就是出現了一段時間數據為空的情況。
　　無效數據：無效數據是指風速、風向、溫度、氣壓超出了正常范圍的一些數值。對于正常測風狀態(tài)下的數據，當其超出正常范圍，需要判別其是否為無效數據，對于每種傳感器，都應設定合理的判斷上下限。
　　冰凍數據：是指傳感器由于結冰或者覆冰導致的異常數據。對于風速數據，當溫度低于結冰溫度，一般情況下＜6℃既可能發(fā)生冰凍的情況，通過判斷該層傳感器與上下層的關系，以及當前時刻的平均值與標準偏差值的表征，當持續(xù)的時間滿足一定要求時，那么判定該段數據為冰凍。由于冰凍前后期，測風設備并不會完全凍住不動，很難通過單點和單層數據進行冰凍識別，因此，較為復雜的判斷邏輯對自動化也提出了要求。 　　傳感器故障數據：是指在測風過程中，由于傳感器故障或者是信號傳輸發(fā)生的異常數據。風速，當溫度高于結冰溫度，通過上下層關系、均值與標準偏差、持續(xù)時間的綜合判斷，判定出該段風速數據是否為傳感器故障。 　　基于標準化的規(guī)則，在具體項目上，風資源工程師也應該根據實地情況對判斷參數作出調整。比如對于冰凍數據，對于濕度比較大的地區(qū)（江西、浙江、貴州等地），當溫度低于6℃時既可能發(fā)生覆冰的情況；對于濕度較小的地區(qū)（甘肅、內蒙、青海等地），由于當地濕度較小，空氣形成結冰較困難，因此當溫度低于0℃左右時也并不一定會發(fā)生覆冰的情況。對于山地風電場，由于風電場地處地形陡峭，局部區(qū)域地形效應明顯，往往會出現負切變的情況。鑒于發(fā)電量對風速的敏感性，工程師需要謹慎對待測風數據，做出準確的風數據質量評估。