风资源数据处理
测风数据处理与分析
测风数据处理与分析引言测风数据处理与分析是一种重要的技术手段，用于获取和分析风力发电场等场地的风力资源情况。
通过对测得的风速和风向数据进行处理和分析，可以得出风力资源的空间分布、时间变化以及风力资源强弱程度等信息。
本文将介绍测风数据处理与分析的基本方法和常用技术，以帮助读者快速了解和应用该技术。
测风数据采集测风数据的采集是进行测风数据处理和分析的基础。
一般来说，测风数据主要包括风速和风向两个参数。
风速的测量可通过风速计来实现。
常见的风速计有四杯转子式风速计和超声波风速计。
四杯转子式风速计通过测控转子旋转速度来间接计算风速，而超声波风速计则通过发送和接收超声波信号的时间差来直接测量风速。
两种风速计各有优缺点，在具体应用中可根据实际情况选择合适的风速计。
风向的测量则需要借助风向传感器。
风向传感器通常采用风向盘或风向组件来测量风的方向。
风向盘通过自由旋转，使指向面对来风方向，从而确定风向。
风向组件则采用多个风向传感器，通过多点测量来确定风向。
风向传感器的选取和安装位置有一定要求，以保证测得的风向数据的准确性。
测风数据处理测风数据的处理是测风数据分析的前提。
在处理测风数据之前，需要先进行数据预处理，包括数据清洗、去噪和补全等操作。
数据清洗是指对采集到的测风数据进行初步的筛选和清理，去除异常值和错误数据。
常见的数据清洗方法包括去除重复数据、去除野值、填补缺失值等。
数据清洗的目的是保证后续处理和分析的准确性和可靠性。
数据去噪是指对清洗后的数据进行平滑处理，以消除数据中的噪声和干扰。
数据去噪的方法有很多种，比如使用滑动窗口平均法、中值滤波法等。
选择合适的去噪方法可以提高数据的质量和可信度。
数据补全是指对缺失的数据进行填补。
在测风数据中，由于某些原因可能会存在数据缺失的情况，例如传感器故障或网络异常等。
数据补全的方法有多种，可以使用插值法、回归法等。
选择合适的数据补全方法可以减小数据缺失对后续分析结果的影响。
测风数据分析测风数据分析是对处理后的测风数据进行统计和分析，得出风力资源的空间分布、时间变化和风力资源强弱程度等信息。
低风速高切变区域风电场风资源数据分析
J IAN SHE YAN JIU技术应用206低风速高切变区域风电场风资源数据分析Di feng su gao qie bian qu yufeng dian chang feng zi yuan shu ju fen xi胡晓春近年国内风电开发项目主要向中东部和南方地区等中低风速区域转移，该类区域风速较低，且地形多为平原、湖泊、丘陵及林区，故市场对能适应此类条件、抗湍流、大切变地区的机组需求日益增加，塔架轮毂高度也呈现出向100m以上的发展趋势，截止到2016年底，国内对高塔架（120m以上）的需求呈现出了爆发式的增长。
因此，对低风速高切变区域风电场风资源数据进行分析具有重要的意义。
一、江苏省风资源分布情况江苏省风资源位于我国大陆东路沿海中心地带，地居长江、淮海下游，东频东海，属温带季风气候。
根据海洋及气象站1971-2000年的观测数据分析显示，江苏省全年平均风速为3.5m/s，东部沿海年平均风速为6m/s以上，且较为稳定，属于风资源较丰富地区。
通过对江苏省风资源分布情况进一步观测可知，江苏可供开发的风能资源（10m）共计9520MW，其中陆地风能资源占2380MW，近海风能资源约为陆地的三倍7140MW。
风能资源可以划分为四个区，一区风能最为丰富，主要位于近海的东西连岛地区；二区风能资源较为丰富，主要位于沿海地区、长三角一带、淮海地区、洪泽湖高邮湖两岸及东南部沼泽地带，太湖东部；三四区风能资依次较低，主要分布于西部内陆地区。
二、项目概况本次分析的风电场位于江苏省扬州市仪征市，处于三四区内，场址位于东经119º09′～119º19′、北纬32º31′～32º36′之间，属北亚热带季风气候区，雨量充沛，光照充足，气候温暖。
本期工程规划装机容量为100MW，拟安装50台单机容量为2.0MW的风电机组50台。
三、数据分析1.测风塔实测风数据分析风电场内建有一座100米（#1）高测风塔，场外建有一座90米（#2）高测风塔，鉴于场外数据不足一年，本次分析仅以场内#1测风塔进行数据分析。
风能资源及测风数据整理技巧
广东电力GUANGDONG ELECTRIC POWER2003年 第1卷 第5期风能资源及测风数据整理技巧林志远（广东省风力发电有限公司，广东广州510600）摘要：风电场区域范围内的风能资源蕴藏状况，是开发风力发电项目最基础的组成因素，能否充分地掌握其完整而可靠的资料，将是工程顺利的保证，项目成功和避免投资风险的关键所在。
然而，预选风电场的风能资料，必须经历布点测风、数据（包含场外相关资料）收集、分析整理和汇总过程。
如果某个环节出现缺陷和差错，资料的可靠性即将降低，项目的风险就大大增高，这是人们不愿意看到的结果，为此，从定义、要求、不利因素及技巧方面进行讨论，期望从根本上提高风力发电项目的可靠性和项目效益。
关键词：风能；数据；风速；风向；频率；密度；指数；技巧1风力发电1．1 风力发电的概念和特点所谓风力发电，就是把风能转化成电能。
在目前技术情况下，风能既不可以储存又不能控制。
风力发电过程完全跟随天然的自然来风，它远远超过水力发电对河流水文状况的依赖关系。
风力发电，不仅要考虑逐年逐月逐日的来风大小，还要考虑来风的方向及该方位的风能概率分布。
风机的行和列的布置，要尽可能使得各台风机能够接受到最大、最多的风能，这是风力发电又一个特点。
所以，风电场微观选址之前就必须掌握风能资源的详细资料。
1．2科学、合理选择和设计风场风力发电工程投产后的发电量，将取决于自然来风和合理设计。
风能资源丰富而布局合理的风电场，理所当然多发电。
反之，如果资源情况不清或者掌握有差错，必然降低工程效益。
通常，一个预选风电场的开发，在工程之初就着手收集和掌握充分可靠的风能资源情况，保证项目有充分的科学依据，使项目达到预想的结果，但是，由于各种原因要做到这一点并非易事，原因一方面是工程的前期筹划不够周详，完整可靠地收集资料的工作没有得到落实；另一方面是在分析整理和鉴别所收集资料过程中，也可能出现不够合理甚至有严重偏差的结论，产生的结果是基础资料不够真实和可靠，给项 总之，风能资源决定发电量，发电量决定项目效益，效益决定项目的风险和成败，要防患未然，需从根本做起。
风力资源调查新方法与数据处理工具
风力资源调查新方法与数据处理工具随着全球对可再生能源的需求不断增长，风能作为一种清洁且可再生的能源形式，受到了广泛的关注。
为了更好地利用风能资源，对风力资源的准确调查和评估变得尤为重要。
在传统的风力资源调查方法基础上，本文将介绍一些新的风力资源调查方法以及用于处理风能数据的工具。
一、新的风力资源调查方法1. 高空测风技术传统的风力资源调查主要依靠测量塔上的测风仪器收集数据，但这种方法受到测量高度限制，无法全面了解高层风能资源的分布情况。
高空测风技术通过使用无人机或卫星搭载的风速测量装置，可以在较大范围内获取高层风能资源数据。
这种方法可以提供更全面、稳定的高层风能资源数据，为风电场的选址和布局提供更科学的依据。
2. 气象模型和数值风场模拟利用气象模型和数值风场模拟技术，可以对特定地区的风能资源进行预测和模拟。
这些模型基于气象学原理和大量的观测数据，能够准确模拟出特定地区的风速、风向、风能分布情况。
通过使用这些模型，可以提前评估特定地区的风能资源潜力，指导风电场的规划和设计工作。
3. 激光雷达技术激光雷达技术可以通过测量风场中气体微粒的速度和方向，实时获取高精度的风速和风向数据。
相比传统的测量方法，激光雷达技术具有全天候、非接触、高精度等优势。
这种方法可以用于风电场的运维管理和风能资源的调查评估，提高风电场的利用效率和经济效益。
二、风能数据处理工具1. GIS（地理信息系统）GIS是一种用于处理和分析地理信息的计算机软件工具。
在风力资源调查中，GIS可以用于建立数字地形模型和三维风能资源分布图。
通过对风能资源数据进行地理空间分析，可以更好地了解风能资源的分布规律，为风电场的选址和布局提供决策支持。
2. 大数据分析工具大数据分析工具可以从大量的风能数据中提取有价值的信息，并进行深入的数据挖掘和分析。
通过构建适用的算法模型，可以预测风能资源的变化趋势，提高风电场的运维管理效率，降低能源成本。
3. 风能预测软件风能预测软件通过整合多种数据源，包括气象数据、风电场运行数据等，进行风能资源的预测和模拟。
风资源测量数据分析
风资源测量数据分析1. 简介在可再生能源领域，风能被认为是一种具有巨大潜力的清洁能源。
为了最大化利用风能资源并确定最佳的风力发电项目，风资源测量数据分析是一项关键任务。
本文将探讨如何分析风资源测量数据，以提供有关风能资源的详细信息。
2. 数据收集风资源测量数据的收集是进行风能资源分析的第一步。
通常使用风测塔或风能测量设备来收集数据。
测量参数包括风速、风向、风能密度等。
这些数据可以通过各种传感器和仪器进行实时收集，并存储在数据库中供后续分析使用。
3. 数据预处理在进行数据分析之前，需要对风资源测量数据进行预处理。
这包括对数据进行清洗、去噪和填充等操作。
清洗数据可以排除异常值和错误数据，确保后续分析的准确性。
去噪操作可以滤除噪声数据，提取出真实的风资源测量数据。
填充缺失值的操作可以补全数据集，以确保数据的连续性。
4. 数据分析方法4.1 风速和风向分析风速和风向是最基本的风资源测量数据。
通过对风速和风向数据进行分析，我们可以了解风的分布规律和风能资源的潜力。
常用的分析方法包括平均风速分析、风速频率分析、风向分布分析等。
这些分析可以为选址和风力发电机组的布置提供科学依据。
4.2 风能密度分析风能密度是评估风能资源潜力的关键指标之一。
通过计算风能密度，可以确定不同地区的风能资源丰度。
风能密度分析涉及对风速和空气密度等参数进行统计和计算。
这些分析结果可以帮助规划者在设计风力发电项目时选择最佳位置。
4.3 风能潜力评估通过综合分析风速、风向和风能密度等数据，可以评估风能资源的潜力。
这种评估可以帮助投资者决策是否进行风力发电项目，。
风力发电风资源数据分析处理研究
Advances in Energy and Power Engineering 电力与能源进展, 2023, 11(1), 30-38 Published Online February 2023 in Hans. https:///journal/aepe https:///10.12677/aepe.2023.111004风力发电风资源数据分析处理研究刘文超，掌 旭，高 阳，吴连龙，陈志朋，张 煜沈阳嘉越电力科技有限公司，辽宁 沈阳收稿日期：2022年12月22日；录用日期：2023年1月9日；发布日期：2023年2月20日摘要风资源数据影响着风电系统运行可靠性，本文针对风资源原始数据存在的问题，分析研究了风资源所包含的各个特性参数和各特性参数的定义、适用范围以及计算方式。
针对基于对测风数据在风资源精细化评估中的实际应用进行了讨论，提出了四分位法处理数据，保证了风电场对于风资源信息的掌握更加全面细致，有利于风电场运行后期的发电产能评估为新能源发展奠定基础。
关键词风资源，风力发电，数据分析，数据处理Research on Analysis and Processing of Wind Resource Data of Wind Power GenerationWenchao Liu, Xu Zhang, Yang Gao, Lianlong Wu, Zhipeng Chen, Yu ZhangShenyang Jiayue Electric Power Technology Co., LTD, Shenyang LiaoningReceived: Dec. 22nd , 2022; accepted: Jan. 9th , 2023; published: Feb. 20th, 2023AbstractWind resource data affect the operational reliability of wind power system. Aiming at the problem of original data of wind resource, this paper analyzes the characteristic parameters of wind re-source and their definition, application scope and calculation method. The practical application of wind measurement data in the precise evaluation of wind resources is discussed, and the quartile method is proposed to process the data, which ensures that the wind farm has a more comprehen-sive and detailed grasp of wind resource information, and is conducive to the evaluation of power generation capacity in the later stage of wind farm operation and lays the foundation for the de-刘文超 等velopment of new energy.KeywordsWind Resources, Wind Power, Data Analysis, Data ProcessingCopyright © 2023 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0)./licenses/by/4.0/1. 引言当前风电场的测风塔一般在风向合适位置一次性固定高度安装，这样容易导致高层数据缺失，且测风塔一般只能监测固定几个层级的高度，不能动态实时精确监测多层面数据。
利用Windographer进行测风数据处理及风资源分析方法
利用Windographer软件进行测风数据处理及风资源分析一、前言从测风塔导出的测风数据仅仅是最原始的测风数据，而对一座风电场风资源的评估，需要的是经过数据检验、合理性检验、不合理数据处理、长期数据的订正等一系列的处理后的数据。
测风数据的检测、筛选的前期处理工作，通常可以用Excel表格和Windographer软件里的相关功能进行。
因为每个测量对象一整年的十分钟时间序列数据多达52560个，每个测风搭一般有3~5个通道，若干个测量对象，并且一个风电场不止一个测风搭，所以测风数据的处理实际上是个非常繁琐且复杂的过程，需要操作人员有足够的细心及耐心才能完成这项工作。
二、缺测时段检验用Windographer打开原始测风数据txt文件，首先会出现如图1所示的对话框。
浏览确认下读取的各个通道是否有误，点OK即可。
进入windographer主页面，主页面的左侧Summary一览，介绍了所载入的测风数据基本信息。
见图2。
主页面有四幅图，分别是垂直风切变廓线图、风频玫瑰图、月平均风速图、日平均风速图，可以从主页面显示的基本信息对原始测风数据有个初步认识。
Array图2 Windographer 主界面在主页面点击进入Time Series时间序列菜单，出现图3的窗口,窗口右侧有所有测量对象信息，可选择需要查看的对象勾选。
图3： Windographer 主界面通过此方法查找缺测数据，首先勾选全部的全部的风速数据通道，查找并统计出缺测的风速时间序列。
查找方法：将波形图放大，放大到可以看到每天的波形曲线，波形线中断的时间段即为缺测时间段。
结合原始数据的Excel 表格，找出每个中断的具体时间序列点，如图4，风速波形线在2013年3月27日出现中断，然后找到Excel 中对应的时间序列（图5），找出具体的缺测时间段是在2013/03/27 7:20 ~2013/03/27 16:50 ，并且此段时间所有测风速的通道都是中断的。
风资源测量数据分析
风资源评价是指对验证完成的数据经过各种数据处理程序的处理来评估风能资源的活动。
对数据集进行的典型操作是将数据的数值按照所选择的平均时间间隔分类形成的有用的数据集，从而生成所需信息的报告，如汇总表和风况参数图等。
数据处理和汇总软件可以从多种来源获得，包括数据采集器的制造商以及电子表格，数据库等。
每小时的平均值一般用于编制报告。
利用数据处理和报告编制软件可以将十分钟平均数据子集转换为每小时平均的数据库，无论使用何种方法计算每小时平均值时，都必须剔除无效数据或——900列代码。
对数据的要求数据代表性：了解现场观测点的位置，简单平坦地形，丘陵或复杂地形？一个场地上测风仪安装在最高、最低或者峡口等处测得数据不具有代表性。
在建造经济上可行的风力发电场，必须有最低限度的风能资源要求，可在山顶上达到了最低限度的风能资源要求，但谷底达不到。
数据准确性：数据序列是一种观测结果的时间序列，必然受到风速本身变化和观测仪器、观测方法以及观测人员诸多因素变化的影响。
对于风力发电场测风的数据，不能只从数据上分析其准确性，还要从现场观测风电进行实地考察，如风感应器是否水平。
完整性与连贯性：检查测风数据的数量是否等于测风时间内预期的数据数量时间顺序是否符合预期的开始、结束时间，时间是否连续数据合理性：范围检验：相关性检验：趋势检验：可疑和丢失数据的处理：从可疑数据中分辨出哪些是伪数据，哪些是真数据，无效数据剔除，丢失数据设法弥补编制一份数据验证报告（打印或计算机屏幕显示）列出所有可疑数据，对每一个数据记录具体数值、发生时间和检验指标应该由老师核查可疑数据以决定是否能够接受。
赋予无效数据一个检验代码将其替代。
风功率密度的计算流动空气所具有的动能：322212121Ftv Fvtv mv E ρρ===风能功率：风在单位时间垂直界面F 所做的功：321v F t E W ρ==风功率密度：风在单位时间垂直通过单位面积所做的功： 321v t F E w ρ=•=∑==n i iv W PD 132n 1ρV的取值：由于用的是总和符号（Σ），显然这个公式只适用于在一段平均时段内所有的风速值（n>1），而不适用于单个的长期平均值（例如月平均，年平均值）。
风力发电数据分析与风力资源评估
风力发电数据分析与风力资源评估随着可再生能源的迅速发展，风力发电作为其中最为成熟、可持续的能源之一，受到了广泛的关注和应用。
风力发电在全球范围内都具有巨大的潜力，然而，为了更好地利用风能资源，我们需要进行风力发电数据分析与风力资源评估。
风力发电数据分析是基于风力发电场的历史数据，通过统计和分析，了解风能资源的变化规律和潜在能量。
通过对风力发电场的风速、风向等参数进行长期监测和记录，我们可以得到丰富的数据资料，从而进行深入的分析。
风速是评估风力资源的重要指标之一。
通过对风速数据的统计和分析，可以得到风速的年均值、年极值以及概率密度函数等信息。
这些数据能够帮助我们了解某个地区的年均风速水平以及可能出现的极端天气条件，从而评估该地区的风能潜力和风力发电的可行性。
风向是指风的主要吹向。
通过对风向数据的分析，可以得到风向的频率分布、季节性变化等信息。
这些数据能够帮助我们了解某个地区的主要风向以及可能的风向变化情况，从而为风力发电机组的布局和设计提供依据。
除了风速和风向，还有其他一些与风力发电相关的指标，比如湍流强度、气温、气压等。
这些参数的分析可以帮助我们更全面地评估风力资源的特点和潜力，为选择合适的风力发电技术提供支持。
风力资源评估是根据风力数据分析的结果，评估某个地区的风能资源丰度和利用潜力。
在风力资源评估中，除了考虑历史数据，还需要考虑地形、土壤条件、周边环境等因素的影响。
通过综合考虑这些因素，可以得出一个相对准确的风能资源评估结果，为风力发电站的选址和规划提供依据。
风力资源评估不仅能够帮助我们确定风力发电场的可行性，还能够指导风力发电机组的布局和设计。
通过合理利用风能资源，我们可以提高风力发电场的发电效率，减少成本，提升可再生能源的利用率，从而为可持续发展做出贡献。
总之，风力发电数据分析与风力资源评估是实现风能利用的重要步骤。
通过对历史数据的统计和分析，我们可以了解风能资源的变化规律和潜在能量，进而评估某个地区的风能资源丰度和利用潜力。
风资源分析报告
风资源分析报告1. 引言风能作为一种可再生能源，在全球范围内得到了广泛关注和应用。
本报告旨在对某地区的风资源进行分析，评估其可利用性和潜力，为风能开发提供参考。
2. 数据收集与处理为了进行风资源分析，我们收集了以下数据： - 多个气象站点的历史风速数据 - 地理信息系统（GIS）数据，包括地形和地貌信息 - 地区的土地利用数据对于气象站点的数据，我们进行了数据清洗和预处理，剔除了异常值和缺失值，并对数据进行了平滑处理，以便进行后续分析。
3. 风能资源评估在本节中，我们将对风能资源进行评估。
评估的指标包括： - 风速频率分布：通过统计分析历史风速数据，得到不同风速区间的频率分布曲线。
- 风能密度：根据风速频率分布曲线，计算不同高度上的风能密度，评估风能资源的强度。
- 风能潜力：结合地形和地貌信息，分析风能资源的空间分布，评估风能的潜力。
4. 风能开发建议基于风能资源评估的结果，我们提出了以下建议：- 选择合适的风力发电机组：根据风速频率分布和风能密度，选择适合该地区的风力发电机组，以最大化风能的利用。
- 建议风电场布局：根据风能潜力和地形地貌信息，制定合理的风电场布局方案，确保最大程度地利用风能资源。
- 考虑并网接入：分析电网容量和接入能力，确保风能发电系统能够有效地并网。
5. 风能开发风险分析除了风能资源评估和开发建议，我们还对风能开发的风险进行了分析。
主要的风险包括： - 自然灾害风险：如台风、龙卷风等极端天气事件对风力发电设施的影响。
- 经济风险：包括风力发电设备的投资、运维成本以及电价波动等因素。
- 政策风险：政府政策的不确定性和变动对风能开发的影响。
6. 结论本报告对某地区的风能资源进行了评估和分析，并提出了相应的风能开发建议。
通过合理利用风能资源，我们可以实现可持续能源的利用，减少对传统能源的依赖。
然而，在风能开发过程中也需要考虑到各种风险因素，以确保可持续发展的实现。
以上是本次风资源分析报告的主要内容，希望对风能开发提供有益的参考。
一种测风数据处理与分析方法
一种测风数据处理与分析方法随着风能发电技术的不断发展，测风数据的处理与分析方法显得尤为重要。
本文将介绍一种测风数据处理与分析方法，旨在为风能发电的研究与实践提供有力支持。
一、背景测风是评估风能资源的基础。
通常使用激光测距、超声波测距、义式管测速等方式获取风速、风向等参数。
然而，这些传感器从风能发电机到地面距离很远，测量数据的可靠性有时很难保证。
因此，需要对测风数据进行处理和分析才能得到准确和可靠的风能利用信息。
二、测风数据处理测风数据处理旨在增加数据的可靠性和准确性。
常用的处理方法包括数据去抖动、数据滤波和数据振动分析。
1.数据去抖动随着风能发电机的运转，大气和地面震动可能会引起传感器数据的抖动。
这些抖动情况会影响风速和风向数据的精度。
因此，需要去除数据抖动，使得测量数据更加精确。
去抖动方法可以选择两种：一种是基于时间，另一种是基于空间。
基于时间的去抖动方法主要是采用滑动平均法，将每个时间段中的风速或风向数据取平均值。
基于空间的去抖动方法则是通过使用多个传感器来对测量数据进行平均计算，从而减小抖动的影响。
2.数据滤波在测量过程中，因为机器或环境的影响，测量数据可能出现了噪声。
为了减少噪声影响，需要采用数据滤波来减少噪声水平。
滤波算法有很多，其中比较常用的是中值滤波法和卡尔曼滤波法。
中值滤波法是通过对数据进行排序并计算数据的中间值来消除椒盐噪声。
卡尔曼滤波法是一种自适应滤波算法，在此算法中，测量数据被视为带有一定噪声的期望值，滤波器计算出以观察数据更新后的最佳状态估计。
3.数据振动分析风能发电机在运转过程中，会涉及到动态振动和静态振动。
对于风速和风向的测量数据，这些振动会产生较大的误差，影响数据的准确性。
因此，需要进行数据振动分析，通过分析振动频率和振动幅度，找到正确的数据。
对于动态振动，可以进行离散傅里叶变换来分析数据，并找到准确的频率。
一般来说，动态振动的频率比静态振动的频率高，可以根据这个来区分不同的振动模式。
测风数据的处理方法
测风数据的处理⽅法测风数据的处理⽅法测风数据处理包括对测风数据的验证及计算处理。
（⼀）数据验证在验证处理测风数据时，必须先进⾏审定，主要从数据的代表性、准确性和完整性着⼿，因为它直接关系到现场风能资源的⼤⼩。
对提取的测风数据进⾏检查，判断其完整性、连贯性和合理性，挑选出不合理的、可疑的数据以及漏测的数据，对其进⾏适当的修补处理，从⽽整理出较实际合理的完整数据以供进⼀步分析处理。
完整性及连贯性检查，包括检查测风数据的数量是否等于测风时间内预期的数据数量；时间顺序是否符合预期的开始结束时间，时间是否连续。
合理性检查，包括测风数据范围检验，即各测量参数是否超出实际极限；测风数据相关性检验!即同⼀测量参数在不同⾼度的值差是否合理；测风数据的趋势检验，即各测量参数的变化趋势是否合理等，见表2-3~表2-5。
1.数据代表性⾸先了解现场测点的位置。
现场是简单的平坦地形、还是丘陵或者是复杂的地形，⽽测点在这⼏种地形下所处的位置。
在⼀个场地测风仪安装在最⾼、最低或者峡⾕⼝等不具有代表性。
因为将来安装风⼒发电机组是⼏⼗台或⼏百台，⾯积较⼤，测风点应是在平均地形状况下测得的风速，否则就偏⼤或偏⼩。
因为建造在经济上可⾏的风电场，必须有最低限度的风能资源要求，可能在⼭顶上达到了最低限度的风能资源要求，在⾕地达不到要求。
若在预选风电场有多点测风数据，可以进⾏对⽐分析，进⾏多点平均。
在平均时删除最低风速地形的值。
⽽且以后安装风⼒发电机组时，这些地形也不予以考虑。
此外，在测风点附近有⽆建筑物和树⽊，如有，测风点是否在建筑物和树⽊⾼度的10倍距离之外，这也是衡量测风点是否具有代表性的⼀个要素。
2.数据准确性数据序列既然是⼀种观测结果的时间序列，必然受到风速本⾝变化和观测仪器、观测⽅法以及观测⼈员诸因素变化的影响。
对于风电场测风的数据不能只从数据上分析其准确性要从现场测风点作实地考察，如风速感应器是否⽔平，如某⼀风电场在40m⾼处的风杯⽀臂向西倾斜45°影响风速的记录，某咨询公司作可⾏性研究报告时，在风洞中进⾏测试，其结果如下：由此可见现场测风的数据⾮常不准确，在0m/s时，实际上已有1.59m/s的风速，在10m/ s时，已有10.82m/s的风速。
风资源数据处理讲解
风资源测量与评估实务——测风数据处理与验证测风数据处理测风数据处理包括对数据的验证、订正，并计算评估风资源所需要的参数。
一．数据验证数据的验证是检查风场测风获得的原始数据，对其完整性和合理性进行判断。
经过初步检验和审查，没有发现不合理的数据和缺测的数据。
二．数据检验(1). 完整性检验数据数量与时间顺序应与预期数据一致。
(2). 合理性检验范围检验主要参数 合理范围平均风速 0 ≤小时平均值≤40m/s 风向 0≤小时平均值≤360 平均气压94kpa<小时平均值<106kpa 相关性检验50m/30m 高度小时平均风速差值<2.0m/s 50m/10m 高度小时平均风速差值<4.0m/s 50m/30m 高度风向差值<22.5 趋势检验1h 平均风速变化 <6m/m 3很平均气压变化 <1kpa 1h 平均温度变化<5℃所有数据均在同一高度，故无需相关性检查。
另外，要仔细判别并处理不合理数据。
有效数据完整率=%100--X 应测数目无效数据数目缺测数目应测数目有效数据完整率要达到90%。
三. 数据订正根据长期测站的观测数据，将测风数据订正为一套反映风场 长期平均水平的代表性数据 ，即风场测风高度上代表年的逐小时风 速风向数据。
四.数据处理将订正后的数据处理成 评估风场风能资源所需要的各种参数 ，包括不同时段的平均风速和风功率密度、风速频率分布、风向频率等。
.（1）平均风速 月平均、年平均；个月同一钟点平均、全年同一钟点平均。
（2）风功率密度))((2131i n i WPv n D ρ=∑=D wp ---平均风功率密度，W/m 2 n-----在设定时段内的记录数ρ----空气密度，kg/m 33i v -----第i 记录的风速（m/s ）值的立方平均风功率密度的计算应是设定时段内逐小时风功率密度的平均值，不可用年（或月）平均风功率密度。
D wp 中的ρ必须是当地年平均计算值。
风资源测量数据分析
风资源测量数据分析导言风能是一种广泛利用的可再生能源，对于充分了解风能资源的情况，以便在选择合适的风能发电设备和确定最佳的发电站点至关重要。
风资源的测量和分析是评估风能潜力的重要步骤，它能为决策者提供准确的数据和信息。
本文将介绍风资源测量数据的分析方法以及如何利用这些数据来评估风能资源。
一、风资源测量数据的收集1. 测量点的选择在进行风资源的测量之前，首先需要选择合适的测量点。
测量点的选择应基于以下几个因素：- 地理位置：测量点应位于地理环境适宜的区域，比如位于山地、海滨或平原地区。
- 高度：风速和风向可能会因高度的不同而发生变化，所以应选择不同高度的测量点。
- 基础设施：测量点应具备基础设施便利，如电力、网络等。
2. 数据采集设备为了收集风资源的测量数据，需要使用相应的数据采集设备，包括：- 风速测量仪：用于测量风速的设备，通常使用风速计进行测量。
常见的风速测量仪有杆状风速计、风速风向计等。
- 风向测量仪：用于测量风向的设备，可以和风速测量仪一起使用。
风向测量仪通常采用风向传感器来测量风的方向。
- 数据记录器：用于记录测量数据的设备，它可以将测量数据存储在内存或存储卡中，以备后续分析使用。
二、风资源测量数据的分析1. 数据处理收集到的原始测量数据需要经过一系列的处理步骤，以获得可靠和准确的数据。
数据处理步骤包括：- 数据清洗：将测量数据中的异常值和错误数据剔除或修正。
- 数据校准：将测量数据与标准参考数据进行比对，以确保测量数据的准确性。
- 数据插补：如果数据中存在缺失值，可以使用插补技术填充缺失值，以保证数据的完整性。
2. 数据分析风资源的测量数据可以进行多种分析，以评估风能资源的潜力和特征，常见的数据分析方法包括：- 风速频率分析：通过计算不同风速区间内的频率来确定风速的分布情况。
- 风向频率分析：通过计算不同风向区间内的频率来确定风向的分布情况。
- 风能密度分析：根据测量数据计算风能的密度，以评估风能资源的潜力。
Wasp风能评估及数据处理辅助工具
wasp原始资料准备（1）CAD地形图→.map等高线地形图& 粗糙度处理风电场区域地形图文件(map文件)的制作：一般为1:10000或更高精度的电子版CAD地形图，可以是测绘局出版的地形图，也可以是实测地形图，不管是dwg格式还是dxf格式，都需用WAsP软件附带的WAsP MAP Editor软件处理成map格式;（3）粗糙度处理粗糙度的定义(数字化粗糙度变化线的方法)：当用WAsP Map Edito软件处理成map格式地形图的过程中，需添加粗糙度线，或将具有地形等高线属性的多义线增加粗糙度属性，使该多义线同时具有等高线和粗糙度线的属性;（3）Excel工作表→风玫瑰图风频表文件(tab文件)的生成:一般用NRG测风仪测得的风资源数据(需3个以上整年的数据，至少1个整年)可以利用处理软件导成Excel工作表，可以将其中最接近风机轮毅高度的测风层的风速、风向、风速的方差和风向的方差按每小时的统计数据提取出存为txt格式文件，利用WAsP软件附带的OWC Wizard软件将该txt格式文件分析处理成含有12个风向扇区特征值的tab文件，即为WAsP软件所需的风频表文件;（4）风机参数→风机功率曲线风机功率曲线文件(pow或wtg文件)的准备:风机功率曲线文件的准备与风电机组的选型息息相关，当我们选择了某种单机容量的机型后，一般风机制造商都会提供该机型在切入风速与切出风速之间对应各个风速时的功率和推力系数Ct，由对应数据表可以利用WAsP软件附带的WAsP Turbine Editor软件制作pow或wtg格式的风机功率曲线文件，该功率曲线文件根据不同风电场和风机制造商的实际情况，可以是标准空气密度状态下的数据文件(此时计算风电场年上网电量时还需进行空气密度的修正)，也可以是风电场实际空气密度下的功率数据文件(此时计算风电场年上网电量时不需进行空气密度的修正);。
测风数据的处理方法
测风数据的处理方法测风数据处理包括对测风数据的验证及计算处理。
（一）数据验证在验证处理测风数据时，必须先进行审定，主要从数据的代表性、准确性和完整性着手，因为它直接关系到现场风能资源的大小。
对提取的测风数据进行检查，判断其完整性、连贯性和合理性，挑选出不合理的、可疑的数据以及漏测的数据，对其进行适当的修补处理，从而整理出较实际合理的完整数据以供进一步分析处理。
完整性及连贯性检查，包括检查测风数据的数量是否等于测风时间内预期的数据数量；时间顺序是否符合预期的开始结束时间，时间是否连续。
合理性检查，包括测风数据范围检验，即各测量参数是否超出实际极限；测风数据相关性检验!即同一测量参数在不同高度的值差是否合理；测风数据的趋势检验，即各测量参数的变化趋势是否合理等，见表2-3~表2-5。
1.数据代表性首先了解现场测点的位置。
现场是简单的平坦地形、还是丘陵或者是复杂的地形，而测点在这几种地形下所处的位置。
在一个场地测风仪安装在最高、最低或者峡谷口等不具有代表性。
因为将来安装风力发电机组是几十台或几百台，面积较大，测风点应是在平均地形状况下测得的风速，否则就偏大或偏小。
因为建造在经济上可行的风电场，必须有最低限度的风能资源要求，可能在山顶上达到了最低限度的风能资源要求，在谷地达不到要求。
若在预选风电场有多点测风数据，可以进行对比分析，进行多点平均。
在平均时删除最低风速地形的值。
而且以后安装风力发电机组时，这些地形也不予以考虑。
此外，在测风点附近有无建筑物和树木，如有，测风点是否在建筑物和树木高度的10倍距离之外，这也是衡量测风点是否具有代表性的一个要素。
2.数据准确性数据序列既然是一种观测结果的时间序列，必然受到风速本身变化和观测仪器、观测方法以及观测人员诸因素变化的影响。
对于风电场测风的数据不能只从数据上分析其准确性要从现场测风点作实地考察，如风速感应器是否水平，如某一风电场在40m高处的风杯支臂向西倾斜45°影响风速的记录，某咨询公司作可行性研究报告时，在风洞中进行测试，其结果如下：由此可见现场测风的数据非常不准确，在0m/s时，实际上已有1.59m/s的风速，在10m/ s时，已有10.82m/s的风速。
风资源数据验证和评估报告
风资源数据验证和评估报告一、前言在本次试验中，我以长沙理工大学云塘校区的工科一号楼上的自动气象观察站所测数据为基础，本着认真负责以及严谨好学的态度，对2014年8月28号的数据进行处理，处理过程如下。
二、数据的验证数据的验证是检查风场测风获得的原始数据，对其完整性和合理性进行判断。
经过初步检验和审查，没有发现不合理的数据和缺测的数据。
三、数据的检验根据《中国风资源测量和评估实务》一书以及GB/T 1870-2002相关标准规定，对长沙理工大学工科一号楼顶层1月下旬测风数据进行如下检验：1.范围检验：因为所给数据为一分钟每次，无法进行标准偏差计算。
（数据见附录）2.相关性检验：合理性检验因为所给数据风速高度只有一组，无法进行相关性检验。
3.趋势检验：4.根据上述检验可以得知，有效测风数据完整性为100%，因此数据无需订正，可直接处理。
四、数据处理将订正后的数据处理成评估风场风能资源所需要的各种参数。
1. 平均风速和风功率密度对于8月28日的风速和风功率密度情况 风功率计算方法：设定时段的平均风功率密度表达式：))((2131i n i WPv n D ρ=∑=D wp --------------------------平均风功率密度，W/m 2 n---------------------------在设定时段内的记录数ρ--------------------------空气密度，kg/m 33i v --------------------------第i 记录的风速（m/s ）值的立方平均风功率密度的计算应是设定时段内逐小时风功率密度的平均值，不可用年（或月）平均风功率密度。
D wp 中的ρ必须是当地年平均计算值。
它取决于温度和压力，空气密度可按照如下公式进行计算：RT P =ρρ-----------------------------空气密度，kg/m 3 P------------------------------年平均大气压力，Pa R------------------------------气体常数（287J/kg •K ） T------------------------------年平均空气开氏温标绝对温度 1. 风速和风能频率分布以0.5m/s为一个区间，统计每个风速区间内风速和风能出现的频率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
风资源测量与评估实务
——测风数据处理与验证
测风数据处理
测风数据处理包括对数据的验证、订正，并计算评估风资源所需要的参数。
一．数据验证
数据的验证是检查风场测风获得的原始数据，对其完整性和合理性进行判断。
经过初步检验和审查，没有发现不合理的数据和缺测的数据。
二．数据检验
(1). 完整性检验
数据数量与时间顺序应与预期数据一致。
理数据。
有效数据完整率=
%100--X 应测数目
无效数据数目
缺测数目应测数目
有效数据完整率要达到90%。
三. 数据订正
根据长期测站的观测数据，将测风数据订正为一套反映风场 长期平均水平
的代表性数据 ，即风场测风高度上代表年的逐小时风 速风向数据。
四.数据处理
将订正后的数据处理成 评估风场风能资源所需要的各种参数 ，包括不同时段的平均风速和风功率密度、风速频率分布、风向频率等。
.（1）平均风速 月平均、年平均；个月同一钟点平均、全年同一钟点平均。
（2）风功率密度
))((2131i n i WP
v n D ρ=∑=
D wp ---平均风功率密度，W/m 2 n-----在设定时段内的记录数
ρ----空气密度，kg/m 3
3i v -----第i 记录的风速（m/s ）值的立方
平均风功率密度的计算应是设定时段内逐小时风功率密度的平均值，不可用
年（或月）平均风功率密度。
D wp 中的ρ必须是当地年平均计算值。
它取决于温度和压力， 空气密度可按照如下公式进行计算：（一般取1.0253/m kg ）
RT P =
ρ
ρ-----空气密度，kg/m 3
P------年平均大气压力，Pa R----气体常数（287J/kg •K ）
T----年平均空气开氏温标绝对温度 综合以上数据，再画出风速、风功率密度折线图然后算出风向频率画出风玫瑰图。
日期/风向11121314151617181920 (N)5545511871610249608481278393 (NNE)1611681412064102314668 (NE)1181151010217352131851 (ENE)10110086049475123854 (E)72118108417135554418124 (ESE)62479128519275433666108 (SE)31294138179146212223023 (SSE)9544832796318410 (S)7401063559723 (SSW)54277330314 (SW)42123458207811 (WSW)15130764143205 (W)4256402052306 (WNW)1292002833510833310 (NW)48567559685351337165 (NWN)0000000000
五.总结
通过这次风资源测量评估课程的数据订正与处理，使我们熟悉了对所测量的风能数据进行处理和分析的过程，掌握了对验证完成的数据经过各种处理程序来评估风能资源的评估，也学习了风能估算和风力发电机组微观选址软件WAsP,初步学会了计算和输出相应的风能参数。
我们小组所处理的是10天的按每分钟记录工一楼上的风速、温度、风向、湿度以及大气压的原始数据，总数据为14400个，工作量很大，但我们小组分工明确，秉着严谨的工作态度，一丝不苟的将每个数据仔细分析、计算，虽然在计算过程中遇到了一些问题，但我们没有放弃，我们会相互讨论，也会在网上寻找答案，最终解决了各种困难，经过几天的努力，庞大的数据终于处理完了，我们得出了每日每小时风速的分布图线，每日每小时的风功率密度图线，和每天的风能玫瑰图，最终，我们很顺利的完成了此次的风资源测量评估的数据处理与分析。
在这次学习的过程中，我们深刻的体会到了知识是无限的，感觉自身的学习往往不够用，学的不够多，而且，综合知识能力也还有待提高，另一方面，团队的合作也很重要，一个人的能力往往有限，团队的合作才能体现没个人最大的能力，此外，还要感谢我们李薇老师的细心指导，给我们提供了这个学习的机会，这对我们将来的就业和走上工作岗位之后有很大的帮助，也使我们受益匪浅。