具体位置的风能资源评估通常包含对测风观测点的初步挑选，进而将搜集到的数年风资源参数的统计、分析与计算，最终由得到的风资源评估重要参数来评价。由于风具有随机性，需选取一个数学模型来描述风速的分布概率，以便进行具体数学分析。国外的的学者如Joseph，P．atal和Justus，C．G等[7]。分析指出，通常认为风速的分布为偏正态分布，对风速分布进行拟合的函数有很多，最常见的是威布尔分布。R．Gasch和J．Twele共同建立的威布尔分布及其特殊情况下的瑞利分布风速评估模型，论述并研究了风速垂直分布规律及对风能的估算方法[8]。30979
    每一个测风塔均会产生数据的缺测或者数据不合理的情况，只有在对其订正及补缺之后，方能得到一系列对于该测风期完整的测风数据。即所谓的完整性检验与合理性检验[9] 。
    徐力卫研究了无效测风数据的处理方法，如同塔某一层的风速数据无效，其提出使用历史上的有效数据来推算得到各层风速数据之间的关联式，由相关分析结果(相关性系数≥80％)推算出无效数据层的风速来对其进行补齐，如此将比通过风切变指数与其他层数据来计算并且补齐无效风速的情况更加准确，因为风切变指数并非一个常数[10]。王远对于缺失数据进行插补采用了3 种不同的线性相关插补方法：方法一，相关关系构建基于主测风塔与参照测风塔同期所有的测风数据（除去缺测数据）；方法二，通过不同季节的测风数据来构建相关关系；方法三，通过不同风向扇区（通常16 个）的测风数据来构建相关关系。由结果分析可知，方法一误差最大，方法二次之，方法三的误差最小[11]。谢建华在数据插补研究时构建了达坂城测风塔风速在不同高度下的的相关性方程, 通过对2006 年达坂城测风塔10 m和30 m传感器所得数据的线性和非线性相关性分析发现, 利用非线性分析得出的数据更接近实际数据。说明用非线性分析得出的修正数据更接近实际情况。因此, 在实际进行数据修正工作时, 可以选用高阶的非线性函数去插补和更正[12]。论文网
    谢军对某风电场内两座70米高的测风塔样1、样2的测风数据进行研究。得出对缺测、不合的理测风数据进行修补，应当尽可能选择相同测风塔在不同高度处测量结果来进行相关性比较，相关系数在≥80％的基础上，选取最靠近1的有参考价值的同期风速传感器的测量结果[6]。史剡烽通过实例分析，对风速、风向、测风塔位置、测风塔湍流强度和入流角等及气象站多年数据等方面研究了测风塔和测风数据合理性。得出，在测风设备安装过程中，除严格按照国家规定外，也应该根据当地实际作适应性调整。长期数据包括观测点环境，使用设备替换及场址变更等影响，运用之前应当对其进一步观察并进行归一化的处理，从而整合得到较为合理的长期数据[13]。          
     周犹海对测风塔原始数据进行完整性，合理性，代表性三性分析从而获得更准确的年风速统计表，判断风电机组选型及计算出理论发电量及有效小时数[14]。潘晓春通过风能资源特性指标、风电机组的年发电量以及风电机组布置等方面的影响，通过分析对比风电场8种测风数据的修正方案，将各方案进行优劣排序，并指出订正方案最佳的并非《风电场风能资源评估方法》(GB/T18710—2002)中推荐的。而是以“场向站速”进行试验的代数差值法结果最佳[15]。
     另外王红芳提出对测风数据进行检验之后，插补、回归数据的时候数据要回归至10min而不是1h，风资源评估代表年建议使用“平均风速年的数据”、“最大风速年的数据”和“最小风速年的数据”来分析[16]。 国内外风资源评估及测风数据处理发展研究现状:http://www.youerw.com/yanjiu/lunwen_26986.html