1.數據代表性首先了解現場測點的位置。現場是簡單的平坦地形、還是丘陵或者是復雜的地形，而測點在這幾種地形下所處的位置。在一個場地測風儀安裝在zui高、zui低或者峽谷口等不具有代表性。因為將來安裝風力發電機組是幾十臺或幾百臺，面積較大，測風點應是在平均地形狀況下測得的風速，否則就偏大或偏小。因為建造在經濟上可行的風電場，必須有zui低限度的風能資源要求，可能在山頂上達到了zui低限度的風能資源要求，在谷地達不到要求。

若在預選風電場有多點測風數據，可以進行對比分析，進行多點平均。在平均時刪除zui低風速地形的值。而且以后安裝風力發電機組時，這些地形也不予以考慮。

此外，在測風點附近有無建筑物和樹木，如有，測風點是否在建筑物和樹木高度的10倍距離之外，這也是衡量測風點是否具有代表性的一個要素。

2.數據準確性數據序列既然是一種觀測結果的時間序列，必然受到風速本身變化和觀測儀器、觀測方法以及觀測人員諸因素變化的影響。對于風電場測風的數據不能只從數據上分析其準確性要從現場測風點作實地考察，如風速感應器是否水平，如某一風電場在40m高處的風杯支臂向西傾斜45°影響風速的記錄，某咨詢公司作可行性研究報告時，在風洞中進行測試，其結果如下：

由此可見現場測風的數據非常不準確，在0m/s時，實際上已有1.59m/s的風速，在10m/s時，已有10.82m/s的風速。無疑現場風速測量的準確性差。

風向的準確性關系到確定主導風向，但有的現場測風站僅用羅盤，把北標記對準地磁方向的“北”，沒有進行地磁偏角方向找正。還有的風向指北桿各點不一致，在測量塔裝多層風向標，上下指北桿有5°-10°的差異，這些都影響風向玫瑰圖的精度。

3.數據完整性由于傳感器、數據處理器和記錄器的失靈或者電池更換不及時等都能引起數據遺漏，使現場觀測的風速值產生不連續，形成資料不完整，實際上一年的資料中間斷斷續續加起來僅7、8個月的數據，這樣的資料無法用WAsP軟件進行計算，也缺乏其代表性。

數據完整率應是采集時間的95%以上，zui差也不能低于90%。有效數據完整率計算：

應測數目是測量期間總小時數，缺測數目為沒有記錄到小時的數目，無效數據數目為確認是不合理的小時數目。

風電場要求至少有一年的完整數據（是一個自然年從1月1日到12月31日），因為一年是建立風況季節性特性資料的zui短期限，這樣也有利于與氣象站資料進行對比分析，若用前一年的下半年和后一年的上半年作為一年，往往很難判斷是大風年還是小風年。

一般來說，數據驗證工作應在測風數據提取后立即進行。檢驗后列出所有可疑的數據和漏測的數據及其發生時間。對可疑數據進行再判斷，從中挑選出符合實際的有效數據放回原數據中；無效數據則采用前后相鄰數據取平均、參考其他類似測風設備同期數據、或者憑經驗進行替代而變為有效數據，對無法平均或無法替代的則視為無效數據；誤測和漏測數據除按可疑數據進行處理外，應及時通知測風人員盡快采取措施予以糾正。zui終整理出一組連續的數據，數據完整率（即除去漏測數據數量和無效數據數量后的實際數據數量占應測量數據的比例）應達到90%以上。

zui后，將所有經驗測出風速后處理數據驗證后的數據匯總，得到至少連續一年的一套完整的數據。