1. 风能资源基础：风能的形成与特性、全球风能资源分布、中国风能资源区划

1.1 风是怎么来的？—— 风能的形成机制

做风资源评估这么多年，我经常被问到同一个问题：「风到底是怎么产生的？」

说白了，风的本质就是空气在水平方向上的运动。那空气为什么会动？因为压力差。太阳照射地球，不同地方受热不均匀，赤道热、两极冷，这就造成了气压差。空气从高压区流向低压区，就形成了风。

嗯，这里要注意一个关键点：地球自转还会让风「跑偏」，这就是科里奥利力效应。北半球的风会向右偏，南半球向左偏。我在内蒙古做项目时，就发现当地盛行风向常年偏西，这就是受这个效应影响的典型例子。

1.2 风的脾气 —— 风能的主要特性

风这东西，说实话挺「任性」的。它有以下几个特点，做资源评估时必须心里有数：

• 随机性：风速风向随时在变，今天和明天可能完全不一样
• 间歇性：风不是一直吹的，有风期和无风期交替出现
• 季节性：我国大部分地区冬季风大、夏季风小，但也有例外
• 垂直变化：离地面越高风速越大，这就是风切变
• 湍流特性：风不是平稳流动的，会有各种尺度的涡旋

我记得在云南一个山地项目，测风塔数据显示10米和80米高度的风速差异特别大。后来一查，是当地复杂地形造成的强风切变。这个案例让我养成了一个习惯：任何项目都必须分析风切变指数，不能想当然。

1.3 全球风能资源分布 —— 哪里风最好？

全球风能资源分布其实很有规律。你想想看，主要受三个因素影响：大气环流、海陆分布、地形地貌。

区域	风能资源特点	典型风速（80m高度）
北欧沿海	受西风带影响，常年大风	8-10 m/s
北美大平原	南北通透，季风明显	7-9 m/s
北非沿海	信风带，稳定且强劲	8-11 m/s
中国三北地区	蒙古高压影响，冬季风大	6-8 m/s
东南亚沿海	季风气候，季节性明显	5-7 m/s

全球最好的风场集中在三个地带：南北纬40-60度的西风带、沿海地区、以及高山隘口。我曾经参与过一个智利南部的项目评估，那里的年平均风速能达到12m/s以上，风机基本满发，真是让人羡慕。

1.4 中国风能资源区划 —— 咱们自己的家底

中国的风能资源，我做了十几年评估，可以负责任地说：总量丰富，但分布不均。根据国家气象局的数据，我国风能资源主要分为四个区：

1. 风能丰富区：三北地区（东北、华北、西北）和沿海岛屿。年平均风速6-9m/s，有效风能密度200-300W/m²
2. 风能较丰富区：东南沿海内陆、青藏高原东部。风速5-6m/s，密度150-200W/m²
3. 风能可利用区：华北平原、长江中下游。风速4-5m/s，密度100-150W/m²
4. 风能贫乏区：四川盆地、云贵高原中部。风速3m/s以下，密度低于50W/m²

这里我画了一张图，把风能资源评估的核心逻辑串起来，方便你理解：

1.5 风能资源评估的「三板斧」

做资源评估这么多年，我总结了三件必须做的事：

• 第一板斧：数据收集。至少收集3年以上的气象数据，包括风速、风向、温度、气压、湿度。数据来源可以是气象站、再分析数据（如ERA5）、卫星反演数据
• 第二板斧：实地测风。在拟选场址安装测风塔，高度至少达到轮毂高度，测风周期不少于1年。我曾经在新疆一个项目，测风塔装了18个月才拿到完整数据，因为冬季大雪封路没法维护
• 第三板斧：数据分析。用专业软件（如WAsP、WindPRO、WindSim）进行风资源图谱绘制、发电量计算、不确定性分析

import pandas as pd
import numpy as np
from scipy.stats import weibull_min

# 读取测风数据
df = pd.read_csv('wind_data.csv')
wind_speed = df['ws_80m'].values

# 拟合威布尔分布
params = weibull_min.fit(wind_speed, floc=0)
k, c = params[0], params[2]

print(f'形状参数 k = {k:.2f}')
print(f'尺度参数 c = {c:.2f} m/s')
print(f'平均风速 = {np.mean(wind_speed):.2f} m/s')
print(f'风功率密度 = {0.5 * 1.225 * np.mean(wind_speed**3):.2f} W/m²')

嗯，这套流程走下来，基本就能对一个场址的风资源情况有个八九不离十的判断了。当然，实际项目中还会遇到各种特殊情况，比如复杂地形、极端天气、电网限制等等，这些我们后面章节再细聊。

---

公众号:蓝海资料掘金营，微信deep3321