第二章 气象学基础：风能资源评估、大气边界层理论、风速与风向的测量、气象数据来源

做风电功率预测，说白了就是跟老天爷打交道。你想想看，风这东西看不见摸不着，却直接影响着你的预测精度。我刚开始入行时，总觉得算法模型才是王道，气象学嘛，看看就行。结果呢？模型跑得飞起，预测结果却惨不忍睹。后来我才明白——不懂气象，你的模型就是个瞎子。

这一章，我们就来聊聊气象学里那些跟风电预测最相关的东西。我不会跟你扯什么高深的大气动力学方程，咱们就讲实际用得上的。

2.1 风能资源评估

风能资源评估，说白了就是搞清楚一个地方到底有多少风能可以拿来发电。这步要是做不好，后面所有工作都是白搭。

我个人习惯用三个核心指标来评估：

• 平均风速：最基础的指标，但别只看平均值。我见过一个项目，年平均风速6m/s，看似不错，结果发现大部分时间风速都在3m/s以下，根本发不了电。
• 风功率密度：这个比平均风速靠谱多了。它考虑了空气密度和风速的立方关系。公式很简单：WPD = 0.5 × ρ × v³，其中ρ是空气密度，v是风速。
• 威布尔分布参数：描述风速概率分布的两个参数——形状参数k和尺度参数c。k值一般在1.5-3之间，k越大，风速越稳定。

2.2 大气边界层理论

大气边界层，就是地面以上1-2公里那层空气。为什么我们要关心这个？因为风电机组就装在这层里，风速、风向、湍流强度都受它影响。

大气边界层有个重要规律——风速随高度变化。你想想看，地面有摩擦，风速低；越往上，摩擦越小，风速越大。这个变化规律可以用两种模型描述：

模型	公式	适用场景
对数律	v(z) = (u*/κ) × ln(z/z₀)	中性层结，平坦地形
指数律	v(z) = v(z₀) × (z/z₀)ᵅ	工程估算，复杂地形

这里u*是摩擦速度，κ是卡门常数（约0.4），z₀是粗糙度长度，α是风切变指数。嗯，公式看着有点吓人，但实际用起来很简单。

2.3 风速与风向的测量

测量风速和风向，听起来简单，但坑不少。我刚开始做项目时，就吃过测风数据的亏。

常用的测风设备有三种：

• 机械式风速仪：便宜、可靠，但容易结冰。我在东北一个风电场，冬天风速仪冻住了，数据直接归零，害得模型训练全废了。
• 超声波风速仪：精度高、无移动部件，但贵。适合做研究用。
• 激光雷达（LiDAR）：可以测不同高度的风速，但成本更高。现在大型风电场越来越常用。

测量时要注意几个关键点：

1. 采样频率：至少1Hz，最好10Hz以上。低频采样会丢失湍流信息。
2. 数据质量控制：剔除异常值、处理缺测数据。我习惯用3σ原则——超出均值±3倍标准差的数据直接扔掉。
3. 仪器维护：定期校准、清洁。别问我怎么知道的——有一次塔筒上的鸟窝直接挡住了风速仪。

2.4 气象数据来源

做风电预测，数据来源主要有两个：数值天气预报（NWP）和再分析数据。这两者有什么区别？

数据源	特点	用途	典型产品
NWP	实时预报，时效性强	短期预测（0-72小时）	ECMWF、GFS、WRF
再分析数据	历史数据，质量高	模型训练、长期评估	ERA5、MERRA-2

我个人习惯的做法是：

• 用再分析数据（比如ERA5）做模型训练和验证。为什么？因为它经过了数据同化，质量比原始观测数据好得多。
• 用NWP数据做实时预测。ECMWF的全球模式精度最高，但分辨率粗（约9km）；GFS免费但精度差一些；WRF可以自己跑，适合特定区域。

说到数据获取，我常用的几个渠道：

• ECMWF：欧洲中期天气预报中心，数据质量最高，但需要付费或申请学术账号
• NCEP GFS：美国全球预报系统，完全免费，分辨率0.25°
• ERA5：ECMWF的第五代再分析产品，免费，分辨率0.25°，时间跨度从1940年至今
• MERRA-2：NASA的再分析数据，免费，分辨率0.5°×0.625°

嗯，这里要注意——不同数据源的分辨率、时间步长、变量定义都不一样。我建议你先把数据统一插值到同一个网格上，再开始建模。不然的话，模型学到的可能是数据之间的差异，而不是真正的物理规律。

最后，我想说一句——气象学基础这东西，看起来跟算法没关系，但实际做项目时，你会发现它无处不在。风速的日变化、季节变化、地形影响、海陆风效应……这些物理规律，你的模型学得再好，也不如你直接告诉它来得快。