第二章：风能资源评估参数

各位同学，今天我们来聊聊风能资源评估的核心参数。说实话，我刚入行那会儿，觉得测风就是立个塔、装个风速计就完事了。后来被现实狠狠教育了一顿——参数选不对，后面所有设计都是白搭。

风能资源评估，说白了就是回答三个问题：风有多大？风有多稳？风怎么变？ 下面这五个参数，就是回答这些问题的关键。

2.1 平均风速

平均风速是最基础的参数。但我要提醒你——千万别只看平均值。

我在内蒙古一个项目上吃过亏。当时测风数据显示年平均风速6.5m/s，觉得挺不错。结果装机后才发现，这6.5m/s是「冬天大风+夏天小风」平均出来的。冬天风机满发，夏天经常停机。发电量比预期低了15%。

所以，平均风速要分时段看：

• 年平均风速：用于宏观选址
• 月平均风速：看季节性变化
• 日平均风速：看昼夜差异

2.2 风功率密度

风功率密度比平均风速更「诚实」。为什么？因为风能跟风速的三次方成正比。风速差一点，能量差很多。

举个例子：

风速6m/s时，风功率密度约160W/m²。
风速8m/s时，风功率密度约380W/m²。
你看，风速只增加了33%，能量却翻了2.4倍。

计算公式很简单：

风功率密度 = 0.5 × 空气密度 × 风速³

空气密度一般取1.225 kg/m³（标准海平面条件）。但如果你在高原项目，比如云南、青海，空气密度会降到1.0左右。这时候风功率密度直接打八折。嗯，这个坑我踩过。

2.3 风切变指数

风切变指数描述的是风速随高度变化的规律。说白了就是：塔筒越高，风越大，但大多少？

风切变指数α通常取0.1~0.3之间。平坦地形α≈0.14，复杂山地α可能到0.3以上。

我记得在福建一个沿海项目，测风塔数据显示α只有0.08。当时我挺纳闷——这数据是不是有问题？后来查了气象资料才发现，那个位置受海陆风影响，垂直混合特别强，所以风切变很小。最后我们选了低塔筒方案，省了不少钱。

风切变指数的计算：

α = ln(V₂/V₁) / ln(H₂/H₁)

其中V₁、V₂是高度H₁、H₂处的风速。

2.4 湍流强度

湍流强度衡量的是风速的「抖动程度」。你想想看，如果风速忽大忽小，风机叶片受力就不均匀，疲劳载荷会加重。

湍流强度I的计算：

I = 风速标准差 / 平均风速

一般I<0.1属于低湍流，0.1~0.25属于中等，>0.25属于高湍流。

我曾经在甘肃一个项目上遇到湍流强度高达0.35的情况。当时风机厂商直接说「这机型不能用，得换抗湍流型」。最后多花了300万采购特殊机型。所以，湍流强度这个参数，直接关系到机型选型和成本。

什么情况下湍流会高？

• 复杂地形（山脊、陡坡）
• 建筑物或树林附近
• 强对流天气频繁的区域

2.5 韦布尔分布

韦布尔分布是用来描述风速概率分布的。它告诉你：一年中，不同风速各出现了多少小时。

韦布尔分布有两个参数：

• 形状参数k：一般在1.5~3.0之间。k越大，风速越集中；k越小，风速越分散。
• 尺度参数c：跟平均风速正相关，c越大，平均风速越高。

拟合韦布尔分布的代码（Python）：

import numpy as np
from scipy.stats import weibull_min

# 假设你有风速数据 wind_speed
params = weibull_min.fit(wind_speed)
k, loc, c = params  # k是形状参数，c是尺度参数

# 计算各风速段的出现概率
v = np.linspace(0, 25, 100)
pdf = weibull_min.pdf(v, k, loc, c)

有了韦布尔分布，你就能估算年发电量了。把每个风速段的概率乘以该风速下的功率曲线，再乘以8760小时，就是年发电量。

知识体系总览

下面这张图，把这五个参数的关系梳理清楚了：

这五个参数，每个都有自己的「脾气」。平均风速告诉你「有没有风」，风功率密度告诉你「风有多少能量」，风切变指数告诉你「塔筒该多高」，湍流强度告诉你「风机能不能扛得住」，韦布尔分布告诉你「一年能发多少电」。

在实际项目中，我一般先看平均风速和风功率密度做初步筛选，然后用风切变指数确定塔筒高度，再用湍流强度校核机型选型，最后用韦布尔分布算发电量。这个流程走下来，基本不会出大问题。

---

公众号:蓝海资料掘金营，微信deep3321