4. 风能资源图谱绘制：风玫瑰图、风速频率分布、威布尔参数拟合
做风电场微观选址，说白了就是跟风打交道。但风这东西看不见摸不着，怎么办？
得把它画出来。
把抽象的风数据变成直观的图，这就是风能资源图谱。我个人习惯，拿到测风数据后，第一件事不是算发电量，而是先画这三张图：风玫瑰图、风速频率分布图、威布尔拟合曲线。这三张图看明白了，场址的风资源禀性也就摸透了七八分。
4.1 风玫瑰图：风从哪里来？
风玫瑰图，顾名思义，像一朵玫瑰。每一片“花瓣”代表一个风向扇区，花瓣的长度表示该风向出现的频率。
为什么要先画它？ 因为风机排布的核心原则就是“追风”。你得知道主风向，才能把风机排成最有效的阵列。
核心要点： 主风向决定了机位排布的主轴线。偏离主风向超过30°，尾流损失会显著增加。
我在项目中遇到过一件事。有个项目，业主自己用软件算的发电量很高，但实际运行下来差了一大截。我过去一看，风玫瑰图显示主风向是东北风，但业主把风机排成了东西向的直线。说白了，就是没看风向，凭感觉排的。后来调整了排布方向，发电量提升了近8%。
绘制风玫瑰图，一般用16个方位（N、NNE、NE、ENE、E……）。每个扇区22.5°。数据来源是测风塔的10分钟平均风向序列。
代码示例（Python + WindRose库）：
import windrose
import matplotlib.pyplot as plt
# 假设 wind_direction 和 wind_speed 是测风数据
ax = windrose.WindroseAxes.from_ax()
ax.bar(wind_direction, wind_speed, normed=True, opening=0.8, edgecolor='white')
ax.set_legend()
plt.title('风玫瑰图 - 某平原风电场')
plt.show()小技巧： 我建议把风速也分层显示。比如用不同颜色表示3-5m/s、5-8m/s、8m/s以上。这样能一眼看出哪个方向不仅风多，而且风大。
4.2 风速频率分布：风都吹在什么速度上？
风玫瑰图告诉你风从哪来。风速频率分布图告诉你，风都吹在什么速度上。
横轴是风速（m/s），纵轴是出现频率（%）。典型的平原风电场，风速频率分布呈“左偏”形态——大部分时间风速在3-8m/s之间，极端高风速很少。
为什么这个图重要？ 因为风机有个“额定风速”。比如某台2MW风机，额定风速是11m/s。如果场址的风速频率峰值在5m/s，那这台风机大部分时间都在“吃不饱”的状态下运行。说白了，就是选型没选对。
绘制方法很简单：把风速按0.5m/s或1m/s的bin进行统计，计算每个bin内的数据点占比。
import numpy as np
import matplotlib.pyplot as plt
# 风速数据
bins = np.arange(0, 25, 0.5)
freq, _ = np.histogram(wind_speed, bins=bins, density=True)
plt.bar(bins[:-1], freq, width=0.5, color='skyblue', edgecolor='black')
plt.xlabel('风速 (m/s)')
plt.ylabel('频率')
plt.title('风速频率分布直方图')
plt.show()注意： 我曾经遇到过测风塔数据有“死区”——风速计在低风速段（<2m/s）不灵敏，导致低频段数据失真。处理时一定要先做质量控制，剔除异常值。
4.3 威布尔参数拟合：给风资源建个数学模型
直方图是离散的。但做工程计算时，我们需要一个连续的数学函数来描述风速分布。这就是威布尔分布。
威布尔分布有两个参数：
- 形状参数 k：描述分布的“胖瘦”。k值越小，分布越宽，风速变化越剧烈。平原地区k值一般在1.8-2.2之间。
- 尺度参数 A：描述平均风速的大小。A值越大，平均风速越高。
拟合方法有很多。我个人习惯用最大似然估计法（MLE），精度高，而且Python的SciPy库直接支持。
from scipy.stats import weibull_min
import numpy as np
# 拟合威布尔参数
params = weibull_min.fit(wind_speed, floc=0)
k, loc, A = params # loc通常为0
print(f'形状参数 k = {k:.2f}')
print(f'尺度参数 A = {A:.2f}')拟合完成后，把威布尔曲线叠在频率直方图上，看看吻合度。如果偏差大，说明数据可能有问题，或者场址的风况比较特殊（比如受山谷效应影响）。
经验之谈： 威布尔拟合不是万能的。我见过一个沿海项目，风速分布呈现“双峰”特征——一个峰在5m/s，另一个在12m/s。这种用单一威布尔分布拟合效果很差。后来我改用双威布尔混合模型，才把问题解决。
4.4 三张图的关系：一个完整的资源图谱
这三张图不是孤立的。它们共同构成了风能资源图谱的核心。
我习惯这样用：
- 先看风玫瑰图：确定主风向，规划排布方向。
- 再看风速频率分布：判断平均风速水平，评估风机选型是否合理。
- 最后做威布尔拟合：为后续发电量计算提供数学模型。
这三步走完，你对这个场址的风资源就有了一个立体的认识。嗯，这时候再去做微观选址，心里就有底了。
避坑指南： 我曾经在某个项目上，只看了年平均风速就做了排布。结果发现，虽然年平均风速不错，但低风速段（<4m/s）占比很高，导致风机频繁启停，发电量远低于预期。所以，一定要看频率分布，不能只看平均值。
4.5 本章知识体系
下面这张图，是我自己总结的风能资源图谱绘制流程。你可以把它当作一个检查清单。
这张图把整个流程串起来了。从测风数据出发，经过三个维度的分析，最终形成一张完整的资源图谱。你想想看，有了这张图，做微观选址是不是就清晰多了？
公众号:蓝海资料掘金营，微信deep3321