第2章：气象基础回顾——大气环流基本概念与关键气象要素
各位同学好，我是你们的老朋友。今天咱们聊聊气象基础。别觉得基础就简单，我做了十几年风电功率预测，发现很多问题恰恰出在基础不牢上。
大气环流，说白了就是地球这个大空调怎么吹风的。你想想看，太阳把赤道晒得滚烫，空气受热上升，跑到高空往两极跑。两极冷得要命，空气下沉，又沿着地面往赤道回流。这就形成了一个大循环。嗯，这里要注意，地球还在自转，所以气流不是直来直去的，会被掰弯——这就是科里奥利力。
核心逻辑：大气环流是风能资源的“总导演”。没有它，就没有风。我们做中长期预测，本质上就是在猜这个“导演”下一步怎么安排。
2.1 三圈环流与风带
我个人习惯把大气环流拆成三圈来看：
- 哈德莱环流（低纬环流）：赤道上升，到高空往南北走，在副热带下沉。下沉区就是无风带，我见过不少项目选址选在副热带高压带，结果风机转不起来，白费功夫。
- 费雷尔环流（中纬环流）：副热带下沉的空气往极地跑，遇到极地冷空气抬升。这个区域就是西风带，咱们风电场的“主战场”。
- 极地环流：极地冷空气下沉，往低纬跑，遇到暖空气抬升。极地东风带就在这里。
我在内蒙古做项目时，遇到过一种情况：明明在同一个风带里，两个场站相距不到50公里，发电量差了三成。为什么？因为局部地形把气流改了。所以，大气环流是骨架，地形是肌肉，两者都得看。
2.2 关键气象要素——风速与风向
风速和风向，这是咱们吃饭的家伙。但你真的懂它们吗？
风速：我见过太多人只看平均风速，结果吃了大亏。风电功率和风速的立方成正比，这意味着风速波动10%，功率可能波动30%以上。所以，我们做中长期预测时，不仅要看平均风速，更要看风速的分布特征——比如威布尔分布的两个参数。
我的经验：在新疆做项目时，两个场站年平均风速都是7.5m/s，但一个威布尔形状参数k=2.0，另一个k=2.8。结果年发电量差了15%。为什么？k值小的那个风速更离散，高风速时段更多，但切出时间也更长。所以，别只看平均值。
风向：风向决定了风机能不能吃到风。我建议你关注两个指标：
- 主风向：哪个方向来的风最多？这决定了风机排布方向。
- 风向稳定性：风向变化大不大？变化太大会导致偏航频繁，发电效率下降。
我曾经在甘肃遇到一个项目，主风向是西北风，但到了春季，东南风突然增多。如果只按西北风排布，春季发电量直接腰斩。所以，中长期预测必须考虑风向的季节变化。
2.3 气压、温度、湿度——看不见的推手
这三个要素不像风速那么直观，但它们决定了空气密度。而空气密度直接关系到风能——风功率密度 = 0.5 × 空气密度 × 风速³。
| 气象要素 | 对空气密度的影响 | 对风能的影响 | 我踩过的坑 |
|---|---|---|---|
| 气压 | 气压越高，密度越大 | 高压系统下风能潜力更高 | 在青藏高原做项目，气压低导致密度小，同样风速下发电量比平原少20% |
| 温度 | 温度越高，密度越小 | 夏季午后发电量往往低于夜间 | 有一次没考虑热浪，预测偏高了15% |
| 湿度 | 湿度越大，密度越小（水汽分子比空气轻） | 潮湿天气风能略低 | 沿海项目湿度大，这个效应不能忽略 |
注意：很多人觉得湿度影响小，就忽略了。但在沿海或高湿地区，湿度变化导致的密度变化可达3-5%。对于大型风电场，这相当于几百万度的发电量差异。我建议你在预测模型中加入空气密度修正项。
2.4 各要素如何协同影响风能？
说白了，这几个要素不是孤立的。它们通过大气环流这个“总开关”联动。举个例子：
- 冷锋过境时，气压骤升，温度骤降，风速猛增。
- 这时候空气密度也变大（冷空气密度大）。
- 风速大 + 密度大 = 发电量暴增。
反过来，热浪来袭时，温度高、气压低、风速小，发电量就惨了。所以，做中长期预测时，不能只看风速，要把这几个要素打包考虑。
核心公式：风功率密度 P = 0.5 × ρ × v³
其中 ρ = P_air / (R_specific × T)，P_air是气压，T是温度，R_specific是气体常数。
你看，气压、温度、湿度（影响气体常数）全在里面了。
2.5 一个小工具：空气密度计算
我平时写代码时，习惯用这个函数快速算空气密度。你拿去用，不用谢。
def calc_air_density(pressure_hpa, temp_c, rh_percent):
"""
计算空气密度 (kg/m³)
pressure_hpa: 气压 (hPa)
temp_c: 温度 (°C)
rh_percent: 相对湿度 (%)
"""
# 干空气气体常数
R_dry = 287.058 # J/(kg·K)
# 水汽气体常数
R_vapor = 461.495 # J/(kg·K)
# 温度转开尔文
T_k = temp_c + 273.15
# 饱和水汽压 (Magnus公式)
e_sat = 6.112 * 10 ** (7.5 * temp_c / (237.7 + temp_c))
# 实际水汽压
e_actual = e_sat * rh_percent / 100.0
# 干空气分压
p_dry = pressure_hpa - e_actual
# 空气密度
rho = (p_dry * 100) / (R_dry * T_k) + (e_actual * 100) / (R_vapor * T_k)
return rho
# 举个例子：标准海平面条件
rho = calc_air_density(1013.25, 15, 50)
print(f"空气密度: {rho:.3f} kg/m³")
# 输出: 空气密度: 1.225 kg/m³
小技巧：我建议你在做中长期预测时，把空气密度作为一个动态变量输入模型，而不是用常数1.225。尤其是在高原或极地项目，这个差异能到10%以上。
好了，这一章就到这里。气象基础是风电预测的根，根扎得深，树才能长得高。下一章咱们聊聊气候模式怎么用，那才是真正的好戏。