第一章 风能资源基础理论
各位同行，大家好。我是老张，干风资源评估这行有十几年了。今天咱们聊聊风能资源的基础理论。别小看这些基础，我见过不少项目，就是基础没打牢，后期吃了大亏。
核心观点：风资源评估的准确度，直接决定了风电场未来20年的收益。基础理论不扎实，后面所有工作都是空中楼阁。
1.1 风的形成与测量
风是怎么来的？说白了，就是空气在“跑”。太阳把地面晒热了，热空气轻，往上跑；冷空气重，过来补位。这一跑，就形成了风。
我个人习惯把风分成两类：
- 大尺度风：季风、信风这些，受大气环流控制
- 局地风：海陆风、山谷风，受地形影响大
测量风，我们主要看两个参数：风速和风向。仪器嘛，最常用的就是风速计和风向标。
我的经验：测风塔安装时，一定要注意避开障碍物。我曾经在内蒙古一个项目上，测风塔旁边有棵大树，数据整整偏低了15%。后来砍了树，数据才正常。你想想看，这要是没发现，风机选型全错了。
测量高度也有讲究。标准是10米、50米、70米、100米。但实际项目中，我建议至少测到轮毂高度以上10米。为什么？因为风切变的影响，下面和上面的风速差别很大。
1.2 风能公式与功率密度
风能公式，大家应该都背过：
P = 0.5 × ρ × A × V³其中：
- P：风功率（W）
- ρ：空气密度（kg/m³）
- A：扫风面积（m²）
- V：风速（m/s）
注意看，风速是三次方关系。风速翻一倍，功率变八倍。这就是为什么我们总盯着高风速区不放。
功率密度呢，就是单位面积上的风功率：
D = 0.5 × ρ × V³这个参数很实用。我一般用它来快速判断一个场址的资源好坏。举个例子：
| 功率密度等级 | 范围（W/m²） | 资源评价 |
|---|---|---|
| 1级 | <200 | 较差 |
| 2级 | 200-300 | 一般 |
| 3级 | 300-400 | 较好 |
| 4级 | 400-500 | 良好 |
| 5级 | >500 | 优秀 |
避坑指南：我曾经在云南一个山地项目上，只看平均风速就下了结论。结果发现空气密度低（海拔高），实际功率密度比平原地区低了近20%。从那以后，我每次都会把空气密度单独算一遍。
1.3 风切变与湍流强度
风切变，就是风速随高度的变化。公式是：
V₂ = V₁ × (h₂/h₁)^αα是风切变指数。平坦地形一般在0.1-0.2，复杂地形可能到0.3甚至更高。
湍流强度呢，是风速的波动程度。公式：
TI = σ / V_meanσ是风速标准差，V_mean是平均风速。
这两个参数，直接影响风机选型和载荷计算。湍流强度高了，风机叶片容易疲劳断裂。我见过一个项目，湍流强度0.25，用的标准风机，结果三年内换了两次叶片。
我的建议：湍流强度超过0.2的场址，一定要用加强型风机。别为了省钱，后面花大价钱维修。
1.4 风玫瑰图与风向频率
风玫瑰图，说白了就是风向的“长相”。它告诉我们：风主要从哪个方向来，频率多高。
画风玫瑰图，步骤很简单：
- 把风向分成16个方位（N、NNE、NE...）
- 统计每个方位的出现频率
- 按比例画成花瓣形状
我一般用Python的windrose库来画：
import windrose
import matplotlib.pyplot as plt
# 假设有风速和风向数据
ws = [5, 6, 7, 4, 8, ...] # 风速数组
wd = [180, 200, 220, 160, ...] # 风向数组
ax = windrose.WindroseAxes.from_ax()
ax.bar(wd, ws, normed=True, opening=0.8)
ax.set_legend()
plt.show()风玫瑰图能告诉我们什么？
- 主风向：风机应该朝向哪个方向
- 风向集中度：如果风都从一个方向来，风机排布就简单
- 季节性变化：不同季节风向可能完全不同
实战案例：我在福建一个沿海项目上，发现风玫瑰图显示主风向是东北风，但夏季有台风从东南方向来。如果只按主风向排风机，台风来了就全完蛋。最后我们调整了风机朝向，兼顾了主风向和极端风况。
风向频率还有个重要用途：计算发电量。不同风向的风速分布不同，发电量差异很大。我习惯把风向分成几个扇区，每个扇区单独算发电量，最后加权求和。
注意：风向频率数据至少要有一整年的。三个月的数据，误差可能超过30%。别问我怎么知道的，都是教训。
好了，这一章的内容就这些。基础理论看着简单，但真正用好了，能帮你省下不少冤枉钱。下一章我们聊聊风资源测量与数据处理，到时候我会分享一些实测中的坑。