第2章资源评估基础

资源评估基础：风速与风功率密度计算、太阳辐射与光伏发电潜力、气象数据获取与处理

做风光储系统，第一步不是选设备，也不是算收益。

第一步是搞清楚——你站的地方，风大不大？太阳够不够？

我见过太多项目，方案做得漂漂亮亮，结果一落地，风机转不起来，光伏发不出电。为什么？资源评估没做扎实。说白了，这是整个系统的“粮草”，粮草没算清，后面全是瞎忙活。

先聊风。很多人以为风速越大越好，其实不完全对。风机有切入风速、额定风速、切出风速三个关键点。我遇到过一个小伙子，拿着年平均风速6m/s的数据就拍板选型，结果那个地方夏季经常刮台风，风机一年被切出保护停机好几十次——发电量还不如选个小一点的机型。

风功率密度才是衡量风能资源的硬指标。它跟风速的立方成正比。公式很简单：

风功率密度 P = 0.5 × ρ × v³

其中 ρ 是空气密度（一般取1.225 kg/m³），v 是风速（m/s）。

注意这个立方关系——风速翻一倍，功率变八倍。所以风速数据稍微偏一点，计算结果就天差地别。

核心要点：做风资源评估，不要只看平均风速。要看风速频率分布、湍流强度、风向玫瑰图。我习惯用Weibull分布来拟合风速概率，两个参数——形状参数k和尺度参数c，能很好地描述一个地方的风况特征。

举个例子。某地实测风速数据，我算出来k=2.0，c=6.5 m/s。这意味着什么？意味着大部分时间风速在4-8 m/s之间，偶尔有超过12 m/s的大风。这种风况，选一台额定风速10 m/s、切入风速3 m/s的风机就比较合适。

我的小技巧：现场测风至少需要一整年数据。如果时间紧，可以用中尺度气象模型（比如WRF）做降尺度分析，但精度肯定不如实测。我一般两种方法结合——实测数据校准模型，模型填补实测的空缺。

光伏这块，核心是搞清楚“有多少光能落到组件上”。

太阳辐射分三部分：直接辐射、散射辐射、反射辐射。光伏组件主要吃直接辐射，但散射辐射在阴天也能贡献不少。我做过一个对比——在成都这种多云地区，散射辐射能占到总辐射的40%以上。所以别只看晴天数据。

光伏发电潜力的估算公式：

年发电量 = 组件容量 × 峰值日照小时数 × 系统效率

峰值日照小时数（Peak Sun Hours, PSH）是个关键参数。它等于某地全年总辐射量除以标准辐照度（1000 W/m²）。比如某地年总辐射量是1500 kWh/m²，那PSH就是1500小时。

系统效率一般取75%-85%。包括组件温度损失、逆变器效率、线损、灰尘遮挡等。我见过有人拍脑袋取90%，结果实际发电量差了20%——嗯，这种坑我踩过。

地区类型	年总辐射量 (kWh/m²)	PSH (小时)	典型系统效率
西北荒漠区	1800-2200	5.0-6.0	80%
华北平原	1400-1700	3.8-4.7	78%
南方丘陵区	1000-1300	2.7-3.6	75%

注意：组件温度对发电量影响很大。夏天组件表面温度能到70℃，功率会下降10%-15%。我建议用PVsyst或SAM这类专业软件做小时级仿真，别用手算。

数据从哪来？这是最实际的问题。

我个人习惯用这几个渠道：

数据拿到手，处理才是重头戏。我总结了一套流程：

数据清洗：剔除异常值。比如风速出现负值、辐射值超过太阳常数——这种数据直接扔掉。
插值补缺：实测数据常有缺失。我用线性插值或者样条插值，缺失超过20%的数据段直接废弃。
时间序列对齐：风速数据可能是10分钟间隔，辐射数据是1小时间隔。统一到同一时间分辨率再做分析。
长期订正：短期实测数据（比如1年）要订正到长期气候平均。我习惯用MCP（Measure-Correlate-Predict）方法，找一个长期参考站做回归。

避坑指南：我曾经用NASA POWER数据做西北某光伏项目，发现辐射值比实测高了12%。后来一查，POWER数据是卫星反演产品，对高海拔地区的云层处理有偏差。从那以后，我坚持用至少两个数据源交叉验证。

最后，给大家看一张我常用的资源评估流程图。它把风速、辐射、数据处理串起来了：

你看，整个流程其实不复杂。但每一步都有坑。数据源选错了、清洗不干净、订正方法不对——都会导致最终结果偏差。我建议新手先拿一个已知项目的数据练手，把流程跑通，再去做新项目。

最后说一句：资源评估不是一次性工作。项目运行后，我建议持续对比实际发电量和预测值。偏差超过10%，就要回头检查是不是资源评估出了问题。这种闭环反馈，能让你的评估能力越来越准。

公众号:蓝海资料掘金营，微信deep3321