从零搭建风电场：手把手教你用WAsP+WindPRO完成风资源评估全流程
风资源评估这个活儿，圈内人都知道，是风电项目能不能干的“第一道闸门”。同样一座山头，有人说年发电量3000小时，有人算出来只有2200小时，差距就在评估的细不细。我在这个行当干了十来年，经手过平原、丘陵、山地、甚至是海上风电的前期评估，WAsP和WindPRO这套组合拳，至今仍是的主流配置。这篇文章不绕弯子，直接从数据准备讲到报告输出，把整个评估流程里你会遇到的坑，一个个摊开来说。
这套流程适合谁？刚入行的风电开发工程师、做前期选址的技术人员、高校里研究风能的学生，还有给业主做第三方评估的咨询同行。你不需要多深的流体力学背景，但得明白每个参数背后代表的物理意义，否则就是拿着软件瞎按，出来的数字自己都不敢信。我尽量把每一步的“为什么”也讲清楚，你能看懂原理，遇到软件报错和结果离谱时，才知道往哪个方向找原因。
1. 风资源评估在整个风电开发流程中的位置，以及WAsP和WindPRO各自扮演的角色
1.1 风电开发前期的完整链条
一个风电项目从有想法到并网发电，大体的流程是：宏观选址、测风方案、风资源评估、微观选址、风机选型、可研报告、核准、施工设计、建设安装、并网调试。风资源评估处于“测风”和“微观选址”之间，承担的是承上启下的角色。测风塔竖起来攒了一两年数据，攒得好不好、够不够，都要在评估阶段见真章。评估结果直接决定机位怎么排、选多大单机容量的风机、投资收益算得过账算不过账。
这个环节如果出了偏差，往下传导的后果极其严重。往大了说，一个年等效满发小时数被高估200小时的风场，在20年运营期内可能意味着数千万甚至上亿元的收益落差。往小了说，排布方案不合理，尾流损失高个三五个百分点，也是一笔不小的账。所以不少业主宁可花大价钱请第三方复核，也不敢在这块省。
1.2 WAsP的定位：风图谱计算的“老字号场”
WAsP是丹麦Risø国家实验室开发的软件，从1987年发布第一个版本到现在，已经在全球上百个国家和地区使用。它核心做的事情可以概括为三句话：从测风塔数据中剔除地形、粗糙度和障碍物的影响，得到一个“广义风气候”（也就是风图谱）；再把这个广义风气候应用到场内任意位置，考虑该位置周边的地形和粗糙度，外推出这个位置的风资源情况。
这个“先剔除再恢复”的思路，本质就是把测风塔所在位置的风况“翻译”成区域内通用的风资源底图。WAsP的强项在于处理相对平坦、地形起伏和缓的区域，计算速度快，结果稳定。但在复杂山地进行外推时，由于线性化流场模型的限制，误差会明显增大。很多老手会告诉你，在南方那种高差几百米的山地项目上，WAsP结果只能做参考，后续还需要CFD软件介入修正。
1.3 WindPRO的定位：项目级集成与发电量计算平台
WindPRO是丹麦EMD公司的一整套风电场设计与评估工具包，它更像一个集成工作台。里面捆绑了很多模块：Basis（项目数据管理）、Meteo（气象数据处理）、WAsP（调用WAsP引擎进行风图谱计算）、Park（尾流计算）、Energy（发电量产出计算）、Optimize（机位优化）、Uncertainty（不确定性分析）等等。
两者关系说出来你就明白了：WAsP是“计算内核”，WindPRO是“工作台”。你可以在WindPRO里建立完整项目，导入地形图、设置风机、输入测风数据，然后让WindPRO调用安装在电脑里的WAsP引擎去计算每个机位的风资源，最后再做尾流叠加和发电量汇总。实际项目中，WAsP单独使用也能完成不少工作，但一旦涉及多机位排布、尾流计算、发电量加总，WindPRO的工作效率就高出太多了。
说个我在实际工作中的感受：WAsP适合做单点或者少量点位的数据分析和风图谱生成；WindPRO适合做整个风场的机位排布、方案比选和报告输出。两者配合，是行业里最成熟的组合。在一开始搭建工作流程的时候，就要把两套软件的数据联动关系搞清楚，后面你就知道省多少事。
2. 数据准备阶段：测风数据、地形图、粗糙度，一个都不能将就
2.1 测风数据的采集要求与质量核查
在打开WAsP之前，先确认你的测风数据能不能用。业内对测风数据的基本要求是：连续观测至少满一个完整年，传感器主要包括风速计、风向标、温度和气压。测风塔上通常会在不同高度布置多套风速计，常见的是10米、50米、70米、80米、90米或100米高度，轮毂高度附近最好有至少两套测风设备互为备份。
数据时间分辨率一般为10分钟平均值，这也是IEC标准推荐的做法。拿到数据之后，第一步不是急着导进软件，而是做数据质量控制，我习惯按这几个步骤来：
- 检查数据完整性，看每个月的有效数据量有多少，低于80%的月份要查明原因；
- 剔除异常值，风速大于50m/s或者小于0m/s的、风向长时间保持某个恒定值不变的、温度气压明显超出合理范围的，都要打标剔除；
- 检查不同高度风速之间的相关性，理论上同一时段各层风速应满足一定的风切变关系，如果某层数据和相邻层严重偏离，多半是传感器出了问题；
- 剔除测风塔塔影和支架干扰扇区，塔影是指风向正好被塔身遮挡导致风速测量偏低的扇区，通常需要结合现场照片和测风塔朝向，把对应风向扇区的数据剔除掉。
塔影剔除这个细节，新手特别容易忽略。测风塔上的风速计一般安装在横臂上，横臂指向某个方向。当风从塔身方向吹来时，塔身会扰乱气流，导致风速读数偏低。如果不剔除这部分数据，整体风速会被低估，后续结果也会偏保守。操作上一般剔除迎风向塔身方向左右各30度的扇区，具体角度要看横臂长度和塔身直径。我在实际项目中会先把数据按风向分扇区画出来，观察塔影扇区是否有明显的风速凹洞，再确定剔除范围。
2.2 地形数据的准备：等高线、高程点与边界文件
WAsP需要用数字化地形图来建立区域模型，地形数据一般包括等高线（Contour lines）、高程点（Spot heights）和区域边界（Map area boundary）。数据来源有几个渠道：一是从测绘部门购买的1:10000或1:50000数字地形图；二是用SRTM或者ASTER GDEM这类公开的DEM数据，经过处理生成等高线；三是有些项目会直接委托测绘单位做无人机航测，生成高精度的地形模型。
在准备地形数据时，有一个关键点：WAsP的地形范围一定要足够大。一般以目标场址为中心，向外扩至少5到10公里。因为风经过远处的山体时，气流已经被抬升或扰动，计算点位置感受到的地形效应不仅仅是局地几公里内的地形决定的。范围太小，远处的山对来流的阻塞和抬升作用没有进入模型，结果会差很多。
另一个问题是等高线精度。WAsP对等高线间距的要求并不算特别苛刻，平原地区5米或者10米间距都行；山地丘陵地区建议至少保持5米间距。如果等高线过于粗糙，软件在构建地形网格时会出现虚假的陡坡，对计算结果产生干扰。我自己有个习惯：拿到地形数据后，先用绘图软件打开检查一遍，看看有没有高程异常跳变的点、断裂的等高线、跨越边界的高程线，这些都是常见的数据损坏问题，早发现早处理。
2.3 粗糙度数据的确定：地表覆盖分类与季节变化
粗糙度长度（Roughness Length, z0）描述的是地面对风流的摩擦阻滞作用，是一个听起来简单实际很讲究的参数。WAsP中把地表类型按照粗糙度分为很多类，比如水面z0约为0.0002米，裸地0.005到0.01米，草地0.03米，农田0.05到0.1米，灌木0.1到0.2米，森林0.5到1米，城市建成区则可以达到1到2米。
实际项目中，场址周边的地表往往不是单一类型，可能是农田、村庄、树林、水面混杂在一起。处理方式是在WAsP中按照不同的粗糙度类型，用多边形或圆形区域把地表分类标出来。这里有一个经常被忽略的问题：粗糙度长度随季节变化显著。北方的农田，夏季是茂密高秆作物，z0可能是0.1米；冬季收到只剩茬子，z0可能只有0.02米，差一个数量级。所以做风资源评估的时候，要确定用的是哪个季节的代表性粗糙度。一般做法是用全年平均值，或者针对不同风向的盛行季节分段设置。
你也可以借助卫星影像和土地利用数据来做粗糙度分类。谷歌地球虽然不是专业工具，但用来快速查看场址周边地表情况非常方便。在WindPRO里，你甚至可以直接加载在线地图服务作为背景图层，然后在上面描绘粗糙度变化区，交互体验比在WAsP里画圈要友好不少。
3. 实操全流程：从测风数据到风资源图谱再到机位发电量
3.1 测风数据的格式化与气象站文件生成
数据质量确认无误后，把它整理成WAsP能读的格式。WAsP支持的数据格式有两种常见途径：一是通过WAsP自带的Data Analysis模块，直接导入ASCII格式的测风数据（每行记录时间、风速、风向等字段）；二是使用WindPRO的Meteo模块，把测风数据按固定模板整理后导入WindPRO，再由WindPRO生成气象站文件交付给WAsP计算。
我个人的习惯是先用WindPRO的Meteo模块做数据管理。原因是WindPRO对数据表格的校验更严格，能自动识别数据缺失范围、时间戳重复、超出物理合理阈值的记录。它会生成一个可视化的数据时间序列，你可以很直观地检查哪个时间段的数据质量存在问题。数据导入完成后，给气象站定义一个标识名（比如Mast01_80m），填写经纬度坐标，指定风速计高度，然后选择测风数据的时间分辨率和统计口径。
需要注意的是，数据文件中风速和风向的单位、风速平均值还是极大值、风向是来自方向还是去往方向，这些细节一旦搞错，后面全盘皆输。我见过不止一次因为风向定义搞反了，导致风玫瑰图指向完全相反，整个风电场的机位排布方案跟着白做。建议导入WindPRO之后，先随机抽取几行原始数据对照检查，再画一张风玫瑰图，和现场经验值比对一下，确认方向合理后再往下走。
3.2 建立WAsP项目：地形、粗糙度与障碍物
打开WAsP，新建项目后第一步是把地形图导进来。WAsP的矢量数据可以导入DXF、Shapefile等格式。导入完成后，你需要检查等高线和地形等高程点是否正确对应到WAsP坐标系中。如果经纬度坐标错乱、单位搞错（比如把米当成英尺），你后面做出来的风图谱会离谱到没法看。
接下来定义区域内的粗糙度结构。WAsP中粗糙度对象是用“区域（Area）”对象表示的，你可以导入一个多边形Shapefile，给它赋一个粗糙度类别值。还有一种表达方式是“粗糙度圈（Roughness Rose）”，在测风塔周围画一系列同心圆和扇区，每个环形区域给一个粗糙度值。粗糙度圈的设置会影响风从不同方向吹向测风塔时所经历的摩擦长度，从而修正测风塔位置的风速外推。
障碍物处理则是另一个不容忽视的环节。所谓障碍物，指的是测风塔附近一定范围内的建筑物、树木、其它塔架等。WAsP对障碍物的建模有三要素：高度、宽度、距离和孔隙度。比如测风塔旁边200米有一栋三层小楼，它的存在会让从该方向吹来的风产生尾流区，测风仪测到的风速偏低。WAsP可以把障碍物识别出来，在风图谱反演阶段把这个效应“扣掉”。如果忽略障碍物，测风数据就会被污染，继而影响整个风图谱的真实性。不过这里也要提醒一句：WAsP的障碍物模型只适用于近地层的简单流动，如果测风塔周边障碍物过多、分布复杂，最保险的办法还是换测风塔位置，或者干脆重新测风。
3.3 生成风图谱与站点风况外推
测风塔数据经过WAsP的“剔除”处理之后，会生成一个广义风气候，这就是所谓的风图谱（Wind Atlas）。WAsP默认会以50米高度、多种粗糙度类别的形式输出风图谱数据，它描述的是“纯粹由大尺度天气系统决定的区域风况”，不受局地地形和地表影响。拿到这个风图谱文件（.lib文件）之后，你可以把它当作一个“区域风况数据库”，随时调用。
接下来把风图谱应用到场址内任意一个目标位置。操作流程是：在WAsP中新建一个“站点（Site）”，给定坐标，软件会自动读取该位置附近的地形和粗糙度信息，再结合区域边界内的广义风气候，预测出该位置整年的风速频率分布和风向频率分布，同时给出不同高度的推算风速。这个外推过程就是一个“恢复”过程，把之前剔除的地形、粗糙度效应重新加回去，但这次是针对新位置。
做完这一步，你就有了场址内任意点的风速频率分布（风频分布）。这个分布通常会拟合成瑞利分布或者双参数威布尔分布，其中威布尔分布用的最广，形状参数k和尺度参数A会出现在你最终的评估报告里。很多老工程师看一眼k值和A值大概就能判断这个场址的风资源好坏，经验丰富程度一目了然。
3.4 WindPRO中建立风电场模型
风图谱搞定后，进入WindPRO搭建风电场模型。新建项目时，先设置坐标系和投影参数，这一步要和测风塔坐标、风机坐标的坐标系保持一致。现在项目一般都用WGS84经纬度或UTM投影坐标，WindPRO支持多种坐标系统，导入地图后一定要检查图层对齐情况。
把之前做好的地形图、粗糙度图加载进来，再放入测风塔对象、风机对象。风机对象需要定义两项最关键的数据：功率曲线和推力系数曲线。功率曲线描述了风速和输出功率的关系，推力系数描述了风作用在叶片上的推力随风速的变化，后者是尾流计算的核心输入。这些数据一般由风机厂家直接提供，文件格式通常是Excel或者Tab分隔文本。拿到功率曲线后，别急着用，先看一眼数据是否在合理范围内——比如切入风速3m/s、额定风速9到12m/s、切出风速20到25m/s，都是常见参数。如果发现功率曲线在切断风速之后还有非零功率输出，那就说明数据格式有问题，需要修正。
风机位置可以手动放置，也能用WindPRO的优化模块自动排布。手动放置时，要考虑机位之间的最小间距，平原地区一般要求顺主风向间距不小于5到7倍风轮直径，垂直主风向间距不小于3到5倍风轮直径。山地项目受地形和可用地范围限制，间距会小一些，但尾流损失也要相应承担。自动优化则通常结合业主给定的机位边界、噪声限制范围、最小离居民区距离等约束条件，跑出若干候选方案。我的经验是自动优化结果可以做初选，但最终机位往往还需要结合施工道路、升压站位置、地形坡度（一般要求小于15度，陡于这个角度施工和吊装难度极高）等实际情况人工调整几轮。
3.5 尾流损失与发电量计算：软件的算法原理与参数设置
尾流计算在WindPRO中有多种模型可选，最常用的还是Park（N.O. Jensen）模型。这个模型的物理图像很简单：风机把风能变成电能，风轮后方的风速会降低，形成一个速度亏损区，这个区域在下游逐渐扩张，慢慢恢复。Park模型用两个关键参数来描述这个过程：尾流衰减系数k和地面粗糙度。默认情况下，海上k取0.04，陆上粗糙地形取0.075左右。k值越大，尾流恢复越快，尾流影响的范围越小；k值取小了，尾流算出来会偏严重，发电量偏低。
另一个常用的尾流模型是EDC（Eddy Viscosity）模型，它考虑的因素更多，对复杂地形和大气稳定度的适应能力更强。WindPRO里还支持GCL（Gaussian Cloud）模型和新一代的CFD尾流模型。对于普通项目，Park模型就够用，因为它的计算速度极快，结果也经过了大量项目验证。对于大型海上风电场或者排布比较密集的陆上项目，可以考虑GCL模型做精细化复核。
尾流计算完成后，WindPRO会输出每台风机考虑尾流后的净风速和净发电量。在能量计算模块里，你还需要设置空气密度修正。风机功率曲线是在标准空气密度（通常是1.225kg/m³）下标定的，但场址的海拔和温度不同，实际空气密度会偏离标准值。高海拔场址空气密度低，风功率密度下降，发电量要打折；高纬度低温地区密度偏高，发电量反而会略高于标定值。WindPRO会自动根据场址海拔和年平均气温修正空气密度，你只需要确认输入的年平均气温合理即可。
到这里，发电量计算算是跑通了。但要提醒的是，这时候算出来的叫“毛发电量”（Gross AEP），它还没考虑设备可用率、电气损耗、叶片污染、极端天气停机等因素。下一步必须做折减。
4. 折减系数怎么取：别让漂亮数字骗了你
4.1 折减项逐个拆解与推荐取值区间
毛发电量到净发电量（Net AEP），中间隔了一串折减系数。每一项折减都对应着实际运行中的具体损失，取值需要有依据，不能拍脑袋。下面列出我在实际项目中用到的常见折减项和参考区间：
- 尾流损失：平原风场5%到8%，山地和密集排布可达8%到12%。这一项已经在WindPRO的Park计算中算过一遍了，严格说在折减里不要再重复扣，但有一种做法是：如果尾流计算使用的k值偏乐观，会在折减里额外加1到2个百分点作为补偿。
- 场用电与输变电损耗：通常2%到5%。场内箱变损耗、集电线路损耗、升压站变电损耗，以及风机自身的加热器、控制系统用电，都算在这一项里。
- 叶片污染与结冰损失：叶片污染指灰尘、鸟粪、昆虫附着在叶片表面导致的气动性能下降，一般1%到4%。风沙大的地区、空气污染严重的工业区周边，这个值要往高取。叶片结冰在低温潮湿地区同样不容忽视，严重时可损失5%以上发电量。
- 设备可用率：指风机在一年中实际能发电的时间占比。目前主流风机的可用率都能做到95%以上，行业里取97%到98%比较常见。如果项目处于雷暴多发区或者电网限电频繁的地区，可用率要适当调低。
- 极端天气停机：包括台风、低温、雷暴、大风切出等造成的停机损失。台风区域损失可达2%到3%，普通区域0.5%到1%就够。
- 功率曲线保证值偏差：厂家提供的功率曲线是出厂标准，实际运行中由于控制参数调整、叶片安装角偏差、变频器效率等因素，实际发电性能可能比标定值低2%到4%。有些项目会在这一项上做对冲，取值看谈的质保条款。
把所有折减项乘在一起，净发电量占毛发电量的比例通常在70%到85%之间。如果算出来超过85%，要么场址条件确实极其优越，要么你的折减项取值偏乐观了。低于70%，那你得重新认真审视每一个取值，看看有没有重复折减或过度折减。
4.2 空气密度修正与湍流强度的隐性问题
空气密度修正很多人会忽略细节。风机功率曲线对应的标准空气密度是1.225kg/m³，但实际场址密度可能差异较大。以海拔2000米的场址为例，年平均气压约800hPa，如果年均气温为10摄氏度，空气密度约0.985kg/m³，比标准密度低了约20%。空气密度直接影响风功率密度，也就是P=0.5ρAV³，密度小20%，理论风功率低20%。但实际风机在低空气密度下虽然功率降低，叶轮推力也相应减少，导致风机的运行窗口和切入切出风速会有变化。WindPRO默认会在能量计算时把功率曲线按密度换算，换算方法有两种：一种是按压力、温度直接修正功率曲线；另一种是WAsP的“欧洲风图谱”方法，仅按密度比例缩放功率。据我所知，WindPRO采用的是更精细的考虑推力系数的修正，这里只要把气象参数输入准确，软件能处理得比较好。
湍流强度也是容易被低估的参数。高湍流会增加叶片疲劳载荷，影响安全，同时也会让风机频繁变桨，发电量略降。WindPRO里的Park模型本身不考虑湍流对尾流恢复的影响，所以在高湍流区域，把k值适当调大是合理的。同时，高湍流区域机位点的疲劳载荷需要单独复核，如果超出风机等级，这一排机位要么换高等级风机，要么移位，没有别的办法。
4.3 不确定性分析：给投资方一个可信区间
WindPRO配备了不确定性分析模块，用来量化风资源评估各个环节带来的误差。主要不确定度来源包括：测风仪器标定误差（一般在1%到2%）、测风数据年份与长期平均的差异（用MCP长序列订正后可以降到2%以内）、风图谱外推误差（地形越复杂越高，可达5%到10%）、尾流模型误差（3%到5%）、风机性能与功率曲线偏差（3%到5%）。把这些分量按平方和开根号的方式合成，得到总的标准不确定度。应用95%置信度时，通常乘以1.64或2，给出P90和P75发电量。
这里我给新手一个建议：评估报告别只写一个点值，要同时给出P50、P75、P90的发电量。投资方和银行一般看P90值来测算收益，因为那是偏保守的估计，抗风险的。有些业主听了P50值兴高采烈，结果实际发电量接近P75，就开始找咨询方的麻烦——提前把概率分布讲清楚，是保护自己也是保护项目。
5. 常见问题排查：我这些年踩过和见过的坑
5.1 结果风速远高于测风塔但毫无依据？先查坐标系统
有次一个项目，在WindPRO里算出来的某机位风速比测风塔高了40%，当时第一反应是风图谱外推有问题。后来挨个检查图层，发现原因是地形图用的坐标系是UTM投影，测风塔坐标却填成了经纬度，两种坐标混在一个项目里，距离计算完全错乱，WAsP在计算时把地形和测风塔的位置关系搞反了。这类问题在刚上手WindPRO的时候特别容易发生。
排查办法很简单：在项目里随便量几个已知点之间的距离，和实际地图上对比一下。如果1公里的实际距离在软件里显示成几百米或者几公里，那就是坐标系或者投影参数有问题。另外一个快速验证方法是把风机和测风塔对象的高程值打出来，和地形图的高程对比，如果两者差出几百米，基本可以断定高程数据没有正确挂接。
5.2 测风数据处理不当导致的结果偏差
数据年限不够是常见问题。有的项目只测风了半年就开始评估，这种数据做出来的年发电量，误差能到15%以上。规范的做法是测风满一年，再做长期订正。长期订正常用MCP（Measure-Correlate-Predict）方法，找一个附近的长期气象站或者再分析数据（如ERA5、MERRA-2），找出测风塔数据与长期数据的相关性，然后把测风期的风速订正到长期平均状态。WindPRO的MCP模块支持线性回归、矩阵拟合等多种算法，实操中我一般选用矩阵拟合方法，它在风向分扇区的情况下表现更稳定。
还有数据采样频率的问题。有些早期测风塔记录的是小时平均数据，甚至还有每天三个时次的数据，这种数据的风速频率分布会损失大量信息，尤其是极大风速和阵风信息完全丢失。如果用这种数据做WAsP分析，风谱的尾部失真，发电量估算会偏高。遇到这种情况，最稳妥的办法是重新测风，如果实在没办法，要在报告里明确说明数据局限性。
5.3 地形复杂的山地项目：WAsP结果为什么不可靠
WAsP的流场模型基于线性化假设，适合起伏平缓的地形。在山地项目里，山体对气流的分离、加速、回流等非线性效应无法被线性模型准确描述。业内经验是，WAsP适用于地形坡度小于15度到20度的缓坡地形，超过这个范围，计算误差急剧增加。我见过有人在坡度30度的复杂山脊上直接用WAsP算发电量，结果和实测差距悬殊，前期的投资决策差点被带偏。
遇到复杂地形，建议的做法是：先用WAsP做一个初步筛选和方案对比，在关键机位点用CFD软件（如Meteodyn WT、WindSim）做精细建模，有条件的话在争议点位补立临时测风塔或使用激光雷达测风仪进行短期校正。同时，多个软件交叉验证也是一个有效手段，如果WAsP和CFD的结论趋势一致，那结果可信度就高得多。
5.4 尾流损失偏低：可能是风机间距或扇区缺测
尾流损失计算结果偏低，先看机位间距是否过小。如果相邻风机顺主风向间距不到3倍风轮直径，Park模型会算出很大的尾流损失，但又由于模型本身的简化，实际损失可能更大。这种排布在审批和环评阶段就很难通过，中期调整成本极高。建议在方案排布时就严格执行间距约束，不要让规划阶段追求装机容量的冲动埋下隐患。
另一个坑是尾流计算用的风向扇区数据不完整。如果测风数据在某个扇区缺测严重或者数据被塔影剔除后留下的样本量不足，扇区频率分布就会失真，尾流叠加的计算结果也会出现系统性偏差。检查方法很简单：打开WindPRO的风频统计表格，查看每个扇区的数据量和频率，如果某个扇区频率异常低，回到数据预处理阶段重新处理。
6. 让评估更具说服力：现场踏勘与跨平台交叉验证的经验分享
6.1 现场踏勘到底看什么：别只在办公室盯电脑
风资源评估不能只依赖软件和数字。我在每个项目正式评估前后，都会安排至少一次现场踏勘。重点看四样东西：测风塔实际位置和周边环境（确认数据文件中填写的坐标和粗糙度设置是否与现场一致）；测风塔不同高度仪器的朝向和安装情况（尤其检查是否有遮挡、塔影范围是否与计算一致）；机位点周边地形地貌（确认每个机位是否有不可移动的障碍物、高差突变等）；场区进出道路和施工条件（为后续微观选址提供边界条件）。
现场踏勘还有一个隐性的价值：跟测风塔维护人员聊一聊，往往能获得数据文件里看不到的信息，比如某段时间仪器故障、鸟在风速计上筑巢导致数据异常、冬季结冰导致传感器停摆等。这些一手信息对数据质量评价和折减系数取值的帮助，远比任何统计方法都大。
6.2 WAsP与WindPRO的交叉验证与报告要点
报告是评估成果的最终呈现形式，一份让投资方、评审专家都信服的报告，至少要有以下内容：项目概述与场址地理位置；测风数据来源、时间范围、完整率与质量控制流程；仪器信息与校验报告；风资源分析结果（风速频率、风玫瑰、风切变、湍流强度）；风图谱与各机位风资源情况；能量计算模型与参数设置；折减系数取值依据与净发电量结果；不确定性分析与P50、P90发电量；结论与建议。
我见过很多新手报告，技术参数全对，但逻辑链条不完整。比如折减系数只给了表格没有给原因，评审专家一质疑就露怯。建议每个折减项都附一句说明，哪怕是“参考邻近项目运行经验”也比空白好。甚至可以把数据质量控制中剔除的记录明细做成附录，一方面证明你严谨，另一方面万一数据后期被质疑，也有据可查。
6.3 一些过来人的建议
最后分享几点个人经验。第一，评估工具只是手段，行业的“手感”来自大量项目校准。有条件的话，把自己做的项目放到两年后再回看，对比实际发电量和当初评估值的差距，慢慢就能建立起自己对不同地形、不同数据质量下结果的判断力。第二，数据永远比模型重要，与其换更贵的软件，不如把数据质量做得扎实。第三，WAsP和WindPRO虽然经典，但技术迭代很快，后续项目可以和CFD方法、机载激光雷达等新手段配合使用，效果更好。
这套流程走下来，一个风电项目的风资源评估就算完整闭环了。你可能还会遇到很多具体的技术细节问题，但只要抓住“数据质量、模型适用性、参数取值合理性”这三大纲，碰到的坑大体都绕不开这三个根源。祝每一个做风资源评估的朋友都能算得准、发电高，少走弯路。
