测风数据的处理方法
测风数据处理与分析
测风数据处理与分析引言测风数据处理与分析是一种重要的技术手段，用于获取和分析风力发电场等场地的风力资源情况。
通过对测得的风速和风向数据进行处理和分析，可以得出风力资源的空间分布、时间变化以及风力资源强弱程度等信息。
本文将介绍测风数据处理与分析的基本方法和常用技术，以帮助读者快速了解和应用该技术。
测风数据采集测风数据的采集是进行测风数据处理和分析的基础。
一般来说，测风数据主要包括风速和风向两个参数。
风速的测量可通过风速计来实现。
常见的风速计有四杯转子式风速计和超声波风速计。
四杯转子式风速计通过测控转子旋转速度来间接计算风速，而超声波风速计则通过发送和接收超声波信号的时间差来直接测量风速。
两种风速计各有优缺点，在具体应用中可根据实际情况选择合适的风速计。
风向的测量则需要借助风向传感器。
风向传感器通常采用风向盘或风向组件来测量风的方向。
风向盘通过自由旋转，使指向面对来风方向，从而确定风向。
风向组件则采用多个风向传感器，通过多点测量来确定风向。
风向传感器的选取和安装位置有一定要求，以保证测得的风向数据的准确性。
测风数据处理测风数据的处理是测风数据分析的前提。
在处理测风数据之前，需要先进行数据预处理，包括数据清洗、去噪和补全等操作。
数据清洗是指对采集到的测风数据进行初步的筛选和清理，去除异常值和错误数据。
常见的数据清洗方法包括去除重复数据、去除野值、填补缺失值等。
数据清洗的目的是保证后续处理和分析的准确性和可靠性。
数据去噪是指对清洗后的数据进行平滑处理，以消除数据中的噪声和干扰。
数据去噪的方法有很多种，比如使用滑动窗口平均法、中值滤波法等。
选择合适的去噪方法可以提高数据的质量和可信度。
数据补全是指对缺失的数据进行填补。
在测风数据中，由于某些原因可能会存在数据缺失的情况，例如传感器故障或网络异常等。
数据补全的方法有多种，可以使用插值法、回归法等。
选择合适的数据补全方法可以减小数据缺失对后续分析结果的影响。
测风数据分析测风数据分析是对处理后的测风数据进行统计和分析，得出风力资源的空间分布、时间变化和风力资源强弱程度等信息。
矿井测风管理制度
矿井测风管理制度矿井测风是矿井安全管理中的重要环节，为了确保矿井内空气质量的安全与稳定，制定科学的矿井测风管理制度是必要的。
下面是一份可能的矿井测风管理制度的内容：一、测风的目的和原则1. 目的：确保矿井内空气质量的安全与稳定，及时掌握矿井内各工作面、巷道、井筒等区域的风速、风向等信息。
2. 原则：科学、准确、及时、全面。
二、测风的范围和频率1. 范围：包括各工作面、巷道、井筒等区域。
2. 频率：每次工作班接班时，对已经达到的工作面、巷道等区域进行测风。
三、测风的方法和设备1. 测风方法：采用风速仪、风向仪等专业测风设备进行测量。
2. 测风设备：选择质量可靠、精确度高的测风仪器设备。
四、测风的程序和标准1. 测风程序：a. 选择测风地点，确保测点环境安全。
b. 按照规定，使用测风设备进行测量。
c. 记录测量结果，包括风速、风向等数据。
d. 分析测量数据，得出结论。
2. 测风标准：根据国家相关规定和矿井的实际情况，制定测风标准，如风速、风向等的合理范围。
五、测风数据的处理和报告1. 数据处理：对测风数据进行及时整理、分析，并与历史数据进行比对，判断是否达到标准要求。
2. 报告要求：向矿井安全管理部门提交测风报告，内容包括测量结果、问题和建议等，报告要求在24小时内完成。
六、测风的纪律和责任1. 纪律要求：所有相关人员必须按照规定的程序和要求进行测风工作，不得随意更改记录和结果。
2. 责任分工：明确测风工作的各项责任人员，并建立相应的考核机制。
以上内容仅为一份可能的矿井测风管理制度，具体的制度内容应根据矿井实际情况进行制定和调整。
测风工操作规程
测风工操作规程一、引言测风工操作规程旨在确保测风工作的安全、高效进行，保障测风数据的准确性和可靠性。
本操作规程适合于测风工作人员，包括测风仪器的设置、测量点的选择、数据采集与处理等环节。
二、测风仪器的设置1. 确保测风仪器的正常工作，包括电源、传感器、数据采集系统等。
2. 检查测风仪器的校准情况，确保其准确性。
3. 根据实际需求，设置测风仪器的测量参数，如高度、时间间隔等。
三、测量点的选择1. 根据测风目的和要求，选择合适的测量点。
2. 确保测量点的位置符合安全要求，远离高压线、建造物等潜在危（wei）险源。
3. 考虑地形、气象条件等因素，选择具有代表性的测量点。
四、测风数据采集与处理1. 在测风前，确保数据采集系统正常工作，包括传感器连接、数据记录器设置等。
2. 按照预定的时间间隔进行数据采集，确保数据的连续性。
3. 在数据采集过程中，及时记录环境条件、测风仪器状态等相关信息。
4. 数据采集完成后，进行数据处理，包括数据校验、异常值处理、数据平滑等。
5. 根据需要，生成测风数据报告，包括图表、统计数据等。
五、安全注意事项1. 在测风过程中，严禁操作人员站在高处、陡坡等危（wei）险位置。
2. 操作人员应穿戴符合要求的个人防护装备，如安全帽、安全鞋等。
3. 在测风仪器设置和数据采集过程中，严禁操作人员触摸传感器或者其他可能导致危（wei）险的部件。
4. 如遇恶劣天气，如雷雨、大风等，应暂停测风工作，确保操作人员的安全。
六、常见问题与解决方法1. 问题：测风仪器无法正常启动。
解决方法：检查电源连接是否松动，确保电源供应正常；检查仪器是否损坏，如有损坏需及时更换或者修复。
2. 问题：测风数据异常。
解决方法：检查传感器是否受到干扰，如受到干扰需重新设置传感器位置；检查数据采集系统是否正常工作，如有问题需及时修复或者更换。
3. 问题：测风数据缺失。
解决方法：检查数据采集系统是否正常工作，如有问题需及时修复或者更换；检查数据存储设备是否满容，如满容需及时清理或者更换。
风力资源调查新方法与数据处理工具
风力资源调查新方法与数据处理工具随着全球对可再生能源的需求不断增长，风能作为一种清洁且可再生的能源形式，受到了广泛的关注。
为了更好地利用风能资源，对风力资源的准确调查和评估变得尤为重要。
在传统的风力资源调查方法基础上，本文将介绍一些新的风力资源调查方法以及用于处理风能数据的工具。
一、新的风力资源调查方法1. 高空测风技术传统的风力资源调查主要依靠测量塔上的测风仪器收集数据，但这种方法受到测量高度限制，无法全面了解高层风能资源的分布情况。
高空测风技术通过使用无人机或卫星搭载的风速测量装置，可以在较大范围内获取高层风能资源数据。
这种方法可以提供更全面、稳定的高层风能资源数据，为风电场的选址和布局提供更科学的依据。
2. 气象模型和数值风场模拟利用气象模型和数值风场模拟技术，可以对特定地区的风能资源进行预测和模拟。
这些模型基于气象学原理和大量的观测数据，能够准确模拟出特定地区的风速、风向、风能分布情况。
通过使用这些模型，可以提前评估特定地区的风能资源潜力，指导风电场的规划和设计工作。
3. 激光雷达技术激光雷达技术可以通过测量风场中气体微粒的速度和方向，实时获取高精度的风速和风向数据。
相比传统的测量方法，激光雷达技术具有全天候、非接触、高精度等优势。
这种方法可以用于风电场的运维管理和风能资源的调查评估，提高风电场的利用效率和经济效益。
二、风能数据处理工具1. GIS（地理信息系统）GIS是一种用于处理和分析地理信息的计算机软件工具。
在风力资源调查中，GIS可以用于建立数字地形模型和三维风能资源分布图。
通过对风能资源数据进行地理空间分析，可以更好地了解风能资源的分布规律，为风电场的选址和布局提供决策支持。
2. 大数据分析工具大数据分析工具可以从大量的风能数据中提取有价值的信息，并进行深入的数据挖掘和分析。
通过构建适用的算法模型，可以预测风能资源的变化趋势，提高风电场的运维管理效率，降低能源成本。
3. 风能预测软件风能预测软件通过整合多种数据源，包括气象数据、风电场运行数据等，进行风能资源的预测和模拟。
测风塔数据收集和处理标准化手册
测风塔数据收集和处理标准化手册四．测风塔立塔标准与设备配置4.1测风塔选址4.1.1测风塔选址的一般原则测风数据给风电场设计和建设提供基础性的支持。
测风数据能够为判定一个地区风能状况、风电机组选型、布机方案和年发电量计算提供依据，特别是在复杂气候和地形条件下，风场场区不同区域的风资源状况有很大的差异，如果测风数据不能客观反映风能资源状况那么将会对风电场设计和建设产生不利的影响。
测风塔仅具有位置的代表性是不足的。
测风应该遵循3R原则，即正确性（Right）、代表性（Representativeness）、可靠性（Reliability）。
一．正确性正确性（Right）是指正确的设立测风塔包含着正确安装测风塔和正确选取测风设备。
安装测风塔之前需要对经过前期宏观选址工作场区位置有初步的认识，首先要了解该地区主导风向，确定主导风向能够帮我们选取正确安装位置，避免选到了背风区域或者湍流大、可能产生负切变的区域；能够帮我们正确的确定传感器支架方位，减少塔影效果的影响。
其次，要了解当地气候特征，主要是了解极端性气候特征。
如某些测风塔容易遭受裹冰，那么我们在建设测风塔时就要增加测风塔的强度或者采用自立塔而不是斜拉线塔；针对雷暴天气多，测风塔接地电阻小于4Ω的前提下，需要考虑避雷针的单独设计（如鱼叉型避雷针、用铜线直接接地）、增加额外的降阻措施（如加降阻剂、石墨棒、铜棒等）；场区潮湿、雾气严重，那么记录仪需要增加干燥剂且用密封箱和电缆密封件，接线部位要做好防锈蚀处理，数据线要考虑使用铠装型电缆线。
二．代表性测风塔的代表性应有两层含义：测风塔安装地点具有代表性、测风数据具有代表性。
（1）测风塔安装地点要具有代表性。
即测风塔选址要能够最大限度的代表测风塔周边场区的风资源分布特性，一般海拔越高风速越大，测风塔所能代表的区域范围有限，因此需要通过加密测风塔的方式减少代表性差的问题。
海拔梯度比较大的场区，建议设置三个不同海拔等级，在每个等级海拔较高、视野开阔四周无临近山峰阻挡、场地附近无小山包或者突出的树丛的地方安装测风塔。
空气质量监测方法及数据处理技术
空气质量监测方法及数据处理技术空气质量是人们生活中关注的一个重要指标。
随着工业化和城市化进程不断加快，空气质量问题也日益引起人们的关注。
为了监测和评估空气质量，科学家们开发了各种方法和技术来收集和处理相关数据。
本文将介绍空气质量监测的方法及数据处理技术。
一、空气质量监测方法1.传感器技术传感器是目前空气质量监测中最广泛使用的技术之一。
传感器可以通过感知空气中的污染物，如二氧化硫、氮氧化物、颗粒物等，然后将这些数据传输到数据中心进行分析和处理。
传感器技术具有实时监测、快速响应、低成本等优点，因而被广泛应用于空气质量监测领域。
2.遥感技术遥感技术利用卫星、飞机等遥感平台获取大范围的空气质量数据。
这些平台搭载了各种仪器，可以测量大气参数、污染物浓度等。
遥感技术具有覆盖范围广、高时空分辨率等特点，可以提供全面的空气质量信息，为空气质量监测和评估提供重要数据支持。
3.现场监测现场监测是指在地面上设置监测点位，使用专业仪器对空气质量进行实时监测。
现场监测可以提供精确的空气质量数据，但其覆盖范围有限，且需要人力、物力的投入。
因此，现场监测通常用于重要城市、产业园区等重点区域，以获取更准确的空气质量数据。
二、空气质量数据处理技术1.数据质量控制空气质量数据处理的第一步是对原始数据进行质量控制。
包括数据校验、填补缺失值、去除异常值等措施，确保数据的准确性和完整性。
只有经过严格的数据质量控制，才能得到真实可靠的空气质量数据。
2.数据分析与建模在数据质量控制后，可以利用统计学和机器学习等方法对数据进行分析和建模。
通过分析数据的变化趋势、周期性等特征，可以揭示污染物的来源和影响因素。
同时，利用建立的模型可以预测未来的空气质量状况，并采取相应的措施进行调控。
3.数据可视化数据可视化是将空气质量数据以直观的图表、图像等形式展示出来，使人们可以更加直观地理解和分析数据。
通过使用各种图表工具，可以将监测点位的污染物浓度、空气质量指数等信息以空间和时间的关系进行显示，帮助政府、企事业单位和公众更好地了解当前的空气质量状况。
风向风速的测试方法
风向风速的测试方法1. 引言风向和风速是气象学中重要的观测参数，对于气象、航空、能源等领域具有重要的意义。
准确测量风向和风速对于天气预报、飞行安全、风能利用等方面都具有重要的作用。
本文将介绍风向和风速的测试方法，包括常用的仪器设备、测试原理、测试步骤和数据处理方法。
2. 风向测试方法2.1 传统风向标传统的风向标是一种常见的测量风向的工具，通常由一个带有指针的杆状物体和一个标有方向的圆盘组成。
风向标安装在一个固定的支架上，通过风的吹向来指示风的方向。
风向标的精度取决于其制作工艺和安装位置，通常可以达到几度的精度。
2.2 风向传感器风向传感器是一种电子设备，可以实时测量风的方向。
风向传感器通常采用磁敏元件或光敏元件来感知风向，通过与电路连接并输出电信号来表示风向。
风向传感器的精度可以达到几度甚至更高，具有较高的测量精度和稳定性。
2.3 雷达测风仪雷达测风仪是一种先进的风向测量设备，通过发射和接收雷达波来测量风向。
雷达测风仪可以实现对风向的连续监测和高精度的测量，适用于气象、航空等领域对风向要求较高的应用。
3. 风速测试方法3.1 翼型测风仪翼型测风仪是一种常用的测量风速的工具，它利用风的吹动产生的压力差来测量风速。
翼型测风仪通常由多个静压孔和一个压力传感器组成，通过测量静压差来计算风速。
翼型测风仪的测量精度和响应速度较高，适用于多种应用场景。
3.2 热线式风速传感器热线式风速传感器是一种基于热传导原理的风速测量设备，它通过加热丝和测温丝的温度差来计算风速。
热线式风速传感器具有响应速度快、精度高、体积小等优点，广泛应用于气象、环境监测等领域。
3.3 激光多普勒测风仪激光多普勒测风仪是一种高精度的风速测量设备，它利用激光束的多普勒效应来测量风速。
激光多普勒测风仪可以实现对风速的非接触式测量，具有高精度、高分辨率和高响应速度等优点，适用于航空、气象等领域。
4. 测试步骤4.1 风向测试步骤•安装风向测试设备，确保其固定稳定。
利用Windographer进行测风数据处理及风资源分析方法
利用Windographer软件进行测风数据处理及风资源分析一、前言从测风塔导出的测风数据仅仅是最原始的测风数据，而对一座风电场风资源的评估，需要的是经过数据检验、合理性检验、不合理数据处理、长期数据的订正等一系列的处理后的数据。
测风数据的检测、筛选的前期处理工作，通常可以用Excel表格和Windographer软件里的相关功能进行。
因为每个测量对象一整年的十分钟时间序列数据多达52560个，每个测风搭一般有3~5个通道，若干个测量对象，并且一个风电场不止一个测风搭，所以测风数据的处理实际上是个非常繁琐且复杂的过程，需要操作人员有足够的细心及耐心才能完成这项工作。
二、缺测时段检验用Windographer打开原始测风数据txt文件，首先会出现如图1所示的对话框。
浏览确认下读取的各个通道是否有误，点OK即可。
进入windographer主页面，主页面的左侧Summary一览，介绍了所载入的测风数据基本信息。
见图2。
主页面有四幅图，分别是垂直风切变廓线图、风频玫瑰图、月平均风速图、日平均风速图，可以从主页面显示的基本信息对原始测风数据有个初步认识。
Array图2 Windographer 主界面在主页面点击进入Time Series时间序列菜单，出现图3的窗口,窗口右侧有所有测量对象信息，可选择需要查看的对象勾选。
图3： Windographer 主界面通过此方法查找缺测数据，首先勾选全部的全部的风速数据通道，查找并统计出缺测的风速时间序列。
查找方法：将波形图放大，放大到可以看到每天的波形曲线，波形线中断的时间段即为缺测时间段。
结合原始数据的Excel 表格，找出每个中断的具体时间序列点，如图4，风速波形线在2013年3月27日出现中断，然后找到Excel 中对应的时间序列（图5），找出具体的缺测时间段是在2013/03/27 7:20 ~2013/03/27 16:50 ，并且此段时间所有测风速的通道都是中断的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
测风数据的处理方法
测风数据处理包括对测风数据的验证及计算处理。
（一）数据验证
在验证处理测风数据时，必须先进行审定，主要从数据的代表性、准确性和完整性着手，因为它直接关系到现场风能资源的大小。
对提取的测风数据进行检查，判断其完整性、连贯性和合理性，挑选出不合理的、可疑的数据以及漏测的数据，对其进行适当的修补处理，从而整理出较实际合理的完整数据以供进一步分析处理。
完整性及连贯性检查，包括检查测风数据的数量是否等于测风时间内预期的数据数量；时间顺序是否符合预期的开始结束时间，时间是否连续。
合理性检查，包括测风数据范围检验，即各测量参数是否超出实际极限；测风数据相关性检验!即同一测量参数在不同高度的值差是否合理；测风数据的趋势检验，即各测量参数的变化趋势是否合理等，见表2-3~表2-5。
1.数据代表性首先了解现场测点的位置。
现场是简单的平坦地形、还是丘陵或者是复杂的地形，而测点在这几种地形下所处的位置。
在一个场地测风仪安装在最高、最低或者峡谷口等不具有代表性。
因为将来安装风力发电机组是几十台或几百台，面积较大，测风点应是在平均地形状况下测得的风速，否则就偏大或偏小。
因为建造在经济上可行的风电场，必须有最低限度的风能资源要求，可能在山顶上达到了最低限度的风能资源要求，在谷地达不到要求。
若在预选风电场有多点测风数据，可以进行对比分析，进行多点平均。
在平均时删除最低风速地形的值。
而且以后安装风力发电机组时，这些地形也不予以考虑。
此外，在测风点附近有无建筑物和树木，如有，测风点是否在建筑物和树木高度的10倍距
离之外，这也是衡量测风点是否具有代表性的一个要素。
2.数据准确性数据序列既然是一种观测结果的时间序列，必然受到风速本身变化和观测仪器、观测方法以及观测人员诸因素变化的影响。
对于风电场测风的数据不能只从数据上分析其准确性要从现场测风点作实地考察，如风速感应器是否水平，如某一风电场在40m高处的风杯支臂向西倾斜45°影响风速的记录，某咨询公司作可行性研究报告时，在风洞中进行测试，其结果如下：
由此可见现场测风的数据非常不准确，在0m/s时，实际上已有1.59m/s的风速，在10m/ s时，已有10.82m/s的风速。
无疑现场风速测量的准确性差。
风向的准确性关系到确定主导风向，但有的现场测风站仅用罗盘，把北标记对准地磁方向的“北”，没有进行地磁偏角方向找正。
还有的风向指北杆各点不一致，在测量塔装多层风向标，上下指北杆有5°-10°的差异，这些都影响风向玫瑰图的精度。
3.数据完整性由于传感器、数据处理器和记录器的失灵或者电池更换不及时等都能引起数据遗漏，使现场观测的风速值产生不连续，形成资料不完整，实际上一年的资料中间断断续续加起来仅7、8个月的数据，这样的资料无法用WAsP软件进行计算，也缺乏其代表性。
数据完整率应是采集时间的95%以上，最差也不能低于90%。
有效数据完整率计算：
应测数目是测量期间总小时数，缺测数目为没有记录到小时的数目，无效数据数目为确认是不合理的小时数目。
风电场要求至少有一年的完整数据（最好是一个自然年从1月1日到12月31日），因为一年是建立风况季节性特性资料的最短期限，这样也有利于与气象站资料进行对比分析，若用前一年的下半年和后一年的上半年作为一年，往往很难判断是大风年还是小风年。
一般来说，数据验证工作应在测风数据提取后立即进行。
检验后列出所有可疑的数据和漏测的数据及其发生时间。
对可疑数据进行再判断，从中挑选出符合实际的有效数据放回原数据中；无效数据则采用前后相邻数据取平均、参考其他类似测风设备同期数据、或者凭经验进行替代而变为有效数据，对无法平均或无法替代的则视为无效数据；误测和漏测数据除按可疑数据进行处理外，应及时通知测风人员尽快采取措施予以纠正。
最终整理出一组连续的数据，数据完整率（即除去漏测数据数量和无效数据数量后的实际数据数量占应测量数据的比
例）应达到90%以上。
最后，将所有经验证后的数据汇总，得到至少连续一年的一套完整的数据。
（二）缺测数据订正
缺测数据可参照如下方法进行订正。
1.按不同风向求相关需要借助邻近气象站或者现场多点观测的其他点数据进行比较。
这种方法建立在同一大气环流形势、相邻的观测数据变化是有联系的!其振动幅度大致是一致的。
于是，两点间风的变化是相关的。
从理论上讲在同一天气系统下，相邻两点风向一致!所以寻求各风向下的风速相关是合理的。
其方法是建一直角坐标系，横坐标为基准站（气象站）风速!纵坐标为风电场场测站的风速。
按风电场测点在某一象限内（如NW风）的风速值，找出参考站对应时刻的风速值点图，求出相关性，最好能建立回归方程式，对于其他象限重复上述过程，可获得16个风向测点的相关性，然后按各方向对缺测的数据进行订正。
2.按不同风速求相关性风速相关性一般来说，小风即3m/s以下时，相关性较差，因为小风时受局地影响很大，如甲地风速在1m/s时，相邻乙地可能是2m/s，绝对不能得出甲地比乙地风速小50%的结论。
同时小风时风向也不稳。
只有当风速较大，相关性才较好。
3.长年数据订正在风电场测风，虽有1、2年的资料，想取得历年之间及各季之间的风力变化资料，显然是作不到的。
所以必须根据相邻气象站或水文站、海洋站的长年代（30年以上）资料进行订正。
从长年代来看，由于风电场测风时的年份所测的风速可能是正常年，也可能是大风年或者是小风年的风速，若不作修正，有产生风能估计偏大或偏小的可能，但也不能简单地将气象站的30年资料拿来进行对比。
因为气象要素随时间的变化不仅含有气候的变化的影响，而且还含有站址的搬迁!站址周围建筑物和树木的成长等变化的影响，所以往往气象站的风速有随着年代推移逐年偏小的趋势，故不能看到气象站的风速序列中与风电场测风的年份比50-80年代小就认为是小风年。
应该分析气象站资料!，最近一些年来周围环境的变化，再确定相应风电场那一年属于是什么年（大风、小风或正常年），然后以每年与气象站风速的差值推算出风电场长年代资料。
即反映风电场长期平均水平的代表性资料。
（三）数据计算处理
将验证后的数据与附近气象台、站获取的长期统计数据进行相关比较并对其进行修正，从而得出能反映风电场长期风况的代表性数据；将修正后的数据通过分析计算如应用WAsP程序，变成评估风电场风能资源所需要的标准参数指标如：月平均风速、年平均风速、风速和风能频率分布（每个单位风速间隔内风速和风能出现的频率），风功率密度，风向频率（在各风向扇区内风向出现的频率）等，计算风功率密度和有效风速小时数。
绘制出风速频率曲线、风向玫瑰图、风能玫瑰图，年、月、日风速变化曲线。
（四）测风数据用于风能资源的评估
对计算处理后的各参数指标及其他因素进行评估。
其中包括重要参数指标的分析与判断，如风功率密度等级的确定、风向频率及风能的方向分布、风速的日变化和年变化、湍流强度分析、天气等；将各种参数以图表形式绘制出来，如绘制全年各月平均风速，风速频率分布图，各月、年风向和风能玫瑰图等，以便能直观地判断风速风向变化情况，从而估计及确定风力发电机组机型和风力发电机组排列方式。
Welcome To Download !!!
欢迎您的下载，资料仅供参考！。