ロータ直径・Cp係数・風速パラメータを操作して発電量をリアルタイム計算。ベッツ限界59.3%とWeibull年間発電量（AEP）を対話的に理解しよう。
Weibull AEP：
$${\rm AEP} = 8760 \int_0^\infty P(v)\,f(v)\,dv$$風力タービンが風から取り出せる機械的出力は、風の運動エネルギー流束にタービンの効率（出力係数）を乗じたものです。
$$P = \frac{1}{2}\rho C_p A v^3$$$P$: 発電機出力 [W]
$\rho$: 空気密度 [kg/m³] (標準状態で約1.225)
$C_p$: 出力係数 (無次元, 理論最大値はベッツ限界 16/27)
$A$: ローターが掃引する面積 [m²] ($A=\pi D^2/4$)
$v$: ローター前面の風速 [m/s]
実際の発電量評価では、その地点の風速変動を確率分布（Weibull分布）でモデル化し、電力曲線 $P(v)$ と積分して年間発電量(AEP)を求めます。
$${\rm AEP}= T \int_0^\infty P(v) \, f(v) \, dv$$${\rm AEP}$: 年間発電量 [kWh/年]
$T$: 年間時間 (8760 時間)
$f(v)$: 風速の確率密度関数 (Weibull分布)
$P(v)$: 風速 $v$ におけるタービン出力 [kW] (カットイン/カットアウト風速を含む実用的な曲線)
風力発電所の立地調査：候補地の過去の気象データから平均風速とWeibullパラメータを推定し、このシミュレーターのようなツールで年間発電量(AEP)を試算します。経済性評価の最も基本的な入力値となります。
タービン設計と選定：特定の風況条件（例えば、平均風速は高いが突風も多い場所）に対して、最適なローター直径(D)や定格風速(vr)を持つタービンモデルを選択する際に、パラメータを変えてシミュレーションを行います。
出力予測と系統連系：電力会社は、風力発電の翌日や数時間後の出力を予測する必要があります。その基礎となるのが風速予測と、この電力曲線 $P(v)$ の関係です。
教育・研修ツール：風力発電の基本原理である「風速の3乗則」や「ベッツ限界」、確率分布を用いたエネルギー計算を直感的に理解するための教材として、まさにこのシミュレーターが活用できます。
このシミュレーターを使い始める際、特に初学者が陥りがちな落とし穴がいくつかあります。まず一つ目は、「平均風速だけで年間発電量が決まる」という誤解です。確かに平均風速は重要ですが、同じ平均風速7m/sでも、Weibull分布の形状パラメータ「k」が大きい（例えばk=3.0）場合と小さい（k=1.8）場合では、発電量は大きく異なります。kが小さいと風速のばらつきが大きく、強風の時間が増えるため、風速の3乗で効く出力特性上、発電量は平均風速だけから予想するよりも多くなる傾向があります。逆に、平均風速が高くてもkが非常に大きい（風速がほとんど一定に近い）場所は、発電ポテンシャルが低いこともあるのです。
二つ目は、空気密度ρを無視することです。シミュレーターでは標準値の1.225 kg/m³が使われていますが、実際には標高や気温で変化します。例えば、標高1000mの高原では空気密度は約1.112 kg/m³と10%近く低下します。そうすると、同じ風速でも得られる出力は密度に比例して約10%減少します。発電量の粗い見積もりでは省略されがちですが、精密な評価では必須の補正項目です。
三つ目は、シミュレーション結果をそのまま実発電量と信じすぎることです。このツールは「理論上の発電可能量」を算出しますが、実際にはタービンの故障やメンテナンスによる停止時間、送電ロス、パワーカーブの理想からの乖離、さらには風車間の干渉（ウィークフェーク効果）など、様々な損失が発生します。実務では、シミュレーションで出たAEPに「可用性係数」や「各種損失係数」（合計で85〜92%程度）を乗じて、より現実的な「ネットAEP」を導出します。
この風力発電シミュレーターの背後にある計算原理は、実はCAEの様々な分野と深く結びついています。まず挙げられるのは流体力学（CFD：数値流体力学）です。出力係数Cpの値は、ブレードの形状や数、角度によって決まりますが、この最適な形状を探るには、空気の流れを3次元的に解析するCFDシミュレーションが不可欠です。CFDを使えば、ベッツ限界に近い効率を実現するブレード設計や、乱流の影響を詳細に評価できます。
次に確率・統計工学と信頼性工学です。Weibull分布は風速だけでなく、機械部品の寿命予測や故障分析にも広く用いられる確率分布です。風力タービンの主要部品（ベアリング、ギアボックスなど）の耐用年数を、変動する荷重（風速）の下で予測する「疲労寿命解析」の基礎としても同じ数学的枠組みが使われています。
さらに、発電した電気を系統に送る電力系統工学とも連携します。シミュレーターで計算されたAEPや時間変動する出力パターンは、電力系統の安定性解析や、他の電源（火力、太陽光など）との最適な組み合わせ（電源ミックス）を計画するための重要な入力データとなります。特に、風速変動に伴う出力変動（「揺らぎ」）を如何に平滑化するかは、系統運用上の大きな課題です。
もしこのシミュレーターの計算に興味を持ち、もっと深く知りたいと思ったら、次のステップに進んでみましょう。まずは数学的背景を固めることから。キーは「Weibull分布」と「積分」です。Weibull分布の確率密度関数 $$f(v) = \frac{k}{\lambda} \left( \frac{v}{\lambda} \right)^{k-1} \exp\left[-\left( \frac{v}{\lambda} \right)^k \right]$$ の導出や、これと電力曲線 $P(v)$ の積分がなぜ年間発電量になるのか、手計算で簡単なケースを試してみると理解が格段に深まります。
次に、より現実的な「電力曲線」のモデル化を学びましょう。このシミュレーターではおそらく理想的な曲線を使っていますが、実際のタービンは「カットイン風速」「定格風速」「カットアウト風速」で区切られた区分的な関数になります。例えば、定格風速以上では出力を一定に制御する「ピッチ制御」や「失速制御」の効果をモデルに組み込む方法を調べてみてください。
最後に、ツールの外側にある実データに触れることをお勧めします。気象庁やNEDOなどの機関が公開している「風況マップ」や、特定地点の長期にわたる風速データ（時系列データ）を入手し、自分でWeibull分布を当てはめてパラメータ（k, λ）を推定してみてください。エクセルやPythonを使った簡単な統計処理で可能です。理論と実データの間にあるギャップを体感することが、実務的なエンジニアリングセンスを養う最良の方法です。