调整转子直径、Cp系数和风速参数，实时计算发电量。直观理解59.3%贝兹极限与基于威布尔分布的年发电量（AEP）。
威布尔年发电量：
$${\rm AEP} = 8760 \int_0^\infty P(v)\,f(v)\,dv$$风力涡轮机捕获的风功率由以下基本公式描述，它决定了瞬时发电能力：
$$P = \frac{1}{2}\rho C_p A v^3$$其中，$\rho$是空气密度（约1.225 kg/m³），$C_p$是功率系数（效率），$A$是转子扫掠面积（$A=\pi D^2/4$），$v$是风速。$C_p$存在一个理论最大值，即贝兹极限：
$$C_{p,\max}= \frac{16}{27}\approx 0.593$$这表示，即使是最理想的风机，也无法从流过的风中提取超过59.3%的动能。
由于风速不断变化，评估风电场的长期性能需要使用概率统计。风速分布通常用威布尔分布来描述，年发电量（AEP）是功率曲线与风速概率的加权积分：
$${\rm AEP}= 8760 \int_0^\infty P(v)\,f(v)\,dv$$其中，$8760$是一年的小时数，$P(v)$是风速为$v$时的输出功率，$f(v)$是威布尔分布的概率密度函数：$f(v) = (k/c)(v/c)^{k-1} \exp[-(v/c)^k]$。$k$是形状参数（描述分布形态），$c$是尺度参数（与平均风速相关）。
风电场微观选址：在规划风电场时，工程师会使用包含本模拟器原理的软件，对场内每个潜在机位进行模拟。通过调整地形、粗糙度以及风机参数（如轮毂高度、转子直径），计算每个机位的AEP，以最大化整个风电场的收益，避免尾流干扰导致的电量损失。
风机机型选择与定制：针对不同风资源区（如我国I类风区风速高，IV类风区风速低），制造商会设计不同型号的风机。对于低风速风场，倾向于选择大直径转子以捕获更多风能；对于高风速风场，则可能更注重结构强度和额定功率的匹配。模拟中的参数调整正是这一决策过程的缩影。
发电量预测与项目融资：风电项目在银行融资时，必须提供可靠的发电量评估报告。基于长期测风数据和威布尔分布模型计算的AEP，是评估项目经济性（如内部收益率IRR）的核心依据，直接关系到能否获得贷款以及贷款利率。
风机运行与维护策略优化：实时监测的风速和功率数据可以与威布尔分布预测进行对比。如果实际发电量持续低于预测值，可能预示着叶片污染、对风偏差或机械传动系统效率下降等问题，从而触发预警，指导运维人员进行检查，保障资产收益。
使用本模拟器时，尤其初学者容易陷入几个误区。首先是“仅凭平均风速就能决定年发电量”的误解。虽然平均风速确实重要，但即使同样是平均风速7m/s，韦布尔分布的形状参数“k”较大（例如k=3.0）与较小（k=1.8）时，发电量会有显著差异。k值较小时风速波动更大，强风时段增多，由于功率特性与风速立方成正比，发电量往往会高于仅从平均风速预测的值。反之，即使平均风速较高，若k值极大（风速几乎恒定）的区域，其发电潜力也可能较低。
第二点是忽视空气密度ρ。模拟器虽采用标准值1.225 kg/m³，但实际上它会随海拔和气温变化。例如在海拔1000米的高原，空气密度会降至约1.112 kg/m³，降低近10%。这意味着相同风速下，输出功率会随密度成比例减少约10%。在粗略估算发电量时常被忽略，但却是精密评估中必需的修正项。
第三点是过度相信模拟结果即实际发电量。本工具计算的是“理论可发电量”，但实际运行中会存在风机故障、维护停机、输电损耗、功率曲线与理想状态的偏差，以及风机间相互干扰（尾流效应）等多种损失。实际工程中，通常会将模拟得出的AEP乘以“可用性系数”和“各类损失系数”（合计约85%~92%），从而推导出更贴近现实的“净AEP”。
风机直径D=85m，Cp=0.42，额定风速Vr=11m/s的3MW海上机组：转子扫风面积A=5,671m²，定格出力P=0.5×ρ×A×Cp×Vr³=0.5×1.225×5,671×0.42×1,331≈1.94MW；年平均风速7.5m/s时，威布尔分布下年均风功率密度约310W/m²，AEP≈5,200MWh，设备利用率CF=5,200÷(3×8,760)≈19.8%；贝兹极限比=0.42÷0.593=70.8%