实时计算风力涡轮机功率曲线、Cp-TSR特性和年度发电量。体验贝兹极限（16/27）和威布尔风速分布。叶素动量理论（BEM）效率计算。
ρ = 1.225 kg/m³ A = πR² 扫风面积 v: 风速
贝兹极限：这是风力机从风中提取能量的理论最大值，由德国物理学家阿尔伯特·贝兹于1919年推导。它表明，为了让风持续流过转子，必须保留一部分动能，因此存在一个不可逾越的效率上限。
$$P_{max}= \frac{16}{27}\cdot \frac{1}{2}\rho A v^3 \approx 0.593 \cdot P_{wind}$$其中，$\rho$是空气密度（约1.225 kg/m³），$A = \pi R^2$是转子扫风面积，$v$是上游风速。$P_{wind}= \frac{1}{2}\rho A v^3$是流过面积A的风的全部动能功率。
叶尖速比与功率系数：这是评估风机气动性能的核心。功率系数$C_P$是实际捕获功率与风中总功率的比值，它是叶尖速比$\lambda$和桨距角$\beta$的函数。
$$\lambda = \frac{\Omega R}{v}, \quad C_P(\lambda, \beta) = \frac{P_{rotor}}{\frac{1}{2}\rho A v^3}$$$\Omega$是转子角速度，$R$是转子半径，$v$是风速。$C_P$曲线通常呈钟形，存在一个最优$\lambda$使得$C_P$最大。
威布尔风速分布与年发电量：真实世界的风速是随机的，常用两参数威布尔分布来描述其概率，年发电量是功率曲线在所有可能风速下的期望值。
$$f(v) = \frac{k}{c}\left( \frac{v}{c}\right)^{k-1}\exp\left[-\left( \frac{v}{c}\right)^k \right], \quad AEP = 8760 \int_{0}^{\infty} P(v) \cdot f(v) \, dv$$$v$是风速，$k$是形状参数（影响分布形状），$c$是尺度参数（与平均风速相关）。$P(v)$是风机的功率曲线（输出功率随风速变化的函数）。
风机设计与选型：工程师使用此类模拟在风机设计初期确定关键的几何与运行参数，例如选择多大的转子直径（扫风面积）和额定风速，以在特定风场条件下最大化年发电量并控制成本。
风电场微观选址：在规划风电场时，需要对每个风机机位进行精细化评估。结合具体场址的威布尔风速分布参数（c, k），模拟器可以预测单台机组的发电量，优化风机排布，避免尾流影响，从而提升整个风电场的收益。
性能评估与故障诊断：对于已运行的风机，将实测的功率曲线与模拟的理论曲线进行对比，可以诊断风机是否存在气动性能下降（如叶片污染、损坏）或控制系统问题（桨距角、转速控制不佳），指导运维。
经济性与电网规划：模拟得出的年发电量（AEP）和容量因子（CF）是评估风电项目经济性的直接输入。电网公司也利用这类分析来预测风电的出力特性，以便更好地进行电力平衡与调度。
开始使用本模拟器时，有几个容易误解的地方需要注意。首先，人们常认为“贝茨极限59.3%是无论如何都无法超越的绝对壁垒”，但这其实是基于“均匀流场中的理想致动盘”这一极度简化模型得出的结论。现实中，例如通过多台涡轮机纵向排列的“多级化”等打破该假设的特殊情况，理论上也存在超越这一极限的可能性。不过，对于常规的单体涡轮机设计而言，将其视为无法逾越的目标值仍然是正确的认识。
其次是参数设置的陷阱。你是否将空气密度ρ保持为默认值1.225 kg/m³未作调整？这是海平面附近15℃时的数值。如果实际安装地点是高原，或冬夏气温差异巨大，密度会发生波动。例如，在海拔1000米、气温0℃时，密度会降至约1.1 kg/m³，相同风速下获得的电力将下降约10%。进行发电量估算时，必须根据当地的平均气压和气温重新计算密度，这是铁律。
最后要注意，“始终以最佳叶尖速比运行就能获得最高效率”这一说法并非总是成立。确实存在一个使Cp最大化的特定点，但风速是时刻变化的，对吧？在实际涡轮机控制中，在风速达到额定值之前会追踪这一最佳叶尖速比，但在强风时，为了保持输出功率恒定，会通过改变桨距角有意降低效率（减小Cp）。建议在模拟器中针对“额定风速以上”的工况进行模拟，观察增大桨距角β时发电功率逐渐达到饱和的现象。
本工具背后的理论不仅关乎风力发电，更与诸多工程领域紧密相连。首先最直接关联的是航空工程。研究叶片翼型升阻特性的“翼型理论”，以及计算叶片整体气动载荷的“叶素理论”，其基础与飞机螺旋桨或直升机旋翼的设计完全同源。模拟器中出现的“桨距角β”，相当于飞机术语中的“迎角”，是一个至关重要的参数。
其次是流体机械工程。涡轮机是泵、风机等“涡轮机械”的一种，其能量转换原理是相通的。其中，相似准则尤为重要。模拟器中，即使改变转子半径R或转速Ω，只要“叶尖速比（λ）”相同，其“Cp”就保持不变——这一关系正是将模型实验结果转换到实际机组规模时所依据的根本原理。
此外，控制工程和概率统计学也不可或缺。针对风这种具有随机扰动的输入，如何控制转速、调整桨距角以提取最大能量，是高级控制理论的应用实例。同时，利用威布尔分布进行风况分析的方法，在预测设备寿命的“可靠性工程”中也使用完全相同的分布。通过这一个工具，你便能触及极其广阔的工程世界。
熟悉本模拟器后，可以尝试向下一步迈进。首先是直面“叶素动量理论（BEM理论）”的数学公式。模拟器将其作为黑箱进行计算，但其核心在于将叶片分割为微小元素（叶素），并在每个位置联立求解“动量理论（流动减速）”和“叶素理论（升力/阻力）”。该计算离不开表征翼型特性的$C_l$（升力系数）与$C_d$（阻力系数）数据，利用NACA翼型等公开数据尝试编写简单的BEM代码，会极大地加深理解。
在数学层面，其背景涉及微积分和概率统计的基础知识，例如威布尔分布的推导，以及推导贝茨极限时涉及的微分运算（通过$dP/da = 0$ 求解最佳流入减速率$a=1/3$）。追寻工具输出结果背后的“原因”，自然会引导你复习这些数学知识。
下一个推荐主题是“风力发电场的系统设计”。在此，关注的不仅是单机效率，更需要更宏观的视角：如何布置多台涡轮机（考虑风机间的“尾流效应”导致的下游风速衰减），以及如何将波动的电力整合到电网中（并网技术）。你会切实体会到，在本模拟器中学到的“单机行为”正是所有这些内容的基础。