在做風資源分析中，因沒有測風數據常常會遇到這種情況，知道該地的平均風速，卻不知道平均風功率密度。平均風功率密度并不是由平均風速直接計算而來，由此會給資源分析師們帶來一些不便。為此小編通過威布爾參數的方法結合現有的計算成果和自己的分析計算來確定一個簡便的風功率估算方法。

      風功率分布參數的確定

　　根據風功率密度的定義，風功率密度P為空氣密度ρ和風速v兩個變量的函數。對某一地區而言，空氣密度變化不大，可忽略不計，因此風功率密度主要由v3的變化決定。由此可以認為，風能的概率分布取決于風速的概率分布特征。經推算：

　　K、c為風速分布的威布爾參數

　　可見風能的分布仍是威布爾分布，形狀參數變為3/k，尺度參數變為c3。

　　尺度參數c的優化

　　根據平均風速和最大風速估計威布爾參數的方法可以得出

　　所以尺度參數c可以省略不考慮。

　　形狀參數k的優化

　　根據經驗，風速分布的形狀參數k值變化范圍在1.0~3.0之間，3/k的范圍在1.0~3.0之間。伽馬函數表中，x變量的取值范圍為1.000~1.999。

　　根據伽馬函數關系式

　　通過觀察伽馬函數表發現，函數值的變化幅度不大，因此當x-1取值為1.0~1.999時，函數可取近似值0.9。

　　最終優化結果

　　綜合以上結論，最終的風功率函數可以估算為以下公式：

　　n取值為0、1或2，取決于伽馬函數（x-1）的迭代次數。

　　通過上公式發現平均風功率之和平均風速、形狀參數有關。根據經驗得知形狀參數在小片內變化不明顯，且在本式中影響較小，所以可有該地區的平均值2.34代替：

　　下表為在某中尺度平臺上選取的五個點

　　圖中五個點距離范圍為5km~15km，風功率一欄為觀測到數值，估算風功率一欄為取k平均值2.34后計算結果。從兩列數據結果來看，因k值影響較小，在一定范圍內，此估算方法具有一定的參考價值。