企业官网建设流程全解析

做建筑能耗模拟的人，心里都清楚一件事：模型再精细、边界条件再准，气象数据一旦拉胯，全年能耗预测就是空中楼阁。而EnergyPlus这个开源能耗模拟引擎，官方给了一套完整的气象数据配套工具——Weather Converter，也就是题目里说的天气转换程序。很多人一开始接触它，以为只是把CSV转个格式，实际上它是整个EnergyPlus模拟链条里非常容易被低估、却又决定模型成败的一环。

这篇文章我想把这几年实际用Weather Converter的经验摊开来讲：它到底把什么“转换”成了什么、转换的过程中系统悄咪咪帮你做了哪些计算、手头有TMY3或CSV原始数据时怎么快速生成一个能用的EPW文件，以及我在项目里踩过的那些坑。内容不算难，但信息量不小，适合刚入坑建筑能耗模拟的工程师、做绿建评估的咨询人员，以及所有被气象数据折腾过的建模选手。

1. 为什么能耗模拟绕不开天气转换这步

先说个很实际的场景：你从气象部门或数据网站拿到一份某个城市的逐时气象数据，可能是CSV表格，可能是TMY3格式，甚至可能是某台现场气象站的实测记录。但你把它丢进EnergyPlus的模拟器里，会发现系统根本不认，直接报错退出。原因很简单——EnergyPlus只认它自己定义的EPW格式，其他格式都需要通过Weather Converter做前置处理。

1.1 EPW格式是什么，为什么EnergyPlus认它

EPW（EnergyPlus Weather）文件，本质上就是一个存了一整年逐时气象数据的文本文件，按固定顺序排列每小时的干球温度、露点温度、相对湿度、大气压、水平面总辐射、直射辐射、散射辐射、风向、风速、云量、能见度等字段。数据行从1月1日0点开始，一直排到12月31日23点，8760个小时，一小时一行，顺序不能乱，格式不能错。

听起来简单，但这里有一个很多新手没意识到的问题：EPW文件的头信息特别讲究。开头那一串又以LOCATION、DESIGN CONDITIONS、TYPICAL/EXTREME PERIODS、GROUND TEMPERATURES、HOLIDAYS/DAYLIGHT SAVINGS等几个固定块构成的设计参数，不是随随便便就能编出来的。比如DESIGN CONDITIONS里的冬季设计温度、夏季干球温度、湿球温度，是后续HVAC系统选型计算的参考基准；GROUND TEMPERATURES是地埋管、地板辐射采暖等系统模拟时要用到的土壤温度曲线。如果这些头信息缺失或错误，能耗模拟跑出来冷热负荷会偏离现实很多。

Weather Converter的价值，就在于它不只是做“格式搬运工”，而是帮你把这些头信息一起计算并补齐。你输入的是一堆原始气象观测值，它输出的是一个结构完整、可直接供EnergyPlus调用的气象文件。整个过程自动化程度很高，但如果你完全不懂它背后做了什么，出了问题就只能抓瞎。

1.2 Weather Converter在模拟流程中的位置

EnergyPlus的完整模拟流程通常是这样：先准备建筑几何模型（可能是DesignBuilder、OpenStudio、SketchUp插件之类做的），再设定热工参数、暖通空调系统方案、运行时间表，最后替模型指定一个气象文件，运行计算。而气象文件这一步，是模型从“静态图纸”升级为“动态系统”的关键。同一个建筑模型，放在哈尔滨和放在广州，全年负荷差异可以到两三倍，靠的就是气象数据驱动。

Weather Converter在整个流程里，可以说是最前置的一个工具。它把各类原始气象数据统一“翻译”成EnergyPlus能懂的EPW语言。翻译质量直接决定了模拟结果的可信度。有些项目为了图省事，随便找一个相近城市的EPW文件替代使用，这在方案阶段也许能蒙混过关，但到了施工图审查、绿建星级评定或能耗审计阶段，气象数据与项目所在地不符，审查专家很容易就看出来，数据可信度也会被打上问号。

所以我一直觉得，做能耗模拟的人，与其等模型算完再怀疑结果，不如先在气象数据源头把好关。Weather Converter虽然不起眼，但它是整个模拟数据链的第一环，也是最能体现基本功的一环。

2. 天气转换器的核心能力与转换逻辑

Weather Converter这个工具，在EnergyPlus安装目录下的Weather文件夹里，对应的可执行程序叫WeatherManager.exe。它的核心能力远不只是“改个扩展名”，而是面向多种源数据格式，做一套完整的气象数据解析、推算、清洗和头信息生成流程。

2.1 支持的源数据格式

实际工作经验里最常见的几种输入格式是：CSV（逗号分隔或制表符分隔的逐时数据）、TMY2和TMY3（美国典型气象年格式）、DAT（EnergyPlus早期使用的一种文本格式）、WYEC2（加拿大天气年）、以及ESP（英国建筑研究所的气象数据格式）。

这里重点说说CSV，因为它最通用，也最容易出差错。很多人从气象站拿到Excel表格后，简单另存为CSV就想往里灌，但Weather Converter对CSV列的顺序有明确的匹配要求。官方文档规定，CSV输入文件需要按照特定顺序排列字段，比如说日期与时间、干球温度、露点温度、相对湿度、大气压、水平面总辐射、直射辐射、散射辐射、总云量等。如果你的表头命名随心所欲，或者列的顺序不一致，运行后就会生成大量错误数据，但程序不会直接崩，而是把异常值填成-99占位，导致后期模拟结果出现奇怪的尖峰或空缺。

所以我的建议是：用CSV输入时，先把表头整理得和EPW字段一致，或者严格按照Weather Converter的映射规则排好列，再执行转换。第一次操作的人可以先用官网上的样本文件跑一遍，确认自己懂了映射逻辑，再处理自己的数据。

2.2 转换过程中系统做了什么

Weather Converter处理一份原始气象数据，通常会干这么几件事，每一项都值得你了解。

第一，时间基准校正。很多气象数据记录的是一天24个小时，但有的数据采用地方平均太阳时，有的采用标准时区时间，还有的混入了夏令时。EPW要求时间基准是标准时间。转换程序会自动识别时间信息，遇到夏令时就把时钟回拨或前调，避免出现“一天25个小时”或“某小时重复”的错乱。这个细节，一旦处理错，能耗曲线的峰值会整体偏移，空调负荷匹配到错误的室外温度上。

第二，缺失数据插补。气象站的观测记录难免有断档，可能是设备故障，也可能是数据传输丢包。Weather Converter对缺测数据会标记为-99，但接下来它不会傻乎乎地让缺失值留在那，而是会用相邻时次的合理数值或气候学插值方法去填充。虽然这套自动插补的精度未必完美，但至少能保证模拟不中断。

第三，太阳辐射拆分。有些源数据里只有总辐射量，没有直射和散射分量。而EnergyPlus做围护结构负荷计算时，需要区分太阳直射辐射和散射辐射，因为它们在窗玻璃和墙体表面的传热机理完全不同。Weather Converter会根据经验模型，例如Erbs或Perez模型，把总辐射拆分成直射和散射两部分。具体用哪个拆分模型，不同版本的EnergyPlus可能默认值不一样，输出的辐射数据差异也会影响夏季峰值负荷的预测。

第四，头信息计算。自动生成DESIGN CONDITIONS（设计温度、焓值、湿球温度）、GROUND TEMPERATURES（逐月土壤温度）等头部数据块。这些参数是从原始数据里统计极值或平均值得来的，也有部分依赖内嵌的典型数据表。不同版本程序对设计工况的统计口径可能存在细微差异，好在你打开EPW文件后能看到这些数值的来源表，便于校对。

了解这套转换逻辑之后，你会明白Weather Converter绝非无脑转格式的小工具，它更像是一个内置了建筑气象学算法的工作站。理解它的计算思路，后期排查问题时也更有方向感。

3. 实操：从原始气象文件到可用EPW

理论知识说再多，不如亲手把一份原始数据跑成一份EPW。我就以最常见的场景来演示：从下载TMY3典型气象年文件开始，经过Weather Converter的处理，最终得到一个可以投入EnergyPlus模拟的气象文件。顺便提一嘴，国内做项目常用CSV格式的实测数据或标准气象数据，操作路径是一样的，只是源文件的结构不同。

3.1 获取典型气象年数据

做能耗模拟，一般不直接用某一年的真实气象数据，因为单一年份的天气可能是异常的暖冬或者凉夏，会导致模拟结果偏离长期平均水平。行业惯例是使用典型气象年（Typical Meteorological Year，简称TMY），它是从过去十年到三十年的气象观测记录里，选取具有代表性的月度数据拼接而成的“合成年份”。

美国能源部网站提供美国和全球很多站点的TMY3格式数据下载，国内的中国标准气象数据，通常能在一些学术数据库或行业软件配套资源里找到。如果你拿到的数据包是.zip压缩包，解压后会看到以.csv或.tm3为后缀的文件。为了后续演示方便，我们把下载好的文件命名为Shanghai_Hongqiao.tm3（这里只是举例命名，实际项目请以真实站点为准）。

拿到TMY3数据后，先不要急着转换，用文本编辑器打开瞥一眼。TMY3文件的每一行代表一个小时，数据字段与EPW字段有对应关系，但并不能直接替代。官方文件里附带的TMY3.csv映射说明或者Weather Statistics文档，会告诉你每一列对应的是什么气象参数。我习惯先抽样检查一下文件里是否有明显的乱码或大量空值，这种笨办法能省去后面浪费在程序报错上的时间。

3.2 命令行转换实战

EnergyPlus最新的几个版本里，Weather Converter依然保留着命令行调用的方式。如果你用的是Windows系统，可以在EnergyPlus安装目录下打开命令行窗口，执行类似下面的命令：

cd C:\EnergyPlusV24-1-0\Weather .\WeatherManager.exe -i Shanghai_Hongqiao.tm3 -o Shanghai_Hongqiao.epw

其中-i参数指定输入文件，-o参数指定输出文件。如果你的数据是CSV格式，需要额外指定一些映射规则，例如：

.\WeatherManager.exe -i mydata.csv -o mydata.epw -f CSV

-f CSV告诉程序按CSV格式解析输入。这里特别提醒一下：如果CSV文件里包含表头，务必先删掉表头行，否则程序会把这一行当成气象数据读取，之后所有的辐射值、温度值都会错位。我第一次用自己整理的数据转换时，就是因为表头没清理，生成的EPW文件第一小时数据全是“姓名、日期、温度”这种乱码，排查了半天才发现是这种基础错误。

转换完成后，会在输出目录里生成一个Shanghai_Hongqiao.epw文件，同时还会自动生成一个EnergyPlusWeatherLog.csv日志文件。这个日志是宝贝，它会告诉你转换过程中有多少数据被标记为缺测、多少数据被修正、哪些字段存在异常。不要忽略它，认真的建模师会在转换后第一时间打开日志，看看数据质量有没有问题。

3.3 结果文件解读

生成好的EPW文件，我会建议你用记事本或Notepad++打开，做两件事。

第一，检查头部信息块是否完整。重点看LOCATION那一行，它的格式是城市名、国家、数据来源、时区、经纬度、海拔。如果经纬度和实际站点偏差很大，说明源数据站点选择有问题，模拟时太阳辐射的入射角会失真。DESIGN CONDITIONS块里能看到夏季和冬季设计温度，这些数值可以用当地暖通设计规范里的数据做交叉验证，偏差过大就要警惕。

第二，抽查若干小时的数据行。EPW的每一行数据有很多列，字段之间用逗号分隔。你可以随机挑选1月中旬和7月中旬的某个白天和夜晚，看温度是不是在该有的区间。比如7月某天下午2点时，温度显示在25度以下，那大概率是转换出了问题，这时再去对照CSV源数据，确认是不是列映射错了。

生成的EPW文件，放入EnergyPlus模型的工作目录后，就可以在模拟输入文件里直接引用了。如果你用EP-Launch或OpenStudio这类图形界面，也可以把EPW文件的路径直接填到气象文件设置栏。完成这一步，你手里的气象数据才算真正“可用”。

4. 常见问题排查与避坑清单

Weather Converter看着操作简单，但实际项目中容易出现的问题五花八门。我把这几年遇到的高频问题整理成了一张速查表，再挑三个典型场景展开说说，应该能帮你省下不少调试时间。

4.1 问题速查表

4.2 三个典型场景的排障实录

场景一：某项目使用现场实测气象站数据，数据是逐分钟记录，我先按小时取平均汇总成8760行，然后转EPW。结果转换后模拟能耗异常偏高。排查发现，实测风速传感器安装在楼顶女儿墙附近，受到建筑绕流影响，风速明显低于气象站标准。由于风速直接影响围护结构外表面换热系数，风小了散热变差，空调冷负荷自然虚高。这个问题的根源不在Weather Converter，而是输入数据的代表性不足。后来我参照附近长期气象站的月平均风速做了修正系数，重新转换，负荷才趋向合理。

场景二：我下载了一个欧洲城市的EPW文件想直接使用，程序转换时报了一个莫名其妙的错误，说某一行字段数不对。打开EPW后发现，某些行的风速字段用了分号结尾，还有一些行多了空格。这是因为不同机构生成的EPW风格不统一，虽然都叫EPW，但程序解析要求很严格。处理方式是写一个小脚本，统一清洗掉行尾多余的分号和全角空格，再重新转换。这里也提醒大家，从网上下载的EPW文件，最好还是用Weather Converter重新过一遍，顺带生成日志，确认没有问题再投入使用。

场景三：一份60年代气象数据转进来，辐射值整体偏低，模拟得到的全年空调能耗也远低于预期。分析日志发现，该站点长时间段的太阳辐射是估算值，而且是按阴天条件估算的，整体偏离真实气候。这说明源数据的时间尺度会影响数据的可靠性。老旧的观测数据或间接推算数据，用在研究里可以，但用在真实项目的能耗评估里要格外谨慎。

5. 更进阶的玩法：自定义数据与批量转换

前面讲的都是标准流程，但实际项目中经常遇到两种情况：一是项目现场有自己采集的气象数据，想用来做更贴近实际情况的模拟；二是做片区多栋建筑或城市级别的能耗分析，需要一次性转换几十个站点的气象数据。这两种需求，用Weather Converter照样能解决，但需要点额外手段。

5.1 现场实测数据如何转成EPW

现场实测数据通常来自小型自动气象站，记录间隔可能是5分钟或10分钟，字段也可能比较精简，只有温度、湿度、风速、风向、太阳总辐射这几项。要想让EnergyPlus用上这种数据，最好按照Weather Converter支持的CSV模板来整理。

我一般先按小时整理逐时数据，生成一个只有年份、月份、日、小时、干球温度、露点温度或相对湿度、风速、水平面总辐射这几列精简CSV。相对湿度如果源数据里有就填，没有的话可以用露点温度与干球温度的关系推算，程序会在转换过程中自行换算。

整理好CSV后，使用命令行转换：

.\WeatherManager.exe -i site_hourly.csv -o site.epw -f CSV

转换后要重点检查GROUND TEMPERATURES这类头信息，因为实测数据只覆盖一年，程序无法统计多年的土壤温度变化，可能会使用默认值。如果你介意这部分误差，可以在生成EPW后手动编辑头部，把就近长期气象站统计的地温数据填进去。这样做虽然工作量多一点，但至少能让模型对地埋管等系统的模拟更靠谱。

5.2 批量处理多站点数据

做城市级或片区级能耗分析时，手动一个一个转EPW效率太低。这里分享一个我用Python脚本批量调用Weather Manager的简化思路。

首先把几十个站点的源数据文件统一命名，比如site01.tm3、site02.tm3，放在同一个文件夹下。然后写一个简单的循环脚本：

import subprocess import os weather_dir = r"C:\EnergyPlusV24-1-0\Weather" input_folder = r"D:\weather_sources" output_folder = r"D:\weather_outputs" os.makedirs(output_folder, exist_ok=True) for filename in os.listdir(input_folder): if filename.endswith(".tm3"): in_path = os.path.join(input_folder, filename) out_name = filename.replace(".tm3", ".epw") out_path = os.path.join(output_folder, out_name) cmd = [os.path.join(weather_dir, "WeatherManager.exe"), "-i", in_path, "-o", out_path] result = subprocess.run(cmd, capture_output=True, text=True) print(f"{filename} -> {result.returncode}")

这个脚本很简单，核心思路就是遍历文件夹内所有.tm3文件，逐个调用WeatherManager.exe转换。执行完后再去做数据质量抽检，重点关注日志文件。批量转换最怕的就是“全转完了，但某几个文件其实转错了”，所以建议在脚本里加一步，检查生成的EPW文件行数是否为8760，用文件行数做一个最基础的有效性校验。

如果你会一点Python，也可以在此基础上做更高级的处理，比如读取生成的EnergyPlusWeatherLog.csv，自动统计缺测数据比例，把高缺测率的站点单独标出来，方便后续人工排查。这一步对几十上百个站点数据做质量审核时，能节省大量精力。

结尾：一点个人经验

用Weather Converter这些年，我最大的心得是：这个工具本身不难，难的是你愿不愿意在一次转换之后，多花几分钟去打开日志和EPW文件，把里面的头信息和关键时次的数据都扫一遍。很多能耗模拟项目最后结果偏差巨大，问题往往不是出在EnergyPlus模型本身，而是气象数据在源头就没弄干净。也因为这个原因，我现在做任何项目，都会在气象数据处理完成后，输出一页简要的气象数据核查记录，包含站点坐标、数据来源、转换版本、异常数据数量，以及和设计规范的校验结果。这份记录不仅方便自己后期复查，面对甲方或者审查专家的质询时，也能摆出实实在在的依据。

如果你正准备用EnergyPlus做能耗预测，或者正被某个奇怪的模拟结果折磨，不妨先从头检查一下自己的EPW文件，也许问题就藏在那份不起眼的转换日志里。