正規化功率（NP）

正規化功率（NP）會將一段「忽高忽低」嘅功率輸出，轉換成一個等效嘅「穩定強度」數值。直覺上，NP 想回答：

• 如果我用同樣生理成本，以固定功率踩，咁個固定功率大概會係幾多？

相比平均功率，NP 對高強度抽插更敏感，所以更適合用嚟估算訓練負荷（例如功率版 TSS）。

點解需要 NP

生理學顯示：強度同生理成本（肝醣使用、乳酸累積、荷爾蒙壓力）唔係線性關係，而更接近 指數關係。

線性 vs 指數

• 線性角度（平均功率）：1 小時 200W 嘅平均，等於「30 分鐘 100W + 30 分鐘 300W」（平均都係 200W）
• 生理角度（NP）：300W 帶嚟嘅壓力遠大於 100W 可以「補返」嘅程度；後者嘅生理感覺往往更接近一段穩定約 260–270W 嘅努力

NP 會用 四次方加權（fourth-power weighting） 放大高功率片段，更貼近代謝成本。

Trainingload.ai 點樣計 NP

Trainingload.ai 跟常見 NP 定義：先計 30 秒 rolling average，再四次方、取平均、最後開四次方根。

P_smooth(t) = (1/30) * sum_{i=0..29} P(t-i)
NP = 4th_root( (1/N) * sum_{j=1..N} (P_smooth(j))^4 )

當中：

• $P(t)$ 係時間 $t$ 嘅即時功率
• $P_{smooth}(t)$ 係 30 秒 rolling average
• $N$ 係樣本數

常見用途

1) 比賽分析

• 場地繞圈（criterium）：頻繁加速通常令 NP 遠高於平均功率；NP 更能反映實際有幾辛苦
• 計時賽 / 三鐵：配速較穩定，NP 應該接近平均功率；如果 NP 明顯高好多，可能代表配速太浮動

2) 訓練負荷（TSS）

NP 係 TSS（Training Stress Score） 嘅核心輸入之一。

IF = NP / FTP
TSS ∝ Duration_sec * NP * IF

用 NP 可以令 TSS 更準確捕捉變化型課表（例如間歇）嘅負荷。

Trainingload.ai 建議：

1. 短時間意義較低：少過約 20 分鐘，NP 用處會細啲，因為生理未必進入穩態；衝刺課更應該睇最大功率或平均功率
2. 唔好「刷 NP」：恢復踩唔好特登加衝刺去抬高 NP；目標係低強度，NP 愈低愈好
3. 一齊睇 VI：配合 VI（Variability Index） 去睇：VI = NP / Avg Power。VI 越高代表努力越唔穩定

局限

• 依賴可靠功率數據：斷點同裝置錯誤會影響結果
• 對取樣/插值敏感：取樣率唔同可能令 NP 有少少差異
• 反映「成本強度」，唔等於直接反映疲勞：NP 唔等於恢復需求或肌肉損傷