功率 (Power)

功率是描述运动强度的高信号指标之一。在物理学上，功率定义为单位时间内所做的功。

$$P = W / t = (F * d) / t = F * v$$

其中：

• P 是功率（瓦特，Watts）。
• W 是功（焦耳，Joules）。
• t 是时间（秒，Seconds）。
• F 是力（牛顿，Newtons）。
• v 是速度（米/秒，m/s）。

在骑行中，可以粗略理解为：踩踏力量越大、踏频越快，输出功率通常越高。

为什么功率有用？

相比于心率（Heart Rate）或配速（Pace），功率有几个实用优势：

1. 响应快：心率对强度变化有滞后（Cardiac Lag），而功率几乎会立刻反映输出变化。
2. 外部输出清晰：心率会受压力、咖啡因、睡眠、温度、脱水等因素影响；功率描述的是当前输出功率。
3. 适合负荷模型：FTP、CP、IF、TSS、NP、VI 等指标都可以以功率为输入。
4. 适合地形变化：爬坡或顶风时配速会变慢，但功率可以帮助你更稳定地控制输出。

功率也不是完整答案。设备校准、传动损耗、风、路面、跑姿、疲劳和高温都会影响解读。Trainingload.ai 会把功率和心率、配速、RPE、近期负荷一起看。

虚拟功率 / 估算功率 (Estimated Power)

并不是所有人都拥有昂贵的功率计。Trainingload.ai 支持基于物理模型对功率进行估算。

估算原理

骑行功率估算

当你在户外骑行时，你的输出功率主要用于克服以下阻力：

$$P_total = P_gravity + P_rolling + P_air + P_acceleration + P_loss$$

1. 重力做功 (P_gravity)：爬坡时克服重力。这是爬坡时最大的阻力来源。
   • 取决于：总重量（人+车）、坡度、速度。
2. 滚动阻力 (P_rolling)：轮胎与地面的摩擦。
   • 取决于：总重量、路面粗糙度（Crr）、速度。
3. 空气阻力 (P_air)：克服风阻。这是平路高速骑行时最大的阻力来源。
   • 取决于：风阻系数（CdA）、空气密度、相对风速的立方。
4. 加速做功 (P_acceleration)：改变速度所需的能量（动能变化）。
5. 传动损耗 (P_loss)：链条、花鼓等机械损耗（通常约 2-5%）。

估算值有参考意义的前提

估算功率的参考价值高度依赖于输入数据质量：

• 体重与车重：需要尽量准确设置。
• GPS 数据的精度：坡度数据对估算影响巨大，而 GPS 高度往往有噪点。
• 环境因素：模型通常无法感知风向（顺风/逆风）和路面状况，因此在有风天气下误差较大。

尽管有局限性，对于长距离稳定爬坡，估算功率通常能提供有用的趋势参考。

跑步功率估算

跑步的功率估算和骑行不同：你并没有“驱动系统”的机械功率，而更接近“为完成当前速度与坡度所需的代谢输出”的模型化表达。

在 Trainingload.ai 中，如果一次跑步活动缺少功率数据，我们会基于速度、坡度、体重估算并填充功率序列（用于后续功率区间与相关指标计算）。

常见的做法是先估算在某个坡度下的“单位距离能量成本”（J/kg/m），再乘以速度与体重得到瓦特数：

$$Power(W) = Cost(J/kg/m) * Speed(m/s) * Weight(kg)$$

其中 Cost 与坡度 i（grade，取值为小数，例如 5% = 0.05）有关，Trainingload.ai 使用的一个常见形式是：

$$Cost(i) = 155.4 i^5 - 30.4 i^4 - 43.3 i^3 + 46.3 i^2 + 19.5 i + 3.6$$

估算值有参考意义的前提（跑步同样需要注意）：

• 速度与坡度可靠：GPS 速度抖动、海拔噪声导致的坡度误差，会直接放大到功率估算里。
• 体重准确：瓦特数与体重线性相关。
• 模型是近似：风、路面回弹、跑姿、加速度/变速等因素很难完全被模型捕捉，所以更适合看趋势与对比，而非当作绝对测量值。

Trainingload.ai 如何使用功率

• 设置强度区间：功率可以锚定 FTP、CP 与功率区间。
• 计算训练负荷：NP、IF、TSS 会用功率估算训练剂量。
• 复盘配速/配功率：VI 与 NP 可以帮助判断一次训练是稳定输出，还是包含大量变速和冲刺。
• 补足缺失数据：当没有直接功率数据时，估算功率可以让分析继续进行，但仍会被视为模型估计。

相关工具与文档

• FTP 计算器
• 临界功率计算器
• 功率区间计算器
• 功能阈值功率 FTP
• 临界功率 CP
• 标准化功率 NP