随着风电应用规模的不断扩大,风能资源评估和风电场风电功率预报越来越受到重视。由于风电场的尺度一般在公里量级,且地形条件复杂,风电场范围内的大气运动不仅受区域中尺度环流的影响,还与局地小尺度运动有关。因此,风能资源评估中所用的数值模式不仅要能够模拟区域中尺度环流,也应具有模拟局地小尺度运动的能力。然而,仅仅使用巾尺度大气数值模式(例如WRF)一般不能模拟局地小尺度运动,而工程中常用的计算流体力学模式(或计算风工程模式,例如 Fluent)又不能模拟大气中尺度运动。基于此,本文将国际上常用的中尺度大气数值模式WRF和计算风工程模式Fluent相耦合,来进行风能资源的精细评估。同时,在风电场风电功率预报中,往往基于模式预报的风速结果,来预报风电功率。风速预报的好坏,与边界层参数化方案的选择和模式输出的误差订正有很大关系。此外,在将预报的风速转换为风功率的过程中,所用方法不同,最终预报的风功率也有较大的差别。因此,本文通过风电场风电功率预报的实例,研究了WRF模式边界层参数化方案的选取以及模式输出误差的统计订正方法。此外,本文也详细研究了常用的风速转换为风功率的方法,在实际工程应用中的性能。本文的研究为改进风能资源评估和风电场风电功率的预报提供一定的参考。具体而言,本文的研究内容和研究结果主要分为以下五个方面:　　 (1)建立WRF模式与Fluent模式的耦合系统。WRF驱动Fluent,充分发挥两者之间的优势,能够模拟复杂地形条件下的大气运动特征。本文利用国际上先进的WRF中尺度天气预报模式、模拟对象地区的静态数据和全球NWP式的格点资料,通过适当调整参数、改进物理过程参数化和多层网格嵌套动力降尺度获得该地区1～6km水平分辨率的风场数值模拟;使用水平分辨率为30m的ASTERGDEM数字地形高程数据,截取相应Fluent模拟区域的数据,并将高程数据转化成正交的UTM坐标系数据,生成相应的Journal脚本,使用GAMBIT建立结构性六面体网格,建立起Fluent模式所需的高精度网格;将WRF相关网格点的输出气象要素(主要是风速和风向)通过插值当成Fluent网格边界条件,驱动Fluent求解,可得到水平分辨率50m×50m,垂直分辨率20m(200m以下)的精细风场。　　 (2)在风能资源精细化评估中,根据WRF和Fluent的耦合系统,得到划定区域内的精细风场后,通过风功率计算公式,便可得到该区域内的精细风能资源分布图。本文展示了如何利用耦合模式系统来评估江西鄱阳湖地区的风能资源分布状况。首先利用WRF模拟鄱阳湖的大气边界层环流。模拟结果表明,由于湖陆热力性质和山顶谷底地形的差异,在半夜时,风向从山顶吹向山谷,从陆地吹向湖泊,这两股风叠加在一起,形成较大的风速;而在下午两点左右,风向从湖泊吹向陆地(湖心有明显的辐散中心),从山谷吹向山顶,这两股风叠加在一起,形成的风速也比较大;在日出日落前后的两小时,这两股风风向相反,叠加在一起形成的风速较小。此外,模拟得到的感热通量、摩擦速度和边界层高度具有明显的日变化,这些说明WRF能较好地模拟鄱阳湖区域(水陆交错,山地、丘陵)复杂地形条件下的中尺度风场特征。其次利用WRF的模拟结果驱动Fluent来模拟精细风场,模拟的结果反映出风场更为精细的局地小尺度特征。与WRF直接输出的风速进行比较,发现WRF和Fluent耦合得到的风速在大风条件下与观测资料较为接近。本文模拟了近四个月的鄱阳湖区域的精细风场,给出了沙岭测风塔周围70m高度水平分辨率50m×50m的月平均风功率密度图。本文得到的结果可为鄱阳湖地区风场的微观选址提供参考。　　 (3)除利用数值模式外,也可通过观测资料来进行风能资源评估。在这类评估方法中,人们较为关心的是评估区域内风速的统计分布特征和地表粗糙度特征。本文通过内蒙古锡林郭勒地区塔层观测资料的分析,研究了平坦草原下垫面下风速的Weibull分布特征。本文利用最大似然法估计风速Weibull分布的尺度参数c和形状参数k,发现c和k均具有明显月季变化特征。此外,参数c随高度按指数函数的形式变化,参数k随高度按二次函数的形式变化,在50m左右的高度,k值达到最大值。　　 本文估算了内蒙古锡林郭勒平坦草原下垫面的粗糙度长度,发现该区域的粗糙度长度存在明显的月份和季节变化。夏秋植被茂盛期和冬春植被枯萎期的地表粗糙度长度Z0分别为0.138m和0.088m。来流方向细微的地形变化(坡度大于1.5%)对粗糙度长度的估算有一定影响。利用Davenport土地类型粗糙度分类表评估出的地表粗糙度长度与拟合对数廓线法估算出来的粗糙度长度相差不大,这种差别会使得风功率密度的估算相差2%左右。因此,Davenport土地类型粗糙度分类表在风能资源评估中具有一定参考价值。　　 (4)研究WRF风速预报有关的边界层方案和输出统计订正。风速预报是风电功率预报的基础。利用陕西延长风电场的数据,对WRF边界层参数化方案进行风速预报的敏感试验,发现预报风速最好的边界层方案是QNSE方案,其次是MYJ和MYNN2方案,最差的为YSU和BouLac方案。依据MYJ边界方案模拟输出,提取6层风速、3层温度、大气压强、相对湿度、边界层高度、感热通量和摩擦速度等预报因子,运用多元线性回归的原理统计“降尺度”单个站点(测风塔)预报70m风速,结果显示,与WRF直接输出70m风速对比,运用多元线性回归降尺度的方法之后,均方根误差平均减小0.23～0.32m/s。　　 (5)研究如何利用预报的风速转化为风电功率。在复杂地形条件下,风机的理想出力曲线已不可信。先通过风机发电量数聚类分析将河北崇礼风电场的11台风机分成三类,然后将每类的平均发电量和平均风机风速按M2测风塔70m高度的实测风向分成16组,将每组的平均发电量和平均风机风速画散点图,得到实测的3*16风机出力。做风电功率预报时只需根据风向和风机聚类分析的类型就可将风速转化为发电量。这一途径转化得到风电场预报发电量相对可信,相比理想曲线,各类误差统计值大幅下降;合理的MOS订正是提高预报精度的重要手段,对一周左右崇礼风电场短期发电量预报试验的结果,平均偏差(BIAS)为0.2%～0.4%、平均绝对误差(MAE)为12%和均方根误差(RMSE)为18%。