中国风能资源精细化评估和风电数值天气预报
第一章-风能资源测量与评估
第一章风能资源概述第一节风能基础知识一、风的形成风的形成是空气流动的结果，空气流动形成的动能称为风能。
空气的流动是由于不同区域空气的密度或者气压不同引起。
大气压差是风产生的直接原因。
改变空气密度主要方法（1）加热或冷却（2）外力作用二、影响地球表面空气流动的主要因素1、太阳辐射赤道和低纬度地区太阳高度角大，日照时间长，太阳辐射强度大，地面和大气接受热量多、温度高；高纬度地区太阳高度角小，日照时间短，地面和大气接受的热量少，温度低。
高纬度和低纬度之间的温度差异，形成南北之间的气压梯度，使空气做水平运动，风沿垂直于等压线的方向从高压向低压吹。
2、地球自转由于地球表面及空气间摩擦力的作用，地球自转过程中将带动地球表面的空气沿地球自转的方向流动。
地球自转使空气发生偏向的力称为地转偏向力-科里奥利力。
科里奥利力是对旋转体系中进行直线运动的质点由于惯性相对于旋转体系产生的直线运动的偏移的一种描述。
由于地转偏向力和高低纬度间压差所引起的压力的合力成为主导地球表层空气流动的作用力。
3、地球表面陆地和海洋等地形分布的影响（1）山坳和海峡改变气流运动的方向，使风速增大（2）丘陵、山地因表面摩擦大而使风速减小（3）山脉的阻挡作用导致局部风速的增加4、局部热效应的影响三风的种类1、大气环流（三圈环流）——全球性的风大气环流是在全球范围内空气沿一封闭轨迹的运动，是决定全球风能分布最基础、最重要的因素。
了解当地的盛行风向对微观选址具有重要的意义，我们可以避开盛行风向上的障碍物，当然，当地的地形条件对风向的分布也具有决定作用。
2、季风环流季风现象：在一个大范围地区内其盛行风向或气压系统有明显的季度变化。
主要是由于海陆分布的热力差异及行星风带的季节转换所形成的。
我国是一个典型的季风气候国家。
无论风电场的选址或运行，季风特征必须认真考虑。
一般来讲在我国，季风的表现是：在冬季，风从陆地吹向海洋；在夏季，风从海洋吹向陆地3、局地环流1、海（湖）陆风2、山谷风3、峡谷（峡管）风峡谷效应使风速增大，不论是高大的山脉或是中小尺度的山脉只要存在峡谷或缢口河谷都有峡管效应，因为在谷地中流场压缩，其风速将比两侧加强，即产生峡管效应。
我国风能资源
我国风能资源分布为如下几个区域：东南沿海及其岛屿、内蒙古和甘肃北部、黑龙江和吉林东部以及辽东半岛沿海、青藏高原，三北地区的北部和沿海等大风能源区域。
这些地区风能密度大，分布范围广泛，是我国连成一片的最大风能资源区。
面对如此丰富的风能资源，我们不禁想到新的能源发电——风能源。
风能利用就是将风的动能转换为机械能，再转换为其他能量形式。
风能利用有很多种形式，最直接的用途是风车磨坊、风车提水、风车供热，但最主要的用途是风能发电。
风的动能通过风轮机转换成机械能，再带动发电机发电，转换成电能。
风轮机有多种形式，大体可分为水平轴式风力机和垂直轴式风力机。
风能是一种取之不尽，无处不在的清洁能源，全年平均风速较高的地区，都可建风力发电厂。
风力发电有两种形式：（1）小型家用分散型风力发电装置；工作风速适应范围大，几米/秒-十几米/秒，可工作于各种恶劣的气候环境，能防沙、防水，维修简单，寿命长，技术已经成熟，美国Jacobs公司生产的3千瓦的家用风力发电机组已经在世界各地运行，德国、瑞典、法国也生产这种小型风力发电装置。
（2）并网的大型风力发电装置；功率在100千瓦以上的风力机一般称为大型风力机。
目前运行的最大风力机是德国Repower公司的5兆瓦机组。
并网风力发电的价值分析：发那个能的价值取决于应用风能和利用其他能源来完成同一任务所要付出代价的差异。
从经济效益角度来理解，这个价值可被定义为利用风能时所能节省的燃料费、容量费和排放费。
从社会效益角度来考虑，这个价值相当于所节省的纯社会费用。
（一）节省燃料；当风能加入到某一发电系统中后，由于风力发电提供的电能，发电系统中其他发电装置则可少发一些点，这样就可以节省燃料。
节省多少矿物燃料和哪一种矿物燃料，现在和将来都将取决于发电设备的构成成分，也取决于发电装置的性能，特别是发电装置的热耗率。
不利的是，风能引入将有可能使燃烧矿物性燃料的发电设备在低负荷状态下运行。
节省燃料的多少还取决于风力发电的普及水平，为了计算燃料消耗的节省情况，必须把发电系统当作是一个整体来分析。
风功率预测系统
上海交通大学风力发电研究中心
风功率预测系统功能设计标准
《风电场接入电网技术规定》 《风电功率预测系统功能规范》 《风电场风能资源测量方法》 《风电场风能资源评估方法》 《风电调度运行管理规范》 《风电场并网验收规范》 《风电场风能资源测量和评估技术规定》 《电工名词术语》 《继电保护和安全自动装置技术规程》 《电力工程电缆设计规范》 《继电保护设备信息接口配套标准》 《国家电网公司十八项电网重大反事故措施》
引自：风电功率预测功能规范
风功率预测系统功能规范
预测建模数据准备
➢ 风电场历史功率数据 ➢ 历史测风塔数据 ➢ 风电机组信息 ➢ 风电机组/风电场运行状态记录 ➢ 地形和粗糙度数据
风功率预测系统功能规范
数据采集与处理
➢ 数据采集范围
➢ 数据采集要求
➢ 数据的处理 • 所有数据存入数据库前应进行完整性及合理性检验，并对缺测和 异常数据进行补充和修正。 • 数据完整性检验应 • 缺测和异常数据处理
➢ 日预报要求并网风电场每日在规定时间前按规定要求向电网调度机构提交 次日0 时到24 时每1 5 分钟共96 个时间节点风电有功功率预测数据和开机容 量。
➢ 实时预报要求并网风电场按规定要求每15 分钟滚动上报未来1 5 分钟至4 小时风咆功率预测数据和实时的风速等气象数据。
➢ 风电场功率预测系统提供的日预测曲线最大误差不超过25% ;实时预测误 差不超过15 % 。全天预测结果的均方根误差应小子20% 。
风功率预测系统功能规范
性能要求
➢ 电网调度机构的风电功率预测系统应至少可扩容至200个风电场。 ➢ 风电功率预测单次计算时间应小于5min。 ➢ 单个风电场短期预测月均方根误差应小于20%，超短期预测第4h预测
风能资源评估及发电量计算
激光雷达
声波雷达测风仪
便携式：短时间评估 多个地方
灵活性：能够测量40
至300m高度风速风向
贵
快速性：安装简易 不需要复杂的计划和
雷达测风优点
雷达测风缺点
贵
基础施工
测量精度：达到first
贵
Class级别的测量精度
可靠性：不受外界环境 变化而影响测量（覆冰）
综合对比传统测风塔和雷达测风仪优缺点，总结如下：
技术导向
1、低风速 2、复杂地形 3、低电价
开发导向
随着技术进步及 资源开发，逐渐 由陆地向海上发 展
• 测风塔 二、风的测量
数据 维护
分类
测风塔内容
数据读取
测风塔 选址
传统桁架式
A、测风塔分类
1、激光雷达 测风仪
2、声波雷达 测风仪
一般陆地测风所用桁架式结构测风塔
海上测风所用圆筒式结构测风塔
• b、局地风
• 对于一个地区，尽管大气环流对盛行风的分布影响 很大，但当地的气候和地形条件对主风向的分布影响 也很明显。实际上，局地风往往是大尺度环流系统和 当地气候条件相互作用的结果。
• c、海陆风
• 由于陆地和海洋的热力差异，白天，陆地由于太阳 辐射引起的温升比海水快，气流上升，陆地近地面形 成低气压，风由海面吹向陆地；夜晚降临，由于陆地 气温降低快，会有一段时间海陆气温接近，形成无风 时段；到夜间，重新形成与白天情况相反的气压差， 风由陆地吹向海面；
• 我国风能资源丰富的地区主要分布在东南沿海及附 近岛屿以及“三北”（东北、华北、西北）地区。另 外，内陆也有个别风能丰富点，海上风能资源也非常 丰富。
风分为哪 几类？
风的应用？
风是怎样 形成的？
[转载]中国的风能资源区域划分（图）
![[转载]中国的风能资源区域划分（图）](https://img.taocdn.com/s3/m/52f3d6d10d22590102020740be1e650e53eacf57.png)
[转载]中国的风能资源区域划分（图）原⽂地址：中国的风能资源区域划分(图)作者：华夏风电中国的风能资源区域划分(图)1、东南沿海及其岛屿，为我国最⼤风能资源区这⼀地区，有效风能密度⼤于、等于200W/m2的等值线平⾏于海岸线，沿海岛屿的风能密度在300W/m2以上，有效风⼒出现时间百分率达80～90％，⼤于、等于8 m/s的风速全年出现时间约7000～8000h，⼤于、等于 6 m/s的风速也有4000 h左右。
但从这⼀地区向内陆，则丘陵连绵，冬半年强⼤冷空⽓南下，很难长驱直下，夏半年台风在离海岸50km时风速便减少到68％。
所以，东南沿海仅在由海岸向内陆⼏⼗公⾥的地⽅有较⼤的风能，再向内陆则风能锐减。
在不到100km的地带，风能密度降⾄50W/m2以下，反为全国风能最⼩区。
但在福建的台⼭、平潭和浙江的南麂、⼤陈、嵊泗等沿海岛屿上，风能却都很⼤。
其中台⼭风能密度为534.4W／m2，有效风⼒出现时间百分率为90％，⼤于、等于3 m/s的风速全年累积出现7905h。
换⾔之，平均每天⼤于、等于3 m/s的风速有21.3h，是我国平地上有记录的风能资源最⼤的地⽅之⼀。
2、内蒙古和⽢肃北部，为我国次⼤风能资源区这⼀地区，终年在西风带控制之下，⽽且⼜是冷空⽓⼊侵⾸当其冲的地⽅，风能密度为200～300W/m2，有效风⼒出现时间百分率为70％左右，⼤于、等于3 m/s的风速全年有5000h以上，⼤于、等于6m/s的风速在2000h以上，从北向南逐渐减少，但不象东南沿海梯度那么⼤。
风能资源最⼤的虎勒盖地区，⼤于、等于3 m/s和⼤于、等于6m/s的风速的累积时数，分别可达7659h和4095h。
这⼀地区的风能密度，虽较东南沿海为⼩，但其分布范围较⼴，是我国连成⼀⽚的最⼤风能资源区。
3、⿊龙江和吉林东部以及辽东半岛沿海，风能也较⼤风能密度在200W/m2以上，⼤于、等于3m/s和6m/s的风速全年累积时数分别为5000～7000h和3000h。
基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测
基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测摘要：随着全球对可再生能源利用的重视和风电装机容量的快速增长，短期风电功率预测对电力系统的运行和调度具有重要意义。
本文基于数值天气预报的风速数据，结合蒙特卡洛法，对短期风电功率进行区间预测。
通过分析数值天气预报的风速数据，建立了风速和风电功率之间的传递函数，并使用蒙特卡洛法对不确定性因素进行模拟，得到了风电功率的区间预测结果。
实验结果表明，该方法在短期风电功率预测中具有较高的准确性和可信度。
一、引言风能作为一种清洁、可再生的能源，受到了全球范围内的广泛关注和快速发展。
随着风电装机容量的不断增加，风电的可靠性和稳定性对电力系统的运行和调度提出了更高的要求。
因此，在风电场运行过程中，对短期风电功率进行准确的预测具有重要意义。
目前，短期风电功率预测方法主要有统计学方法、物理模型方法和混合模型方法等。
统计学方法主要通过分析历史数据的统计规律来预测未来的风电功率。
物理模型方法则基于风力发电机的工作原理和气象数据，运用物理模型对风电功率进行预测。
混合模型方法则将统计学方法和物理模型方法结合起来，充分利用历史数据的统计规律同时考虑风力发电机的工作原理。
然而，由于天气因素的不确定性和复杂性，现有的短期风电功率预测方法仍然存在一定的局限性。
因此，将数值天气预报的风速数据与蒙特卡洛法相结合，可以提高短期风电功率预测的准确性和可信度。
二、数值天气预报的风速数据分析数值天气预报是通过数值模型对大气运动进行数值模拟，得到大气的温度、湿度、气压和风速等预报数据。
在短期风电功率预测中，风速是一个关键因素，因此，我们分析数值天气预报的风速数据，以建立风速和风电功率之间的关系。
通过分析大量的数值天气预报数据，我们发现，风速具有一定的周期性和规律性。
在一天的24小时内，风速呈现出明显的波动。
同时，我们发现，风速的波动具有一定的时滞现象，即当前时刻的风速受到前几个时刻风速的影响。
《2024年风电功率预测的发展现状与展望》范文
《风电功率预测的发展现状与展望》篇一一、引言随着全球能源结构调整和可再生能源发展的迫切需求，风电作为绿色能源的重要组成部分，已经得到了广泛的关注和应用。
风电功率预测作为风电产业发展的关键技术之一，对于提高风电并网能力、优化调度和减少弃风现象具有重要意义。
本文将就风电功率预测的发展现状进行梳理，并展望其未来发展趋势。
二、风电功率预测的发展现状1. 技术进步随着大数据、人工智能等技术的发展，风电功率预测技术取得了显著进步。
目前，风电功率预测主要依靠数值天气预报、物理模型、机器学习等方法。
其中，机器学习算法在处理复杂多变的天气条件时表现出了强大的学习能力，能够更加准确地预测风电功率。
2. 应用领域风电功率预测技术在电力行业的应用已经十分广泛。
在风电场建设过程中，预测技术有助于优化风机布局，提高风能利用效率；在电力调度中，预测技术能够帮助调度人员合理安排机组启停，实现电网的稳定运行；在电力市场交易中，预测技术可以为风电场制定合理的电价策略提供支持。
此外，风电功率预测技术还广泛应用于风能资源评估、风电场经济评价等领域。
3. 国内外发展对比国内在风电功率预测方面的研究起步较晚，但发展迅速。
近年来，我国在风电功率预测算法、模型研究、软件研发等方面取得了显著成果。
国际上，欧美等发达国家在风电功率预测领域的研究具有较高的水平，其预测精度和稳定性均处于领先地位。
然而，随着全球对可再生能源的关注度不断提高，各国在风电功率预测技术方面的竞争也日益激烈。
三、风电功率预测的挑战与问题尽管风电功率预测技术取得了显著进展，但仍面临一些挑战和问题。
首先，天气条件的复杂性和多变性给预测带来了困难。
其次，现有预测模型的精度和稳定性仍有待提高。
此外，数据质量和数据获取的难度也是影响预测精度的关键因素。
另外，风电功率预测技术的成本问题以及与电力市场的衔接问题也是亟待解决的问题。
四、风电功率预测的未来展望1. 技术创新未来，随着大数据、物联网、人工智能等技术的进一步发展，风电功率预测技术将实现更加精准的预测。
风电预测的常用方法
风电预测的常用方法
风电预测是指通过气象学、数学模型、统计方法等手段，对未来一定时间内的风能发电量进行预测。
其预测结果对风电场的运行和维护具有重要意义。
以下是风电预测的常用方法：
1. 数学模型法：利用数学模型对风能发电量进行预测，主要包括时间序列方法、神经网络方法、支持向量机方法等。
2. 物理模型法：通过模拟大气环流和地形、建筑对风的影响，预测风能发电量。
该方法需要耗费大量计算资源和时间。
3. 统计学方法：根据历史风速和风能发电量数据，利用统计学方法进行预测。
主要包括回归分析、时间序列分析、贝叶斯方法等。
4. 气象学方法：利用气象学原理，通过气象观测数据和天气预报数据，结合风电场的地理位置、高度等因素，对风能发电量进行预测。
5. 混合方法：将两种或多种方法进行组合，利用各自的优势，提高预测精度。
混合方法包括数学模型法与统计学方法的组合，以及气象学方法与物理模型法的组合等。
以上是风电预测的常用方法，不同方法的应用要根据实际情况选择，以提高预测精度和准确性。
- 1 -。
风资源评估二级
风资源评估二级（最新版）目录一、风资源评估的概述二、风资源评估的二级标准三、风资源评估二级的具体流程四、风资源评估二级的重要性五、风资源评估的发展趋势正文一、风资源评估的概述风资源评估，是指对某一地区的风能资源进行科学、系统的评价和估算，以确定该地区风能资源的开发潜力和经济性。
风资源评估是风能开发利用的基础工作，对于风电项目的选址、设计、建设和运营具有重要的指导意义。
二、风资源评估的二级标准风资源评估分为五个级别，从一级到五级，一级表示风能资源最丰富，五级表示风能资源最贫乏。
风资源评估二级，即风能资源较为丰富，具有一定的开发价值。
三、风资源评估二级的具体流程风资源评估二级的具体流程主要包括以下几个步骤：1.收集气象数据：收集评估区域的气象数据，包括风速、风向、气温等，以便进行风能资源的初步分析。
2.选取评估方法：根据气象数据的特点，选取合适的风能资源评估方法，如经验公式法、风玫瑰图法、数值模拟法等。
3.进行评估分析：运用选取的评估方法，对评估区域的风能资源进行详细分析，得出风能资源的各项指标。
4.确定评估结果：根据风能资源的各项指标，确定评估区域的风能资源级别，即二级。
5.提出开发建议：根据风能资源评估结果，提出评估区域的风电开发建议，包括开发规模、建设地点、建设时间等。
四、风资源评估二级的重要性风资源评估二级对于风电项目的开发具有重要的意义。
首先，它可以为项目选址提供重要依据，帮助开发者选择风能资源丰富、开发潜力大的地区。
其次，它可以为项目设计提供参考，确保设计方案的合理性和经济性。
最后，它可以为项目运营提供指导，帮助运营者更好地利用风能资源，提高发电效率。
五、风资源评估的发展趋势随着我国风电产业的快速发展，风资源评估也在不断完善和提高。
未来的发展趋势主要表现在以下几个方面：1.数据采集技术的进步：随着气象观测技术的发展，风资源评估将更加精确、科学。
2.评估方法的多样性：为了更准确地评估风能资源，未来将发展更多的评估方法，提高评估的准确性。
中国气象局关于印发《支撑气象高质量发展标准体系建设指导意见》的通知
中国气象局关于印发《支撑气象高质量发展标准体系建设指导意见》的通知文章属性•【制定机关】中国气象局•【公布日期】2024.01.15•【文号】气发〔2024〕11号•【施行日期】2024.01.15•【效力等级】部门规范性文件•【时效性】现行有效•【主题分类】气象其他规定正文中国气象局关于印发《支撑气象高质量发展标准体系建设指导意见》的通知气发〔2024〕11号各省（区、市）气象局，各直属单位，各内设机构：为加快构建支撑保障气象高质量发展的标准体系，充分发挥气象标准化对推进气象科技能力现代化和社会服务现代化的基础性、引领性、保障性作用，中国气象局组织制定了《支撑气象高质量发展标准体系建设指导意见》，已经局长办公会审议同意，现予以印发。
中国气象局2024年1月15日支撑气象高质量发展标准体系建设指导意见为全面贯彻落实《气象高质量发展纲要（2022—2035年）》和《国家标准化发展纲要》，加快构建支撑保障气象高质量发展的标准体系，进一步强化气象标准实施应用和制度属性，现提出以下指导意见。
一、总体要求（一）指导思想以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大精神，深入贯彻习近平总书记关于气象工作重要指示精神，完整、准确、全面贯彻新发展理念，牢牢把握气象高质量发展的目标要求，加强重点领域重大方向优质标准供给，强化标准实施应用，充分发挥气象标准化对推进气象科技能力现代化和社会服务现代化的基础性、引领性、保障性作用。
（二）基本原则坚持系统观念。
服务气象高质量发展的战略目标和重点任务，坚持内外协同、齐抓共管、统筹协调，加强气象标准体系建设的总体布局和系统谋划，实现业务、服务和管理领域标准之间关联衔接，形成覆盖全面、协调配套、功能互补的标准体系。
坚持需求导向。
聚焦气象保障“生命安全、生产发展、生活富裕、生态良好”战略定位，对标“监测精密、预报精准、服务精细”战略任务，动态调整优化标准体系，突出重点优先发展方向，明确关键急需标准。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
年平均风速 80m
200m × 200m
黄色 →红色
风能资源三级以上
1980年用975个气象站，1986年增加270多气象站，10年气象资料， 按照风速随高度1/7指数率外推到50m高度。
Areas with annual average wind speeds around 6.5 m/s and greater at 80-m height are generally considered to have suitable wind resource for development.
完全扣除的区域：
海拔高度超过 3500m 年平均风功率密度低于3级 GIS 坡度大于30% 沼泽、湿地、湖泊等水体 城市及周围3km缓冲区 国家自然生态保护区 军事用地、埋矿 基本农田 ∙∙∙∙∙∙∙
年平均风功率分布
可装机密度分布
部分利用地区:
草地: 80% 灌木: 65% 森林: 20% 0 < GIS 坡度 < 30%: 1 – 5 MW/m2 ∙∙∙∙∙∙∙
中国气象局历次风能资源普查成果
1980s
1980s
2006
2007
全国年平均风功率密度分布
风功率密度 w/m2
70m 1km×1km 1979-2008
Comparison of Wind Power Potential Between China and American
Items China Onshore American Onshore
数值天气预报概念图
观测资料 Observational Data
Simple Diagram of NWP
数值模式 Numerical Model 预报结果 Model Output
全球数值天气预报产品 Global NWP Products
数值预报是初值问题 影响预报准确率的第一要素是初值
大 气 运 动 原 始 方 程 组
100m 1km×1km 1979-2008
中国风能资源专业观测网
The Professional Monitoring Network of Wind Resources in China
329 masts, 70m 68 masts, 100m 3 masts, 120m
风能储量的GIS分析
Height
Standard of wind power development Horizontal Resolution Available Area (103 km2)
80m
≥6.5m/s 1km×1km 2,470
80m
≥6.5m/s 200m×200m 2,100
Technical Potential (GW)
• 随着风能资源评估技术的不断发展，对风能资 源技术开发量的评估就越来越准确；
• 随着风能开发技术的不断进步，越来越多的风 能资源得到开发利用。 如果以年发电2000小时估算，全球风能资源技术开发量大致范围 在97亿kW到625亿kW之间，约相当于2008年全球发电量的1-6倍，其 中近海风能技术开发量20亿kW到185亿kW。
2
3 4
Randomly take out 5% days in each weather class as typical days Simulating based on NECP and observations for each typical day
区域尺度风能资源数值模拟评估—全国
119,477
Wind Lens floating farms could triple electricity production
1km×1km
《IPCC可再生能源与减缓气候变化特别报告》
• 风能资源技术开发量的大小与风能资源评估技 术和风能资源开发技术水平有关,对于全球风能 资源技术开发量的评估，由于方法不同所得到的 结果也不尽相同。 • 全球风能资源储量能够满足人类对风电发展的 需求，但地球上风能资源的分布是十分不均匀的。
分散式风电开发规划的风能资源评估
中 尺 度 数 值 模 拟
Planning Wind Farm
全国风能资源数据库
1979-2008年典型日气象资料 中尺度数值模拟结果(9km×9km)
小 尺 度 数 值 模 拟
CALMET CFD
……
200m×200m
3
短期风电功率预测的数值 天气预报技术支持
数值天气预报技术简介
Japan has decided to build a 1GW wind farm. The new wind farm will be comprised of 143 wind turbines on a platform that is 16 km (9.9 miles) off the coast of Fukishima. It is expected to be built by 2020.
9,100
10,500
海上风能资源评估
台湾海峡风能资源最丰富， 其次是广东东部、浙江近 海和渤海湾中北部。
离岸 5-25m水深，约2亿kW； 5-50m水深，约5亿kW。
存在的问题： 海上测风资料不足 海面粗糙度的变化
技术方案： 卫星反演 + 数值模拟 （中丹科技合作项目）
2. 中国风能资源精细化评估
钟，做1年的风能资源数值模拟就需要213小时，2年需要18天，30年需要267天。
中国气象局风能资源数值模式系统
WERAS/CMA
典型日筛选
Typical day choosing
数值模拟 中尺度+小尺度 WRF/CALMET
GIS 空间 分析
Weather Classification Scheme of WERAS
逐日模拟 逐小时输出
逐日模拟 逐小时输出
8760
可供风能参数 大于10000 统计的样本数
全国年平均风功率密度分布
50m
全国年平均风功率密度分布
70m
50m 1km×1km 1979-2008 全国年平均风功率密度分布
70m 1km×1km 1979-2008
全国年平均风功率密度分布
100m
50m 5km×5km 1971-2000
大气状态方程 P PT
天气尺度
大尺度、中尺度
全球环流谱模式
GFS、EC，T639
区域数值预报模式
WRF、MM5
例：
除垂直风速w以 外，变量都定义 在半σ层上。
有限区域模式启动 初值场 + 侧边界
背景场
观测资料 三维网格 全球环流谱 模式预报场 侧边界 风、温、压、湿 三维网格初值场
全球环流谱模式 输出时间间隔3-6小时
美国80m高度上的年平均风速分布，水平分辨率为2.5km×2.5km。2010.1
印度风图
RISØ KAMM/WAsP
5km×5km
50m, 49GW, 0.5-2% land
80m, 100GW, 1-2%land
俄国风图
按每年发电2200小时计算，相当于28亿千瓦。
日本风图
美国RAMS模式，5km×5km Microwave Radiometer（SSM/I） + WAsP
提取达到300w/m2的区域 剔除3500m以上地区 剔除居民区及缓冲区 叠加地形坡度利用系数 剔除沙地 叠加植被区域利用系数
风能资源 储量分析Fra bibliotek年平均风功率密度分布
70m
1 2 3 4 5 6 7 8
中国风能资源地理区划
Division Level
1km×1km 1979-2008
• 除了三北和沿海丰富的风能资源以外，西南山区也有风能资源开发潜力； • 每个省（市、自治区）都有可开发利用的风能资源； • 中国风能资源丰富，能够满足2020年风电累计装机2亿千瓦、2030年4亿千 瓦和2050年10亿千瓦的风电发展需求；
1
Prepare regular sonde and surface data of tens of years Sonde: 08:00; Surface: 14:00 wind speed on height of 850hPa (8) 0-2，2-5，5-10，10-15，15-20，20-25，25-30, above 30m/s. wind direction on height of 850hPa (8) equally divided into 8. daily maximum height of ABL(4) 0-150，150-500，500-800, above 800m. Max.Number: 256
质量守恒
热量守恒 水物质守恒
( u v w) t x y z u v w S t x y z
qn q q q ( u n v n w n ) S q n t x y z
数值天气预报起源：
20世纪初，英国科学家首先尝试数值天气预报； 1950年，美国在计算机上首次成功地作了24小时的预报； 1954年，瑞典数值天气预报业务，6个月后美国开始。
中国数值天气预报：
1950年，数值天气预报理论研究； 70年代末，三维原始方程模式开发和试验； 1982年，开始数值天气预报业务； 1991年，引进欧洲中期预报中心全球谱模式并业务运行； 2005年，自主开发GRAPES-Meso业务运行。
131,487
137,479 179,503
155,509
175,500 177,518 173,512
CALMET
97个模式计算区 1km×1km
631×631
与国外风能资源数值模拟方法的对比