收稿日期：2021-11-30

基金項目：國家重點研發(fā)計劃（2018YFE0208400）；國家電網(wǎng)有限公司總部科技項目《面向跨境互聯(lián)的多能互補新型能源系統(tǒng)關(guān)鍵技術(shù)研究》

通信作者：李 薇（1974—），女，博士、教授，主要從事風(fēng)資源評估方面的研究。925657837@qq.com

DOI：10.19912/j.0254-0096.tynxb.2021-1460 文章編號：0254-0096（2023）04-0060-07

摘 要：該文評估了5套再分析數(shù)據(jù)對阿勒泰地區(qū)風(fēng)資源的模擬能力，并分析再分析資料在該區(qū)域長年代訂正中的適用性問題。結(jié)果表明，不同再分析資料在阿勒泰地區(qū)的空間模擬存在差異，高分辨率的CFSv2、ERA5資料在空間模擬上更具優(yōu)勢，而JRA55、NCEP-DOE模式存在明顯高估。季節(jié)上，除NCEP-DOE外，其余4套再分析數(shù)據(jù)均能模擬出阿勒泰地區(qū)風(fēng)速的季節(jié)特性，且對冬季的模擬優(yōu)于其他季節(jié)。在此基礎(chǔ)上，以阿勒泰某風(fēng)電場為例，分別以附近氣象站和4套再分析數(shù)據(jù)作為長期測站，對測風(fēng)塔數(shù)據(jù)進行代表年訂正。訂正結(jié)果表明，與參證氣象站相比，ERA5和CFSv2數(shù)據(jù)與測風(fēng)塔數(shù)據(jù)的相關(guān)性更好。在缺乏合適的氣象站數(shù)據(jù)時，使用ERA5和CFSv2數(shù)據(jù)作為代表年訂正的長期測站數(shù)據(jù)在阿勒泰地區(qū)具有可行性。

關(guān)鍵詞：風(fēng)電場；風(fēng)速；資源評估；再分析數(shù)據(jù)

中圖分類號：TK81 """ 文獻標(biāo)志碼：A

0 引 言

“碳中和、碳達峰”目標(biāo)的提出促進了中國風(fēng)能產(chǎn)業(yè)的快速發(fā)展。風(fēng)資源評估作為風(fēng)電站建設(shè)初期選址規(guī)劃的重要依據(jù)，對保證風(fēng)電場的成功開發(fā)和盈利起著重要的作用。代表年訂正是風(fēng)資源評估中的重要一環(huán)，其目的是將風(fēng)電場內(nèi)測風(fēng)塔的短期測風(fēng)數(shù)據(jù)訂正為一套能夠代表當(dāng)?shù)亻L期風(fēng)速水平的數(shù)據(jù)。目前代表年訂正主要依據(jù)附近氣象站的長期觀測資料，其往往存在一些質(zhì)量問題，如缺失、異常、相關(guān)性差等，尤其當(dāng)氣象站點距離風(fēng)電場較遠時，難以保證風(fēng)資源評估的準(zhǔn)確性。

再分析資料是對廣泛觀測資料（地面觀測、衛(wèi)星、雷達等）進行質(zhì)量控制和同化后得到的格點化數(shù)據(jù)集，具有易得、完整性高、時間序列長等優(yōu)點，被廣泛用于氣候評估［1-3］。隨著再分析數(shù)據(jù)的升級，其時空分辨率逐漸提高，為風(fēng)資源評估提供了重要數(shù)據(jù)來源。因此，國內(nèi)外學(xué)者逐漸開展了其在風(fēng)資源評估領(lǐng)域的應(yīng)用研究。Ayik等［4］利用MERRA-2數(shù)據(jù)集對南蘇丹的風(fēng)能資源進行了初步評估，研究了各種規(guī)模風(fēng)力發(fā)電項目部署的可能性。Gualtieri［5］通過與世界各地6座測風(fēng)塔數(shù)據(jù)進行對比，評估了ERA5再分析數(shù)據(jù)的可靠性，結(jié)果表明ERA5對德國和荷蘭的模擬較好，而在地形變化大的區(qū)域模擬效果不佳。Samal［6］將NASA的MERRA-2數(shù)據(jù)集與印度奧里薩邦50 m測風(fēng)數(shù)據(jù)進行比較，評估了其在印度東海岸的適用性。研究發(fā)現(xiàn)，在較長的時間尺度（如年尺度），MERRA-2數(shù)據(jù)在該區(qū)域的模擬效果較好。再分析資料在風(fēng)資源評估中的研究大多在區(qū)域尺度，而較少從實際工程角度分析其在風(fēng)電場風(fēng)資源評估中的應(yīng)用，尤其是代表年訂正方面的可行性研究較少。李曉明等［7］、黃勇等［8］研究得出再分析數(shù)據(jù)與測風(fēng)塔的數(shù)據(jù)相關(guān)性優(yōu)于參證氣象站，在缺乏合適氣象站時，可以利用再分析資料進行代表年訂正。

阿勒泰地區(qū)位于新疆北部，阿爾泰山南部，是新疆風(fēng)能資源最豐富的地區(qū)之一。到2025年，區(qū)域規(guī)劃建設(shè)裝機容量20萬kW以上風(fēng)電項目［9］。然而，阿勒泰地區(qū)地理位置偏遠，氣象站點稀少，大部分風(fēng)電場與氣象站地理位置距離較遠，在進行風(fēng)電場代表年訂正時，常存在缺少合適的氣象站作為長期測站的情況。再分析數(shù)據(jù)可以彌補長期測站的缺失，但目前鮮見再分析資料在這個地區(qū)風(fēng)資源評估的適應(yīng)性研究。因此，本文基于5套再分析數(shù)據(jù)、風(fēng)電站測風(fēng)塔數(shù)據(jù)以及附近氣象站長期測風(fēng)數(shù)據(jù)集，對新疆阿勒泰地區(qū)風(fēng)資源進行評估，并分析再分析資料在該區(qū)域長年代訂正中的適用性問題。

1 再分析資料

1.1 CFSv2數(shù)據(jù)

CFSv2是由美國國家環(huán)境預(yù)報中心（NCEP）開發(fā)的再分析資料。CFSv2的水平分辨率為0.2°，垂直分層為37層，同化方法采用3D-Var。本文選擇時間分辨率為6 h，空間分辨率為0.2°×0.2°。

1.2 ERA5數(shù)據(jù)

ERA5是歐洲中期天氣預(yù)報中心（EWCMF）的第5代再分析資料，覆蓋了從1979年1月份—2021年5月份的氣象數(shù)據(jù)，達到31 km的水平分辨率和從地表到0.01 hPa的137個垂直水平，使用4D-Var資料同化系統(tǒng)，同時利用了更多的衛(wèi)星數(shù)據(jù)。本文選擇時間分辨率為6 h，空間分辨率為0.25°×0.25°。

1.3 FNL數(shù)據(jù)

FNL是NCEP和美國國家大氣研究中心（NCAR）開發(fā)的再分析數(shù)據(jù)。該資料由T254L64 譜模式獲取的高分辨率資料，同化了地面觀測、無線電探空等觀測資料，包含地表26個標(biāo)準(zhǔn)等壓層。本文選擇時間分辨率為6 h，空間分辨率為1.0°×1.0°。

1.4 JRA55數(shù)據(jù)

JRA55是日本氣象廳（JMA）的第2套全球大氣再分析資料。與之前的JRA25相比，具有更高的空間分辨率（T319，約55 km，垂直分辨率為60層），在數(shù)據(jù)同化系統(tǒng)中修訂了輻射方案，引入4D-Var和變分偏置矯正（VarBC）。JRA-55采用的觀測數(shù)據(jù)主要是ERA-40中使用的數(shù)據(jù)以及JMA存檔的信息。本文選擇空間分辨率為0.563°×0.562°，時間分辨率為6 h。

1.5 NCEP-DOE數(shù)據(jù)

NCEP-DOE再分析數(shù)據(jù)是NCEP/NCAR的延續(xù)，該資料具有和NCEP/NCAR相似的分辨率（采用T62高斯網(wǎng)格，具有28個垂直分層）、3D-Var同化系統(tǒng)和原始觀測資料，但對其已知誤差進行了修復(fù)，如修復(fù)了積雪分析誤差并改進了短波輻射通量參數(shù)。本文選擇時間分辨率為6 h，空間分辨率為1.875°×1.904°。

5套再分析資料的信息如表1所示，5套再分析資料均選擇10 m高度的經(jīng)向風(fēng)和緯向風(fēng)數(shù)據(jù)。此外，為驗證再分析資料對空間分布的模擬性能，使用中國區(qū)域的格點化氣象資料作為對比資料。中國區(qū)域的格點化風(fēng)速觀測資料主要包括CRA、CN05.1、CLDASV2.0，其中CN05.1數(shù)據(jù)是基于中國2416個地面氣象臺站觀測資料，通過薄板樣條法和角距權(quán)重法插值后得到的經(jīng)緯度分辨率為0.25°×0.25°的逐日格點觀測數(shù)據(jù)［10］。該數(shù)據(jù)集不僅保證了氣候數(shù)據(jù)在時間和空間上的連續(xù)性，還具有分辨率高、覆蓋長年代歷史觀測數(shù)據(jù)等優(yōu)點。CN05.1作為觀測資料也被廣泛應(yīng)用于再分析資料的適用性評估［11］、氣候時空變化特征［12-13］、氣候模式風(fēng)速模擬精度驗證等研究［14-15］。

2 風(fēng)速分布特征模擬

圖1為再分析數(shù)據(jù)模擬的阿勒泰地區(qū)年平均風(fēng)速空間分布。從CN05.1的風(fēng)速分布可看出，豐富的風(fēng)資源主要分布在北部地區(qū)。5套再分析數(shù)據(jù)均可模擬出阿勒泰地區(qū)的主要風(fēng)資源區(qū)域（如吉木乃、布爾津等地區(qū)），但對東北部阿爾泰山脈風(fēng)速模擬均較差。再分析資料對阿勒泰地區(qū)年平均風(fēng)速模擬存在較大差異。CFSv2和ERA5模擬的年平均風(fēng)速誤差較小，而FNL、JRA55和NCEP-DOE再分析資料明顯高估了阿勒泰地區(qū)的整體風(fēng)速，尤其是JRA55。

d. FNL"""""""""""""""""""""" e. JRA55"""""""""""""""" f. NCEP-DOE

阿勒泰地區(qū)季節(jié)平均風(fēng)速的模擬結(jié)果如圖2所示。CN05.1結(jié)果顯示，阿勒泰地區(qū)季節(jié)平均風(fēng)速具有春夏季較大而秋冬季較小的特點［16］。除NCEP-DOE外，再分析資料均能模擬出阿勒泰地區(qū)風(fēng)速的季節(jié)特性。CFSv2對季節(jié)平均風(fēng)速的模擬較好，而FNL、JRA55、NCEP-DOE對季節(jié)平均風(fēng)速存在較明顯高估。

3 代表年訂正案例分析

3.1 風(fēng)電場測風(fēng)塔數(shù)據(jù)

例證風(fēng)電場場址地處額爾齊斯河谷主風(fēng)道內(nèi)，位于哈巴河縣與布爾津縣之間，距哈巴河縣15 km，總裝機容量148.5 MW。

場內(nèi)測風(fēng)塔經(jīng)緯度坐標(biāo)為86°34′E，48°5′N，海拔高度約495 m，測風(fēng)塔在10 m高度，每5分鐘輸出風(fēng)速、風(fēng)向、溫度等氣象數(shù)據(jù)，測風(fēng)數(shù)據(jù)達到一個完整年，數(shù)據(jù)完整率和有效數(shù)據(jù)完整率分別為99%和97%，均滿足要求。

3.2 氣象站概況

哈巴河氣象站是距離例證風(fēng)電場最近的國家級地面氣象站，到測風(fēng)塔直線距離約14 km，海拔高度在532.6 m，其具體信息如圖3所示。

哈巴河氣象站1991—2020年平均風(fēng)速的長年代統(tǒng)計直方圖如圖4所示。由圖4可知，哈巴河氣象站年平均風(fēng)速呈較明顯的下降趨勢，下降速率達每10年0.42 m/s，這一方面可能與氣候變化導(dǎo)致的北方風(fēng)速普遍下降有關(guān)［17］，另一方面氣象站周圍地表環(huán)境的改變也會導(dǎo)致站點風(fēng)速下降［18］。

此外，將不同再分析數(shù)據(jù)在場址附近的格點也視作具有30年測風(fēng)數(shù)據(jù)的長期測站。4套再分析數(shù)據(jù)包括CFSv2、ERA5、JRA55和NCEP-DOE，F(xiàn)NL再分析資料起止時間不滿30年，因此不考慮以FNL數(shù)據(jù)進行代表年訂正。

3.3 大小年對比分析

選取哈巴河氣象站和4套再分析資料近30年（1991—2020年）的測風(fēng)數(shù)據(jù)對測風(fēng)塔測風(fēng)年（2019年1—12月）數(shù)據(jù)開展代表年訂正。從表2可知，哈巴河氣象站近30年年平均風(fēng)速為3.14 m/s，在測風(fēng)年的年平均風(fēng)速為2.63 m/s，由此判定測風(fēng)年為偏小年。4套再分析數(shù)據(jù)中，CFSv2和ERA5分析結(jié)果顯示測風(fēng)年為偏小年，與哈巴河氣象站一致。然而，JRA55和NCEP-DOE分析結(jié)果顯示測風(fēng)年為偏大年，與哈巴河氣象站判定的偏大（?。┠晗喾?。因此，使用這兩套數(shù)據(jù)進行代表年訂正可能將測風(fēng)年風(fēng)速訂正得更小，從而帶來額外的誤差［19］。

3.4 相關(guān)性分析

訂正方法采用《風(fēng)電場風(fēng)能資源評估方法》中的風(fēng)向扇區(qū)相關(guān)關(guān)系法，對16個扇區(qū)測風(fēng)塔和長期測站（包括哈巴河氣象站、CFSv2和ERA5）的小時風(fēng)速數(shù)據(jù)進行相關(guān)性分析，如表3所示。整體上，相比于氣象站數(shù)據(jù)，兩套再分析數(shù)據(jù)（包括CFSv2和ERA5）與測風(fēng)塔數(shù)據(jù)的相關(guān)系數(shù)更高。具體地，氣象站所有扇區(qū)的相關(guān)系數(shù)低于0.60，全扇區(qū)相關(guān)系數(shù)為0.46。CFSv2數(shù)據(jù)的相關(guān)性相對較好，表現(xiàn)為在7個扇區(qū)相關(guān)系數(shù)大于0.60，且主風(fēng)向（E、W）的相關(guān)系數(shù)均較高，全扇區(qū)相關(guān)系數(shù)為0.54。ERA5數(shù)據(jù)與測風(fēng)塔的相關(guān)性最好，除主風(fēng)向扇區(qū)相關(guān)性較高外，全扇區(qū)的相關(guān)系數(shù)最高，為0.60。其較高的相關(guān)性可能與ERA5采用了先進的集合資料同化方法有關(guān)，ERA5數(shù)據(jù)將集合預(yù)報信息與4D-Var結(jié)合，顯著提高了模式同化分析能力［20］。

3.5 訂正結(jié)果

分別利用哈巴河氣象站、CFSv2和ERA5的16個分扇區(qū)的風(fēng)速相關(guān)曲線對測風(fēng)塔數(shù)據(jù)進行代表年訂正，得到代表年訂正結(jié)果如表4所示。訂正結(jié)果表明，訂正后代表年風(fēng)速均比測風(fēng)年風(fēng)速有所增大。哈巴河氣象站訂正后的年平均風(fēng)速為6.01 m/s，CFSv2和ERA5訂正后分別為6.27和5.82 m/s。

4 結(jié)論與討論

本文從區(qū)域和站點尺度評估了5套再分析資料在新疆阿勒泰地區(qū)的風(fēng)資源評估方面的適用性，得到以下主要結(jié)論：

1）空間上，5套再分析數(shù)據(jù)整體上均能模擬出阿勒泰地區(qū)風(fēng)資源北多南少的分布特性，尤其在風(fēng)電場主要分布的吉木乃、布爾津等地區(qū)。高分辨率的CFSv2、 ERA5數(shù)據(jù)在空間模擬上更具優(yōu)勢。季節(jié)上，除NCEP-DOE外，大多數(shù)再分析資料均能模擬出阿勒泰地區(qū)風(fēng)速季節(jié)特性，且對冬季的模擬優(yōu)于其他季節(jié)。

2）在此基礎(chǔ)上，研究4套再分析數(shù)據(jù)在阿勒泰地區(qū)風(fēng)電場代表年訂正的適用性。結(jié)果表明，與參證氣象站相比，ERA5和CFSv2數(shù)據(jù)與測風(fēng)塔數(shù)據(jù)的相關(guān)性更好。在缺乏合適的氣象站數(shù)據(jù)時，使用ERA5和CFSv2數(shù)據(jù)作為代表年訂正的長期測站數(shù)據(jù)在阿勒泰地區(qū)具有一定的適用性。

綜上，高分辨率的ERA5和CFSv2再分析資料可更好地再現(xiàn)阿勒泰地區(qū)近地面風(fēng)速的時空分布，代表年訂正的適用性也優(yōu)于其他再分析資料，這可能與其較高分辨率和先進的同化方案有關(guān)。

“雙碳”目標(biāo)提出后，國家加大可再生能源的布局，對風(fēng)電基地建設(shè)提出更高要求。在風(fēng)電場建設(shè)周期短、測風(fēng)數(shù)據(jù)不足等實際情況下，使用再分析數(shù)據(jù)作為補充資料，具有較好的應(yīng)用前景，未來研究應(yīng)從提升數(shù)據(jù)質(zhì)量等方面提高其適用性：一方面，應(yīng)使用先進的同化技術(shù)，降低同化過程帶來的誤差，提高再分析資料的時空精度；另一方面，再分析數(shù)據(jù)的準(zhǔn)確性還受到同化系統(tǒng)使用的觀測資料來源、數(shù)量和質(zhì)量的影響。在使用多源觀測資料的同時，應(yīng)開展再分析資料的質(zhì)量檢驗與評估研究。由于多種再分析資料在不同時間尺度（如年內(nèi)、年際）以及空間相關(guān)性等方面往往各有優(yōu)劣，考慮權(quán)重的多種再分析資料集合研究也可降低再分析資料的不確定性。

［參考文獻］

［1］"""" 錢永明， 鄒昊， 洪梅. 基于CMIP5數(shù)據(jù)評估氣候變化下西北航道風(fēng)能資源的未來變化［J］. 海洋預(yù)報， 2021， 38（4）： 76-86.

QIAN Y M， ZOU H， HONG M. Evaluating the evolution of wind energy resource in the Northwest Passage under climate"" change"" based"" on"" CMIP5"" models［J］."" Marine forecasts， 2021， 38（4）： 76-86.

［2］"""" 劉慧芝， 徐長春， 李佳秀， 等. 新疆地區(qū)最大風(fēng)速變化及其環(huán)流指數(shù)驗證分析［J］. 人民黃河， 2017， 39（8）： 19-25.

LIU H Z， XU C C， Li J X， et al. Changes in the maximum wind speed and the confirmatory analysis by the circulation index in Xinjiang region［J］. Yellow river， 2017， 39（8）： 19-25.

［3］"""" 王政琪. CMIP5全球氣候模式對東亞冬季氣候特征模擬能力評估與未來變化預(yù)估［D］. 北京： 中國氣象科學(xué)研究院， 2017.

WANG Z Q. Evaluation and projection of the CMIP5 models in simulating the change of the East Asian winter monsoon［D］. Beijing： Chinese Academy of Meteorological Sciences， 2017.

［4］"""" AYIK A， IJUMBA N， KABIRI C， et al. Preliminary wind resource assessment in South Sudan using reanalysis data and statistical methods［J］. Renewable and sustainable energy reviews， 2020， 138： 110621.

［5］"""" GUALTIERI G. Reliability of ERA5 reanalysis data for wind resource assessment： a comparison against tall towers［J］. Energies， 2021， 14（14）： 4169.

［6］"""" SAMAL R K. Assessment of wind energy potential using reanalysis data： a comparison with mast measurements［J］. Journal of cleaner production， 2021， 313： 127933.

［7］"""" 李曉明， 陳玲， 張閃林. 測風(fēng)數(shù)據(jù)代表年訂正方法的研究［J］. 綠色科技， 2019（16）： 51-54.

LI X M， CHEN L， ZHANG S L. Research on the representative year correction method for wind measurement"" data［J］."" Journal"" of"" green"" science"" and technology， 2019（16）： 51-54.

［8］"""" 黃勇， 柴斌. 再分析數(shù)據(jù)在風(fēng)電場代表年訂正中的應(yīng)用［J］. 電力勘測設(shè)計， 2019， 31（增刊1）： 242-256.

［9］"""" 關(guān)于印發(fā)阿勒泰地區(qū)新能源產(chǎn)業(yè)高質(zhì)量發(fā)展實施意見的通知［EB/OL］. Http：//www.xjalt.gov.cn/govxxgk/DD001/ 2020-08-17/90247be2-717f-4a85-864c-77efd22b8e52.html.

Notice on the issuance of the implementation opinions on the high-quality development of new energy industry in Altay"" region［EB/OL］." Http：//www.xjalt.gov.cn/govxxgk/DD001/2020-08-17/90247be2-717f-4a85-864c-77efd22b8e52.html.

［10］""" 吳佳， 高學(xué)杰. 一套格點化的中國區(qū)域逐日觀測資料及與其它資料的對比［J］. 地球物理學(xué)報， 2013， 56（4）： 1102-1111.

WU J， GAO X J. A gridded daily observation dataset over China region and comparison with the other datasets［J］. Chinese journal of geophysics， 2013， 56 （4）： 1102-1111.

［11］""" 張文霞， 張麗霞， 周天軍. 雅魯藏布江流域夏季降水的年際變化及其原因［J］. 大氣科學(xué)， 2016， 40（5）： 965-980.

ZHANG W X， ZHANG L X， ZHOU T J. Interannual variability and the underlying mechanism of summer precipitation"" over" the" Yarlung" Zangbo" River" Basin［J］. Chinese journal of atmospheric sciences， 2016， 40 （5）： 965-980.

［12］""" 次央， 次仁旺姆， 德吉， 等. 1961—2015年青藏高原極端氣溫事件的氣候變化特征［J］. 高原山地氣象研究， 2021， 41（2）： 108-114.

CI Y， CIREN W M， DE J， et al. Climate change characteristics of extreme temperature events in the Qinghai-Tibet Plateau from 1961 to 2015［J］. Plateau and mountain meteorology research， 2021， 41 （2）： 108-114.

［13］""" 白磊， 張帆， 尚明， 等. 基于格點數(shù)據(jù)的1961—2018年中國多種積溫時空變化研究［J］. 地球信息科學(xué)學(xué)報， 2021， 23（8）： 1446-1460.

BAI L， ZHANG F， SHANG M， et al. Evolution of the multiple accumulated temperature across mainland China in 1961-2018 with the gridded meteorological dataset［J］. Journal of geo-information science， 2021， 23（8）： 1446-1460.

［14］""" CHEN Z， LI W， GUO J H. Projection of wind energy potential over northern China using a regional climate model［J］. Sustainability， 2020， 12（10）： 3979.

［15］""" 陳說， 葉濤， 劉葦航， 等. NEX-GDDP和CMIP5對青藏高原地區(qū)近地面氣象場歷史和未來模擬的評估與偏差校正［J］. 高原氣象， 2021， 40（2）： 257-271.

CHEN S， YE T，LIU W H， et al. Evaluation and bias correction of the historical and future near-surface climate forcing in NEX-GDDP and CMIP5 over the Qinghai-Xizang Plateau［J］. Plateau meteorology， 2021， 40（2）： 257-271.

［16］""" 李京龍， 武勝利， 葛歡歡， 等. 1962—2016年阿勒泰地區(qū)風(fēng)速變化分析［J］. 干旱區(qū)地理， 2018， 41（3）： 499-507.

LI J L， WU S L， GE H H， et al. Wind speed change in Altay"" Prefecture"" from"" 1962"" to" 2016［J］." Arid"" land geography， 2018， 41（3）： 499-507.

［17］""" SHI P J， ZHANG G F， KONG F， et al. Wind speed change""" regionalization""" in""" China"" （1961-2012）［J］. Advances in climate change research， 2015， 6（2）： 151-158.

［18］""" 孫銳. 利用風(fēng)電場內(nèi)長期測風(fēng)數(shù)據(jù)進行代表年分析研究［J］. 自動化應(yīng)用， 2020（10）： 88-90.

SUN R. The long-term wind data in the wind farm are used for"" the"" representative"" year"" analysis［J］."" Automation application， 2020 （10）： 88-90.

［19］""" 劉漢武， 王文本， 江瀅， 等. 再分析數(shù)據(jù)在風(fēng)能資源評估中的優(yōu)勢和局限性［J］. 風(fēng)能， 2016（12）： 58-63.

LIU H W， WANG W B， JIANG Y， et al. Advantages and limitations of reanalysis data in wind energy resource assessment［J］. Wind energy， 2016 （12）： 58-63.

［20］""" 鄧小花， 翟盤茂， 袁春紅. 國外幾套再分析資料的對比與分析［J］. 氣象科技， 2010， 38（1）： 1-8.

DENG X H， ZHAI P M， YUAN C H. Comparative analysis of NCEP/NCAR， ECMWF and JMA reanalysis［J］. Meteorological science and technology， 2010， 38 （1）： 1-8.

APPLICABILITY OF FIVE SETS OF REANALYSIS DATA IN

WIND RESOURCE ASSESSMEANT IN ALTAY PREFECTURE

Chen Zhuo1，Guo Junhong1，Kang Pengpeng2， Wang Jinming3，Liu Wenjiao1，Li Wei1

（1. MOE Key Laboratory of Resources and Environmental Systems Optimization，

North China Electric Power University， Beijing 102206， China；

2. State Grid Xinjiang Electric Power Company Limited， Urumqi 830002， China；

3. Altay Power Supply Company， State Grid Xinjiang Electric Power Company Limited， Altay 836500， China）

Abstract：In this paper， the simulation performance of five sets of reanalysis data of wind resources in Altay prefecture is evaluated， and the applicability of the reanalysis data to correct representative year of this region was also analyzed. The results show that different reanalysis data have different spatial simulation results in Altay prefecture， and CFSv2 and ERA5 data with high resolution have more advantages in spatial simulation， while the JRA55 and NCEP-DOE models have obvious overestimation. In terms of seasonal wind speed， except NCEP-DOE， the other sets of reanalysis data can simulate the seasonal characteristics of wind speed in Altay prefecture， and the simulation in winter is better than that in other seasons. In addition， a wind farm in Altay is taken as an example， and the wind tower data are corrected on a representative year by taking the nearby meteorological station and four sets of reanalysis data as long-term observation stations. The revised results show that ERA5 and CFSv2 data have better correlation with wind tower data than meteorological station. It is feasible to use ERA5 and CFSv2 data as long-term station data to correct representative year of wind with measurement data in Altay prefecture when suitable meteorological station data are lacking.

Keywords：wind farm； wind speed； resource assessment； reanalysis data