风能资源开发利用的前提是做好风能资源的精细化评估工作，目前常用的风能资源评估手段有3种：基于气象站历史观测资料的评估、基于测风塔观测资料的评估以及基于数值模拟结果的评估。气象资料具有观测点稀疏且对评估区域的代表性不足等问题，采用测风塔进行区域风能资源评估需建设较多塔，耗费大量的人力、物力，这两种方法进行区域风能资源评估均存在一定的不足。数值模拟方法可获得较高分辨率的风机轮毂高度上的风能资源分布，因此近年来被广泛用于区域风能资源评估。

穆海振等(2006)用大气污染模式(TAPM)模拟了上海1月和7月3 km水平分辨率的月平均风资源分布；龚强等(2006)用MM5模式逐日积分得到辽宁沿海区域的春季风能资源分布；李艳等(2007)用MM5模式通过逐日积分研究了海陵岛200 m水平分辨率的秋季平均风资源状况；张鸿雁等(2008)用WRF模式对湖北省风能资源进行了为期1年的逐日模拟，得到湖北省10 km水平分辨率的风能资源图谱；周荣卫等(2010)采用MM5模式结合微尺度模块Calmet的方法获得水平分辨率1 km的风能资源图谱；何晓凤等(2010)和方艳莹等(2012)分别采用中尺度气象模式与计算流体力学软件相结合的方法获取百米尺度水平分辨率的风能资源数值模拟结果。这些工作都是针对某个时段的风能资源进行逐日模拟，获取该时段内的平均风状况。然而仅从某个月、某个季节或某年的平均风状况来评价研究区域的风能资源是不够全面的，最好能够了解评估区域内20年或更长年代的平均风能资源状况。由于计算量较大，风能资源的数值模拟评估不能采用逐日积分的方法来实现。加拿大气象局(Yu et al，2006)和丹麦Risoe国家实验室(Frank et al，1997)采用“分型+中尺度模式+线性微尺度模式”的方法得到高分辨率的风能资源图谱。“分型”就是针对某几个特定的分型因子，按每个因子划定的等级，对历史气象资料进行归类，得出每种类型出现的频率。然后针对每种类型挑选代表算例进行模拟，根据每种类型出现的频率得到模拟区域内的平均风能资源。

加拿大气象局(Yu et al，2006)以每天4次NCEP再分析资料中的地面风速、风向以及地面和850 hPa的风速切变为分型因子：风速分为14档，风向分成16个区间，风速切变分为2档(正或负)，共有448种类型。丹麦Risoe国家实验室(Frank et al，1997)同样以NCEP再分析资料为基础，采用850 hPa的风速、风向和弗洛德数(Fr)为因子进行分类：风速分为6档、风向分成12个区间，弗洛德数分为2档，共计144种类型。

加拿大气象局和丹麦Risoe国家实验室均针对分型结果中的每种类型，采用NCEP再分析资料来构造一个理想均匀场作为中尺度模式的初始场进行诊断计算，得出每种类型的风场分布。按照每种类型的出现频率进行加权平均，从而获得风能资源结果。

美国国家可再生能源实验室NREL(Schwartz et al，2004)采用随机抽取的方法，即从20—30年中按儒略日随机抽取365 d进行模拟计算，得到的风能资源结果作为该地区长期风能资源平均分布状态。Rife等(2013)建立一种基于蒙特卡罗法的选择方法，并就此方法与随机抽取法的结果进行对比分析，发现蒙特卡罗法仅需模拟计算180 d，且其模拟结果的代表性要优于随机抽取法。

中国气象局采用加拿大气象局的风能资源评估数值模拟系统(WEST)，对全国进行了5 km水平分辨率的模拟(张德等，2008)和江苏省与青海省1 km水平分辨率的模拟(李泽椿等，2007)，通过模拟结果和观测资料对比发现，WEST的模拟结果在中国沿海地区误差较大，主要是因为WEST系统以再分析资料为分型依据，其基于NCEP再分析资料构造的单一廓线理想场不能代表复杂的地形、地貌特征，从而在地形、地貌复杂地区误差较大。

本研究建立了一套新的分型方案，该方案以探空气象站的探空和地面实测数据作为分型依据，以风速、风向和日最大混合层高度为分型因子，共分为256种类型，从每种类型中分别挑选典型日进行模拟计算。模式系统采用中尺度气象模式WRF和微尺度气象模块Calmet模式，模拟时采用NCEP再分析资料融合气象站实测数据的真实场作为模式初始和边界条件；WRF模式采用两重嵌套，水平分辨率为27和9 km；WRF模式第2重嵌套模拟区域之间重合率为33%；Calmet模块水平分辨率为1 km；模拟计算以一个典型日为一个算例，输出时间间隔为1 h。何晓凤等(2009)针对江苏沿海地区采用该分型方法与WEST的模拟结果进行对比，发现该方法获取的风资源图谱比WEST的模拟结果明显接近实际情况。

针对新建的分型方案在中国所有分型站点进行分型后挑选典型日的风能参数和30年平均结果进行对比分析，研究该分型方案对站点长年代风能特征的代表性，并通过两个典型地区沿海和内陆复杂山地模拟区域内采用一个分型站点对整个区域的代表性进行对比分析。

近地层风场是由大尺度背景场和局地地形、地貌特征共同作用而形成，是动力和热力效应共同作用的结果。文中所建立的分型方法主要用于风能资源评估，表征风能资源特性最为明显的动力参数为风速和风向。为了使分型结果能够对整个模拟区域有一定的代表性，因而采用探空资料850 hPa高度层上的风速和风向，高海拔地区的探空站则采用700 hPa高度层上的观测资料；同时选取日最大混合层高度来表征热力效应的日变化特征。850 hPa或700 hPa的风速和风向可以用来描述大尺度天气系统的动力特性，日最大混合层高度可以代表热力特性，因而，认为由这3个因子共同决定的每种类型是一种用于风能资源评估的分类类型。从每种类型中随机挑选的用于数值模拟计算的日子称为典型日，每种类型共计挑选出模拟日的天数为典型日天数。

采用中国国家气象信息中心整编过的同一个气象站历史(20或30年)地面和探空观测数据作为分型资料，采用每日08时(北京时，下同)探空资料中的850或700 hPa的风速、风向以及日最大混合层高度作为分型因子对气象站历史观测资料进行分类。风速分类是基于可用于风能开发利用的风速段进行分类，日最大混合层高度则是基于不同天气类型下的混合层高度来考虑，并根据多次试验对比抽取典型日的天数以及其代表性的误差分析，分型方案最终确定为：风速分为8档，0—2、2—5、5—10、10—15、15—20、20—25、25—30 m/s以及大于30 m/s；风向分为8档，每45°为一个扇区；日最大混合层高度采用中国国家标准《制定地方大气污染物排放标准的技术方法GB/T 3840—1991》中的计算方法，采用每日14时的地面观测资料计算得到，将其分为4档，0—150、150—500、500—800 m以及大于800 m；共分为256种类型。将气象台站历史地面和探空资料根据风速、风向和日最大混合层高度进行归类，即可得到每种类型出现的频率。为了保证分型方案的随机性，不人为指定每种类型的代表算例，而是从每种类型的所有历史日期中随机抽取5%的天数作为该类型的典型日，在挑选典型日时尽量均匀分布在四个季节。

采用分型方案对气象站历史观测资料进行分型的目的是为了评估20—30年的平均风能资源，基于气象数值模拟技术获取高分辨率的区域风能资源分布。如果评估区域范围较大，可采用分块的方法来实现整个区域的风能资源数值模拟评估。为了实现中国陆地风能资源评估，WRF模式最内重嵌套水平分辨率设置为9 km，网格点数为128×128，相连2块模拟区域间重合33%，因此将中国均匀分为25块(图 1)。图 1中黑点为中国探空站点位置分布，根据探空站分布和历史观测资料完整率选取分型站点，图中红点为区域的分型站点，图中方框表示中尺度气象模式模拟区域以及与相连区域的重合示意。

图 1 中国分型点位置及分块示意(底图为地形高度，单位：m)Fig. 1 Location of the weather classification point and the schematic diagram for the partition (terrain height, unit: m)

图选项

选取分型站点1979—2008年共30年地面和探空观测资料进行分型，通过采用分型方案获得分型站点的类型数、典型日天数以及典型日列表。

为了验证分型结果对该站点风能资源的代表性，分别计算了该站点30年和挑选典型日的地面平均风速、风向频率以及风速频率等风能参数进行对比验证。表 1为中国每一个区域分型站点的分型种类、典型日天数、平均风速误差分析、风向频率和风速频率的误差分析，其中绝对误差和相对误差为挑选典型日的平均风速与30年平均风速的误差，风向频率误差值为风向频率各方位频率值绝对误差的平均值，风速频率误差为风速频率各风速档频率值绝对误差的平均值，根据中国台站的观测风速，计算风速频率时风速区间取为0—14 m/s。

中国所有区域分型种类为89—192类，种类最少为西藏林芝站的89类，最多为黑龙江伊春站的192类，地域分布总体上呈现出：西部地区分型种类少于东部地区，东北地区分型种类最多，华南地区次多，西南地区最少，西北地区为次少。各分型站点挑选典型日天数分布基本上与分型种类分布相似，典型日天数在437—518 d。

从表 1的对比检验结果可以看出，分型站点挑选典型日的平均风速与30年平均风速的绝对误差均低于0.1 m/s，相对误差均低于6.5%，其中相对误差超过4%的站点分别为：吉林临江站的-4.49%、四川宜宾站的-6.54%和海南海口站的-4.47%。总体来讲，挑选典型日的平均风速与30年平均风速较为接近，能够代表分型站点30年平均风速状况。

为了验证新建的分型方案挑选典型日对各地风能资源特性的代表性，针对分型站点30年风向频率和风速频率的绝对误差进行分析，挑选典型日的风向频率值与30年风向频率值绝对误差的平均值为0.28%—0.48%，风速频率绝对误差的平均值为0.09%—0.54%，挑选典型日的风向频率和风速频率与30年平均结果均比较吻合。因此，文中新建的分型方案挑选出的典型日可以代表分型站点气候态的风能资源特征。

为了分析分型站点挑选典型日风向和风速的代表性，分别挑选东北地区通辽站、沿海汕头站、内陆平坦地区二连浩特站和高原地区格尔木站的典型日风向频率和风速频率的对比结果进行分析(图 2)。通过典型日的风向频率和风速频率与30年结果的对比可以看出：不管是位于中国相对平坦地区的通辽站和二连浩特站，还是位于沿海地貌条件复杂地区的汕头站以及位于高原地形复杂地区的格尔木站，典型日的风能参数和30年平均结果均较为吻合；典型日的风向频率都能够很好地表现各地的风向分布特征，不仅主导风向吻合，而且各风向的频率值也基本相当；分型结果的风速频率分布也与30年平均值较为一致，尤其是高原地区格尔木站小风速段频率相对较高的特殊风频率特征都很好地体现出来。

图 2 典型分型站点风向频率 (a1—a4)和风速频率(b1—b4)分型结果对比检验(a1、b1. 东北地区(通辽站),a2、b2. 沿海地区(汕头站), a3、b3. 内陆地区(二连浩特站), a4、b4. 高原地区(格尔木站))Fig. 2 Comparison of wind direction frequency (a1-a4) and wind speed frequency (b1-b4) in the typical classification station (a1，b1. Northeast China (Tongliao station), a2，b2. Coastal area (Shantou station), a3，b3. Inland area (Erlianhaote station), a4，b4. Plateau area (Geermu station))

图选项

基于数值模拟的需求，文中所建立的分型方案在模拟计算时，每块区域中可能会包含多个探空站，且模拟区域间的重合会形成同一探空站位于不同模拟区域的现象。因此，为了验证挑选单一探空站为分型站点对整个模拟区域的代表性，以及位于不同模拟区域的同一探空站采用不同典型日列表时的差别，选取沿海的杭州站区域和西南复杂地形的宜宾站区域进行分型站点区域代表性的验证分析。

表 2为以杭州站为分型站点的模拟区域内其余各探空站采用杭州站典型日列表的风能参数与该站点30年平均结果的对比检验，其中距离为各站点与杭州站间的距离。所有站点的风向频率误差为0.27%—0.63%，除了武汉站、南京站、徐州和阜阳站外，其余观测站的风向频率误差均在0.5%以内；风能方向频率误差值分布趋势基本与风向频率一致，其误差范围为0.55%—1.76%；风速频率误差范围为0.14%—0.49%，误差较大站为安庆站的0.49%和射阳站的0.46%，其余观测站风速频率误差均在0.45%以下；风能频率误差范围为0.53%—1.49%；各探空站的风向频率误差和风速频率误差基本上与分型站点杭州站的距离成正比关系。因此，采用杭州站作为整个区域分型站点挑选的典型日列表可以代表该区域内所有站点30年的平均风能资源特征。

图 3 杭州站区域的探空站分布及相连区域范围Fig. 3 Sounding stations in the Hangzhou station area and the connected area range

图选项

表 3为杭州站区域、青岛站区域和宜昌站区域重合范围内的徐州站分别以3个区域各自分型站点挑选的典型日列表进行分型的结果对比，重合区域内的资源评估结果为3个区域模拟结果的加权平均，这3个区域各自以不同站点作为分型站点挑选典型日进行模拟计算，为了验证加权平均后结果对重合区域的代表性，选取重合区域内徐州站分别以3个分型站点挑选的典型日列表进行分型结果对比检验，3个区域典型日获得徐州站风向频率绝对误差分别为0.54%、0.48%和0.46%，按距离反平方加权后的风向频率绝对误差则降低为0.27%；加权后的风能方向频率误差同样

大大低于各自区域的结果；加权后的风速频率误差结果介于3个区域结果之间；风能频率误差结果稍低于各自区域的结果。可见，加权平均后获得的重合区域内可以更加准确地代表该区域风资源特性，且风能参数结果基本上均优于该站点以各分型站点的典型日为依据的风能参数结果。

表 4为宜宾站区域内其余探空气象站采用宜宾站的典型日列表计算得到的风能参数与该站30年平均结果的对比。风向频率误差除了丽江站的0.57%外，其余均在0.5%以下；风能方向频率误差范围为0.46%—2.31%，除了沙坪坝站的2.04%和达日站的2.31%外，其余站的风能方向频率误差均在2%以下；风速频率误差为0.22%—0.60%，风能频率误差为0.55%—2.34%。宜宾站区域范围包括中国西南山地和青藏高原东侧部分，属于地形复杂地区，从区域内各站的对比检验来看，采用宜宾站来针对整个区域进行分型挑选典型日，风能方向频率和风能频率误差最大分别为2.31%和2.34%，可见采用本文中的分型方法复杂地形地区也可以代表整个区域的风能特性。

表 5为图 4中4个区域重合区域汉中站分别采用4个区域内分型站点的典型日列表计算风能参数的对比结果。4个分型站点典型日计算汉中站的风向频率误差范围为0.29%—0.41%，加权平均后的误差为0.19%；风速频率误差范围为0.17%—0.40%，加权平均后误差为0.09%；相同的是加权平均后的风能方向频率和风能频率误差均比某个单一分型站点的误差要小。因而，在复杂地形地区，文中采用的分型设计方案对于重合区域加权平均后提高了区域风能资源特性的代表性。

图 4 宜宾站区域的探空站分布及相连区域范围Fig. 4 Sounding stations in the Yibing station area and the connected area range

图选项

文中新建了一种用于风能资源数值模拟的分型方案，该方案以探空气象站850 hPa或700 hPa的风速、风向和日最大混合层高度作为分型因子，风速分为8档，风向分为8档，日最大混合层高度分为4档，总计分为256种类型，从每种类型的所有历史日期中随机抽取5%的天数作为该类型的典型日。根据全国所有地区的典型日平均风能参数和30年平均风能参数的对比分析，可以得出以下结论：

中国所有区域分型站点30年平均风能参数和抽取典型日的结果对比显示：分型站点挑选典型日平均风速与30年平均风速间的绝对误差均低于0.10 m/s，相对误差均低于6.50%；挑选典型日风向频率与30年平均结果的绝对误差平均值为0.28%—0.48%，风速频率绝对误差的平均值为0.09%—0.54%，挑选的典型日能够代表分型站点的风能资源特性。

通过沿海和内陆山地区域内分型站点以外其余探空气象站风向频率和风速频率的对比检验发现：沿海地区风向频率误差范围为0.27%—0.63%，风速频率误差范围为0.14%—0.49%；内陆复杂山地风向频率误差基本在0.57%以下，风速频率误差为0.22%—0.60%；因此模拟区域选取一个探空站作为分型站点可以代表整个区域的风能资源特性。

根据沿海和内陆山地模拟区域重合范围内的探空站分型结果分析得出：对于模拟区域重合范围内探空站采用所有模拟区域内分型站典型日结果加权平均后的风能参数的对比误差明显低于单一区域分型站点的误差，因而，针对重合区域内风能参数采用多个区域内的结果加权平均增强了对该地区风能资源的代表性。

文中用于检验分型方案的25块区域是针对中国风能资源评估而设定的，但是文中讨论了模拟区域内单一分型站点对于整个模拟区域的代表性以及重合区域加权平均后的代表性，在进行区域小范围的风能资源评估时，即使评估区域内无长期探空站，也可使用离评估区域较近的资料条件满足的探空气象站作为分型站点。