山地风场特性及风能资源评估的研究手段主要分为基于现场实测数据、基于风洞试验和基于数值模拟技术三种（靳晶新, 2017）。基于现场实测数据的评估主要指利用气象站、测风塔实测数据，或采用激光测风雷达、声雷达技术，通过地形插值方法得到区域的平均风速分布，从而进行风能资源评估；基于风洞试验的评估主要指利用风洞试验实测得到地形风场风速分布，结合单个或多个现场实测数据，计算整个区域的风功率密度分布；基于数值模拟技术的评估是指利用数值模拟方法，重现大气边界层风场的风速分布，计算全域的潜在风能储量。数值模拟方法可以有效填补对无实测气象数据区域风资源状况不明的空白，并考虑地形微尺度效应，对于风电场微观选址具有较好的指导作用，目前已经被广泛接受（张德, 2009）。
现场实测数据
（1）气象站历史观测资料
传统的风能资源评估是基于一些气象站历史观测资料，通过统计和插值的方法得到整个区域的潜在风能储量。美国斯坦福大学基于全球1998-2004年总计7753个地面气象站和446个探空气象站的长期历史观测资料，利用最小二乘法拟合得到每个观测站位置的风速垂直廓线，从而通过插值方法计算出全球80 m高度处风能资源分布（Archer, 2005）。国家可再生能源实验室基于大量气象站历史观测资料和插值技术，绘制了美国90 m高度处风速分布图（Schwartz, 2010）。中国气象科学研究院利用全国900余个气象站的长期观测资料，给出了我国10 m高度的陆上风能资源分布（薛桁, 2001）。中国科学院地理科学与资源研究所利用全国395个气象站10年的气象观测资料，通过插值计算得到全国有效风能密度和有效时数分布图（廖顺宝, 2008）；结果表明，我国风能资源分布非常不均匀，内蒙古和新疆的风能资源最为丰富，其次是东部沿岸区域。
综上可以看出，基于气象站历史观测资料的风能资源评估方法存在几个重要问题：
1）气象站分布密度小
中国气象站的间距是50-200 km，气象站整体数目不多且分布不均匀，东部区域气象站分布较多，西部区域则较少，导致插值得到的区域风功率密度误差很大，特别是在海拔高度变化较大的地区。
2）气象站观测高度单一
气象站观测高度通常只有10 m高度，而风机轮毂高度有70 m、80 m、100 m和150 m等多种类型，因此需要通过其它方式估算气象站处平均风速随高度变化的垂直廓线，从而插值得到风机轮毂高度处的风功率分布，这显然极大程度增加了风能资源评估的误差。
（2）测风塔观测资料
对于气象站分布较少、地形较复杂的地区，仅用气象站长期观测资料进行风能资源评估，其准确性和可靠性缺乏保障，因而需要安装一定数目的测风塔，进行短期气象观测，然后结合气象站长期观测资料评估区域的潜在风能储量。这些测风塔的观测长度大多为2年，个别为5年或10年，其测风资料的观测时段并非完全统一，对于风资源评估结果的准确度有一定程度的影响。中国气象局根据风能资源规划和风电场选址需要，采用统一、规范的标准，在中国大陆风能资源可利用区域建立了400个70-120 m高的测风塔，初步建成了全国陆上风能资源专业观测网（中国气象局风能太阳能资源评估中心, 2011）。
建立测风塔所耗费的人力和物力非常大，基本无法在大范围建立密集的观测网，即便是整个中国也只设立了400个测风塔，并且测风塔通常无法像气象站一样进行常年观测，观测时段也就无法统一。因此，单纯依靠测风塔的观测资料进行区域风能资源评估是不可行的。
（3）激光测风雷达和声雷达技术
传统的测风塔很难获得整个风机叶轮面的多层风速和风向，而且塔式观测对于场地的要求非常高，在狭窄的山脊或陡峭的山顶只能建设50-80 m的观测塔（李军, 2017）。激光测风雷达（Light Detection and Ranging，LiDAR）是一种集激光、全球定位系统（GPS）和惯性导航系统（INS）于一身的新兴技术，可以获得高精度、高密度的地形数字高程模型和风速风向，通常分为机载雷达和地面雷达两种。激光测风雷达设备小巧轻便，可布置在任意复杂地形，甚至是狭小的风机平台上，能够获取40-200 m的多层风速和风向，在风电行业中的应用越来越广。Hsuan采用浮式激光雷达测量了台湾南部海港的50 m、70 m、90 m、110 m、150m和200 m共六个不同高度的平均风速和风向，并对该近海区域进行了风能资源评估（Hsuan, 2014）。Kim利用地面激光雷达测量了韩国济州岛三个不同地形复杂程度区域的四个不同高度位置的风速与风向，并与气象塔数据进行了对比，二者相差仅在2%-6%以内（Kim, 2016）。
激光测风雷达探测性能受可见度影响较大，且寿命短、成本高，与之相比，声雷达（Sound Detection and Ranging，SODAR）环境适应能力强、寿命长、成本低、维护方便，能够有效探测10-200 m范围的风速、风向、垂直气流，是一种有效的风电场测风手段（张焕胜, 2016）。Kim将声雷达设备布置在一座145 m高的建筑物屋顶上，测得不同地面高度的风速信息，并与激光测风雷达进行了比较（Kim, 2011）。Khan回顾了LiDAR和SODAR技术在风能评估上的应用发展风速分布特性，结合声雷达和气象塔实测数据对巴基斯坦某区域进行了风能资源评估（Khan, 2017）。
2风洞试验
风洞试验技术对于地形风场特性和风能资源评估研究十分重要，主要用于地形风速理论模型的研究及数值模拟技术的对比分析，多数是针对一些简单体型的山峰或山坡绕流。DeBray通过单坡山体的风洞试验研究，给出了山坡上下游沿竖向分布的顺风向平均风速模型（DeBray, 1973）。Carpenter利用风洞试验研究了不同坡度的单体山峰、多个连续山峰和不规则山峰等多种不同工况下的山地地形风场特性；研究结果表明，单体山峰加速效应最大，多个连续山峰的平均风速均比山体山峰的有所降低（Carpenter, 1999）。Ishihara利用风洞试验研究了二维和三维单体余弦山峰的风场加速效应及分离再附现象；研究发现，在山顶处发生了显著的加速效应，在背风区则由于流场分离再附形成回流区，风速急剧减小（Ishihara, 1999;Ishihara, 2001）。Cao利用风洞试验研究了地面粗糙度对不同坡度二维单体余弦山峰风场风速分布的影响；结果表明，山地地形风场取决于上游条件和地形条件，紊流场光滑山体在迎风坡和山顶的加速效应最大，均匀流粗糙山体的加速效应最小（Cao, 2006;Cao, 2007）。
风洞试验在复杂地形风场研究上也有较广泛的应用。Boris研究了不同坡度简单山体的风场特性，并利用风洞试验研究了Bolund岛和Alaiz山这两个复杂地形区域的风资源分布（Boris, 2012）。Desmond利用风洞试验研究了植被对复杂地形风场特性的影响，并与数值模拟结果进行了对比（Desmond, 2014）。张玥利用缩尺比1:1000的地形风洞试验，研究了禹门口黄河大桥周围峡谷地形的风场特性，发现桥址区风场特性与抗风规范差异很大（张玥, 2016）。许福友回顾了山区地形风场特性的研究发展，总结了山区桥址处设计风速的几种取值方法，为山区桥址抗风设计提供了参考（许福友, 2017）。
通过地形模型风洞试验，可以较全面地定量研究实际山地地形风场特性，为山地建筑物抗风设计、风电场微观选址和风机荷载分析等提供依据。山地地形的风洞试验模型缩尺比通常较小，制作精度较难掌控，试验周期较长；试验仪器主要是热线风速仪和三维脉动风速探头，测点位置有限，需重复多次测量才能获得更多位置的风速信息，且很难同步获得区域整体流场信息。
3 数值模拟技术
随着科技的进步，数值模拟技术在区域风能资源评估和风电场微观选址的应用上越来越广，有效解决了气象站、测风塔的空间分布密度不足的问题。山地地形风场数值预测模式的发展起源于山地风场理论模型，因此简单回顾山地地形风场理论预测模型的发展史。
（1）理论模型
从1970s开始，许多学者针对山地地形风场加速效应展开了大量的理论模型研究。Jackson和Hunt最早提出了一种预测二维山体加速效应的解析算法，可以有效预测坡度小于20°的山体的加速效应（Hunt, 1988;Jacson, 1975）。Finnigan研究发现，二维山峰发生稳定流动分离的临界坡度是16°，通过加大地面粗糙度可以有效削弱临界分离坡度值，从而减弱山体背风区分离涡的强度；Jackon和Hunt提出的算法在计算不发生流动分离的单体山峰的最大加速比时误差可小于15%-18%（Finnigan, 1988）。Taylor和Lee将Jackson的理论进行了扩展，给出了一些典型山体山顶处最大平均风速加速比 的推荐值（Taylor, 1984）：
Walmsley和Taylor（Walmsley, 1989）针对Taylor和Lee提出的理论公式进行了改进，提出了可以通过最大加速比 计算不同高度位置加速比 的“原始算法”（Original Guidelines）：
针对“原始算法”，Weng和Taylor（Weng, 2000）提出了考虑地面粗糙度计算
表1 原始算法中参数取值
山体类型
A
B
平地
0.0
0.0
二维山坡
0.8
2.5
二维山峰
2.0
3.0
二维连续山峰
1.55
3.5
三维山峰
1.6
4.0
三维连续山峰
1.1
4.4
山体加速效应的混合谱有限差分法（Mixed Spectral Finite Difference Model，MSFD）和非线性混合谱有限差分法（Non-linear Mixed Spectral Finite Difference Model，NLMSFD）：
表2 NLMSFD算法中参数取值
山体类别
二维山谷
2.57
-0.054
-0.65
-0.8
二维山峰
2.40
-0.051
0.029
-0.51
二维连续山峰
2.20
-0.049
-0.64
-0.19
三维山峰
2.05
-0.048
0.24
-0.40
三维连续山峰
1.58
-0.036
0.069
-0.85
理论模型通常能较好预测坡度较缓的单个简单山体的迎风区和山顶处加速效应，对于简单山体背风区及复杂山体的风场预测误差极大。
（2）数值模式
上世纪90年代，Bjerknes首次提出了数值天气预报（Numerical Weather Prediction，NWP）的概念，可以根据当前大气的物理状态，通过数值积分求解大气运动的非线性方程组来模拟大气运动的整个物理过程，从而预测未来天气的物理状态（Bjerknes, 1904）。大气现象根据时空尺度的大小可以分为中尺度和微尺度（Orlanski, 1975），通过建立数值模型可以有效地考虑相应尺度的大气运动现象并预测大气运动状态。数值模式可分为大尺度NWP系统、中尺度模式和微尺度模式，其中中尺度模式通常是由大尺度NWP系统通过网格嵌套并提供边界条件和初始条件驱动实现（Lange, 2005）。
NWP系统的网格分辨率很大，通常是10-1000 km，无法直接模拟亚格子尺度大气运动过程。当亚格子尺度物理过程影响到大尺度运动发展时，如湍流和云的形成等，这些现象只能通过参数化处理，即只能考虑宏观过程而无法考虑微观细节。由于计算的复杂性和大数据的需求，NWP系统通常由国家气象局操作运行，目前已有的NWP系统包括欧洲的ECMWF（），美国的GFS（），德国的GME（），日本的JMA-GSM（）以及中国的T639（）等。
中尺度模式是由大尺度NWP系统通过网格嵌套并提供边界条件和初始条件驱动实现，由于嵌套网格区域需大于其母区域的1/3风速分布特性，中尺度模式通常只嵌套3-4
层网格，其网格分辨率是1-10 km。与NWP系统相比，中尺度模式具有流体静力和非静力两种动力学框架，物理过程参数化处理更为精细，可以考虑浮力和热效应的影响，对于高太阳辐射区和近海区预测更准。目前常用的中尺度模式包括WRF（）和MM5（）等。中尺度模式和大尺度NWP系统一样，由于网格分辨率过大，无法考虑地形微尺度效应。
微尺度模式通常忽略科氏力、浮力、热辐射以及温度等影响，仅考虑流体质量守恒和动量守恒，其网格分辨率是0.01-100 m。采用高分辨率的微尺度模式可以考虑微观局部地形效应，更准确获取风电场附近的详细流场信息。Wood（Wood, 2000）和Ayotte（Ayotte, 2008）回顾了微尺度模式的发展，并根据动量方程中对流项的处理方式，将微尺度模式分为线性模式和非线性模式两种。常用的线性模式商用软件包括WAsP（），MS Micro（Walmsley, 1986;Yu, 2006）和RAMSIM（Corbett, 2008）等。线性模式可以极大程度减小计算量，且能较好预测平缓地形的风场风速分布，但对于大坡度复杂地形的预测效果较差，会高估山顶的加速效应同时低估背风区的减速效应。非线性模式通常指计算流体力学（Computational Fluid Dynamics，CFD）模型，通过求解纳维-斯托克斯（Navier-Stokes，N-S）方程得到整个流场的风速信息，能比线性模式更准确地预测任意复杂地形的流场风速分布（Palma, 2008）。
常用的CFD模型是两方程 湍流模型的雷诺时均模拟（Reynolds Averaged Navier-Stokes，RANS），RANS能较高效、准确地预测复杂地形的平均流场信息，在实际山地地形风场数值模拟中已具有广泛的应用（Castro, 2003）。随着计算机水平发展，大涡模拟（Large Eddy Simulation，LES）逐渐被应用于山地地形风场数值模拟，LES不仅能准确获得地形风场的平均风场和湍流特性，而且能捕捉瞬态流场，对于山地地形风场的机理研究十分重要，但由于计算需求极大，目前应用仍较少（Porté-Agel, 2010）。
在对实际山地地形进行风能资源评估时，需要同时考虑中尺度气象效应和微尺度地形效应。许多学者提出中尺度模式和微尺度线性模式的组合物理模型，如KAMM & WAsP（Frank, 1997），TAPM & WAsP（Craine, 2004;Green, 2005），WRF & WAsP（Berge, 2007），AROME & WAsP（Tammelin, 2013），MC2 & WAsP（Gasset, 2012）；也有学者将中尺度模式和微尺度CFD模式结合，如MASS & WindMap（Manobianco, 1996），RAMS & WT（Delaunay, 2009），WRF & CFD（Yue, 2016）。由于中尺度模式的网格分辨率较低，长时间积分后会产生一定的系统误差，这些耦合模式不可避免地将系统误差引入微尺度模式，极大程度影响了风场的预测精度。
许多风能评估商用软件，如WindSim和WT等，将长期气象观测资料和微尺度CFD模型耦合，不仅能同时考虑中尺度和微尺度效应，而且能避免引入中尺度模式导致的系统误差。但是，这些商用软件出于计算效率的考虑均对方程进行了一定的简化处理，如，WT软件中采用单方程RANS模型，假定流场对湍流积分尺度不敏感，使得模拟结果产生了一定的系统误差；同时，商用软件又是“黑匣子”，不便于新的数值模型及风机尾流模型等的引入。
发表评论