風能資源評估系統搭建方法研究*

馬文通，劉青海，李凱，王帥

（1. 國家氣象中心，北京 100081；2. 上海電氣風電設備有限公司，上海 200241）

風能資源評估系統搭建方法研究*

馬文通1, 2，劉青海2，李凱2，王帥2

（1. 國家氣象中心，北京 100081；2. 上海電氣風電設備有限公司，上海 200241）

復雜地形和低風速風電場風能資源評估過程中，在缺少實測數據的情況下尋找風能資源豐富的開發區域，對提高風電場的盈利能力具有重要的現實意義。本文針對風電場開發前期有效數據匱乏的情況，在傳統風能資源評估系統的基礎上，引入大氣模式進行大范圍計算獲得中尺度計算結果，同時引入陸地衛星遙感資料處理技術，獲得大范圍高精度的地表粗糙度信息，結合計算流體動力學技術對中尺度數據進行降尺度，建立大氣模式和計算流體動力學技術雙核心的風能資源評估系統。本文所建立的先進風能資源評估系統可以滿足復雜地形和低風速風電場風能資源評估的工程需要，從而拓寬了風能資源評估的途徑。

風能資源評估；衛星遙感；大氣模式；計算流體動力學

0 引言

隨著大規模集中開發風電場的進程，項目開發權的競爭日益激烈，而不斷增加的限電、“棄風”，也使得這些地方風電場的效益大打折扣，內陸省份風電場的優勢漸漸凸顯[1]。風電場開發的熱點逐漸由風電大基地轉向山區或低風速風電場，運輸道路改擴建導致山區風電場的初投資增加，低風速風電場的運營收益較低，造成山區和低風速風電場投資風險上升。1996年起，以放開同業拆借利率為起始點，我國開始利率市場化改革，2013年7月20日起全面放開金融機構貸款利率管制。隨著利率市場化的進一步深入，我國風電場投資貸款利率有望與風電場投資的財務風險指標掛鉤，風電場開發的形勢對風能資源評估的精度提出了更高的要求。

風能資源評估的傳統流程是首先依靠地面氣象站多年觀測或現場踏勘進行宏觀選址，風場位置確定后樹塔測風篩選具備開發價值的風電場；通過關聯測風數據與氣象站同期觀測數據，對風電場進行微觀選址，最終確定布機方案。傳統風能資源評估流程在宏觀選址和測風塔選址過程中存在主觀性強，氣象站與測風塔之間的相關性差，微觀選址中的粗糙度設置粗獷，風能資源評估歷時較長且投資較大的問題。

隨著計算機技術的迅速發展，通過結合大氣動力學理論和數值計算的發展成果，中尺度模式模擬系統在世界范圍廣為使用[2-15]，在一些發達國家已進入實時運行階段[16-24]。通過在風能資源評估技術中引入大氣模式和衛星遙感技術，建立起先進結構的風能資源評估系統，可以有效地解決傳統風能資源評估過程中的主觀性和高投入等問題。

1 風能資源評估業務簡介

風能資源評估業務主要分為宏觀選址、微觀選址兩大部分。宏觀選址即風電場場址的選擇，是在一個較大的地區內，通過對風能資源和其它建設條件的分析和比較，確定風電場的建設地點、開發價值、開發策略以及開發步驟的過程。宏觀選址在項目經營戰略層面決定了企業是否能夠通過開發風電場盈利。微觀選址即風電機組機型和安裝位置的選擇，是通過對若干布機方案的技術經濟比選，在保證風電機組安全的前提下，在風電場的投資和運營成本與年發電量收益之間找到最優平衡點。在風能資源評估業務中，必須以測風、風能資源計算、機位優化布置和技術經濟評價等基礎工作為技術支撐。

在風電場開發前期的風能資源普查工作中，由于尚未樹立測風塔，單純依靠人工現場踏勘的原始方法來尋找適合開發的區域存在工作量大、耗時長、可靠性低的問題；而地面氣象站通常只有10m高度的風速觀測資料，對風電場開發前期的宏觀選址缺乏代表性?；诖髿饽Ｊ郊癈FD降尺度技術的先進結構，風能資源評估系統可以在無地面風能資源觀測數據的情況下，進行高精度大范圍的風能資源評估，主要技術步驟如下：

（1）利用全球環流的再分析數據，采用中尺度大氣模式，對所評估的區域進行中尺度計算，獲得分辨率在1km—5km范圍的中尺度計算結果。中尺度計算結果代表分辨率范圍內的風能資源的平均水平，一方面可以滿足在縣或市一級范圍內的風電場宏觀選址評估需要，另一方面可以為后續的CFD降尺度計算提供數據支持；

（2）在中尺度風能資源計算風能資源圖譜的基礎上，確定適當的虛擬測風塔（中尺度計算結果點）作為控制點，采用CFD（Computational Fluid Dynamics）技術對宏觀選址后擬定的開發區域進行降尺度計算，結合衛星遙感數據確定地表粗糙度，并根據地形崎嶇度的不同獲得分辨率在20m－100m范圍的風能資源圖譜。高分辨率的風能資源評估結果可以為后續確定風場具體范圍、規劃裝機容量和選定測風塔位置提供數據支持；

（3）在CFD降尺度得到的高分辨率風圖譜的基礎上，初選合適的風電機組型號并在擬開發區域內進行模擬布機，以指定的年可利用小時數為目標，確定風場的具體范圍、規劃裝機容量，并對初步估算的發電量進行不確定性評估。為開發商與政府簽訂開發協議提供開發容量和開發進度的技術依據，并為開發商的風電項目投資財務、風險分析提供發電量和發電量不確定性方面的數據支持；

（4）在完成宏觀選址確定開發區域后，以CFD降尺度得到的高分辨風圖譜為基礎，優化測風塔位置，提高測風塔的代表范圍；

（5）測風3－6個月后，通過關聯大氣模式的中尺度計算得到的風速時間序列和實測的風速時間序列，倒推出樹立測風塔之前若干月或若干年前測風塔位置的風速、風向、氣溫、大氣壓等風能資源參數時間序列，為加快可研編制進度和項目執行決策速度提供數據支持；

（6）測風滿一年后，通過關聯中尺度數據與實測數據，得到具備多年代表性的風能資源數據，結合衛星遙感數據確定的地表粗糙度和大氣模式導出的大氣穩定度，利用CFD軟件最終計算得到風電場的風圖譜，并進行優化布機和產能測算，完成微觀選址工作。

基于衛星遙感、中尺度大氣模式和CFD技術的風能資源評估系統可以解決在風電場開發前期無地面觀測數據情況下的風能資源評估任務，有利于提高開發商宏觀選址的成功率。在具備短期的地面觀測數據的情況下，可以通過關聯推算歷史風能資源時間序列，有效縮短風電場風能資源勘測的測風時間，加快風電場前期的工作進度?；谛l星遙感、中尺度大氣模式和CFD技術的風能資源評估系統適用于需要快速并且大范圍風電開發的前期技術支持工作。

2 風能資源評估系統的結構

2.1 傳統風能資源評估流程

傳統的風能資源評估流程如圖 1所示，以測風塔測風數據為基礎，將測風塔測風數據與氣象站多年觀測數據進行MCP（Measure Correlate Predict測量關聯與預測）得到代表年風速和50年一遇最大風速，或者直接采用測風塔測風數據，輸入到近地層風能資源評估軟件中進行計算，得到微觀風圖譜，并進行優化布機后完成風電場容量和產能的測算。

商業化的近地層風能資源評估軟件及代碼主要包括WAsP、Ms－ Micro、Meteodyn WT、WindSim、Star CD和Phoenics，其中WAsP和Ms－Micro適用于簡單地形[25]，CFD內核的WT、WindSim和Star CD等軟件能夠滿足復雜地形的計算要求。隨著我國山區風電場的開發，CFD內核的近地層風能資源評估軟件逐漸成為主流。商業化的優化布機和產能測算軟件主要包括WindFarmer、WindPRO和openWind。以CFD技術為核心的傳統風能資源評估系統能夠滿足微觀選址的基本業務需求，適用于具備測風塔實測數據的小面積風能資源評估工作。對于宏觀選址或在缺少測風數據的情況下，需要引入以中尺度大氣模式和CFD技術為雙核心的先進結構風能資源評估系統。

2.2 先進風能資源評估流程

先進的風能資源評估流程如圖2所示，主要包括全球大氣環流再分析數據的獲取、中尺度區域大氣模式的計算和基于CFD技術的微觀降尺度計算。將全球氣象觀測資料同化后，進行GCM（General Circulation Model全球環流模式）分析，得到幾十或者幾百公里分辨率的再分析數據。采用中尺度大氣模式將再分析數據進行降尺度得到分辨率為公里級的中尺度數據，條件允許的情況下可利用測風塔實測數據對中尺度數據進行MOS（Model Output Statistics模型輸出統計）。將中尺度數據、MOS后的中尺度數據或測風數據輸入CFD軟件中進行降尺度計算，得到百米以下分辨率的風能資源圖譜，并進行優化布機，完成風電場容量和產能的測算。先進風能資源評估系統穿插利用CFD和大氣模式兩個技術核心，以模型輸出指導測風塔和風電機組選址，同時以實測數據對模型進行校正。

大氣環流一般是指具有世界規模的、大范圍的大氣運行現象，既包括平均狀態，也包括瞬時現象，其水平尺度在數千公里以上，垂直尺度在10km以上，時間尺度在數天以上。大氣模式能夠由氣象要素場的初始狀態確定其未來的狀態。GCM輸入的氣象觀測數據可從WWW(World Weather Watch)獲取。WWW是世界氣象組織籌劃和組建的全球性氣象業務體系，WWW通過各成員的合作，全面組織、規劃、協調有關全球氣象站網布局、氣象觀測、氣象通信、分析預報和氣象資料處理等項業務工作，使世界氣象組織所有成員都可獲得在氣象業務、服務和研究工作中所需要的氣象情報。截至2013年8月，納入WWW的有11000個地面站、1300個高空站、4000個定點海洋天氣站、3顆極軌衛星、6顆靜止氣象衛星、一些研發衛星和一些提供航線氣象觀測報告的班機等。

資料同化的主要任務是將各種不同來源，不同誤差信息，不同時空分辨率的觀測資料融合進入數值動力模式，在物理方程的約束下組合成為統一的資料系統，在模式解與實際觀測之間找到一個最優解，這個最優解可以繼續為動力模式提供初始場，以此不斷循環下去，使得模式的結果不斷地向觀測值靠攏?，F代資料同化方法建立在控制理論或估計理論的基礎上，最有代表性的是變分法和濾波法。變分法強調通過將模式和觀測值之間的距離（目標泛函）最小化來使初始條件或模式參數最優化，濾波法通過獲得一個（或一組）最大可能狀態來實現最優化。受到目前計算機硬件資源以及一些技術難題的限制，在業務運行中采用較多的是四維變分資料同化（4D－Var）方法。對全球氣象觀測數據進行同化后，通過GCM來獲得再分析數據。目前，ECMWF、NCEP/NCAR、NASA等機構可提供不同時空分辨率的再分析數據集。

圖1 傳統結構的風能資源評估系統

圖2 先進結構的風能資源評估系統

將再分析數據輸入中尺度大氣模式，進行區域大氣模式計算，得到中尺度數據。目前商業化提供的中尺度數據水平分辨率在15km左右，對省市范圍尺度內的風電場宏觀選址具有一定程度的指導意義；為了避免中尺度數據較粗分辨率帶來的在小區域上趨勢不明顯或者不正確等問題，對縣一級的復雜地形風電場宏觀選址需要提高中尺度分辨率到3km甚至更高，以保證計算結果的代表性。采用大氣模式進行風能資源評估，不需要樹立測風塔測風，采用歷年的氣象數據可以考慮到過去幾十年的氣候變化，在計算分辨率足夠高的情況下，中尺度大氣模式可以考慮到復雜地形風電場局部小氣候的差異。

基于雷諾相似理論，以給定的地形、地貌和大氣穩定度的數據為基礎，通過對擬開發區域進行微觀尺度的CFD降尺度定向計算，獲得不同方向來流情況下的風加速因素和風向水平偏差。結合中尺度數據對CFD定向計算結果進行綜合分析，得到高分辨率的微觀尺度風能資源分布情況。

CFD定向計算中采用的地形數據可以通過開放的SRTM或者ASTER數據庫獲取。USGS網站提供免費下載Landsat8陸地衛星觀測數據，可以獲得15m分辨率的全色波段和100m分辨率的熱紅外波段衛星遙感圖像[26]。結合GIS技術，利用Landsat8遙感圖像提取地表粗糙度數據，可以快速實現CFD前處理中大范圍的粗糙度設定工作。

2.3 先進風能資源評估系統的業務結構

先進結構的風能資源評估系統軟件流程結構如圖3所示。大氣模式計算部分工作采用大氣模式平臺（AMP）完成，AMP內置再分析數據，通過調用WRF大氣模式計算風速風向、太陽輻射、降水等氣象參數的時間序列，計算結果可導出kmz文件，便于在Google earth中可視化大區域的中尺度計算結果，目前已有公司或者機構提供此類基于AMP的商業化模擬計算平臺，如果法國Meteodyn提供的Meso Scale Simulation System，歐洲氣象組織提供的基于ECMWF的模擬系統等。在已有測風塔實測數據的情況下，在AMP中可利用測風數據對中尺度計算結果進行MOS，進一步提高中尺度數據的準確度；在測風塔實測數據缺失或不完整的情況下，利用中尺度數據對測風數據進行插補和延長，可在一定程度上提高測風塔的代表性。

氣象站與測風塔之間的MCP工作和中尺度數據與測風塔實測數據之間的MPC工作由Windographer軟件完成。通過關聯風場臨近氣象站與測風塔的同期測風數據進行關聯，分析未來50年一遇的最大風速。通過關聯測風塔測風數據與AMP導出的中尺度同期數據，根據中尺度歷史數據回歸分析過去一整年或過去多年的測風塔位置風速時間序列，進而在測風不滿一年的情況下提前獲取一整年的測風塔位置風速時間序列，為進一步的技術經濟分析提供風能資源依據；通過對過去多年的測風塔位置風速時間序列的進一步分析，得到測風塔位置的50年一遇最大風速，為風電機組選型提供依據。

微觀尺度的CFD計算工作采用WT軟件完成，利用WT的Atlas模塊可以實現大范圍的高分辨率圖譜繪制工作，Atlas模塊輸入端與AMP導出的中尺度數據兼容，可以聯合實現考慮到大氣穩定度的大范圍中尺度數據降尺度的計算工作。在CFD計算中需要的地形高層數字模型采用ASTER數據，水平分辨率為30m[27]；地表粗糙度數據采用WT內置的粗糙度數據集，或采用Landsat8衛星遙感數據轉換粗糙度。

在確定的風場邊界或機位布置限制區域后，將CFD計算結果輸入到openWind中進行風電機組機位或測風塔點位的優化布置和產能測算。

3 計算實例

元江縣位于中國云南省玉溪市南部，元江橫穿過縣境內，地理范圍介于北緯 23° 18′40"—23° 54′24"，東經 101° 39′40"－ 102° 22′15"之間。元江縣南北長近65km、東西寬約72km，縣境內山區面積占97%，海拔介于290m－2560m之間，縣內海拔落差2270m，屬于典型的復雜地形。

采用AMP進行中尺度大氣模式計算，水平分辨率3km，水平網格100＊50格點，垂直網格23層，獲得2012/01/01—2012/12/31期間中尺度年平均風速圖譜如圖4所示。

采用WT進行降尺度計算，定向計算中采用的地形高程圖和粗糙度如圖5和圖6所示。從AMP導出當地政府允許開發的4個鄉鎮對應的中尺度數據并輸入到WT中，進行降尺度計算。應用WT的Atlas模塊將整個計算區域劃分為25塊子區域，每塊子區域約為19km×19km，得到元江縣分辨率為50m的風能資源圖譜。

圖3 風能資源評估系統軟件結構

圖4 元江縣中尺度風能資源分布

從當地的土地局和林業局獲得當地的土地利用情況的形文件（.shp），圖7為openWind軟件中的機位優化布置圖，其中藍色方塊為探礦權區域，紅色方塊為采礦權區域，黃色區域為保留耕地區域，綠色區域為自然保護區，背景云圖為WT計算得到的年平均風速[28]。在保證最差機位年發電小時不低于2200小時的限制條件下，各風電機組機位對禁止開發區域進行避讓，得到圖7中紅色點位表示的37萬千瓦的裝機點位。

中尺度計算和CFD降尺度計算硬件分別采用兩臺32線程128G內存的刀片式服務器，全部計算工作耗時3個工作日，在無測風塔實測數據的情況下，完成了元江縣風能資源評估業務，并在50m分辨率的風能資源圖譜的基礎上完成測風塔選址工作。

圖5 元江縣地形高程圖

圖6 元江縣地表粗糙度

圖7 元江縣限制開發區域分布與機位布置

4 結論

通過引入大氣模式和衛星遙感技術，先進評估系統解決了以往測風塔選址和粗糙度設置的主觀性問題，并且可以在測風前得到大范圍高精度的風能資源圖譜。尤其在低風速或山區風電場開發的前期工作中具有廣闊的應用前景。

（1） 先進風能資源評估系統可以快速實現大范圍高精度風能資源評估，有利于實現風電場的整體規劃分步開發；

（2）先進結構的評估系統有助于測風塔選址，提高測風塔的代表性，降低前期測風的不確定性對風電項目整體評價的影響；

（3）在風能資源評估系統中引入大氣模式有助于風電場前期開發的過程控制。在測風不滿一年的情況下，通過對已有測風數據與中尺度數據的關聯分析，判斷風電場完整年的風速變化情況，及早判斷風電場的開發價值并加密測風塔；

（4）結合衛星遙感數據，可以快速實現微尺度CFD計算中粗糙度的設置，使得粗糙度設置更客觀準確。

[1] 李俊峰 . 2012 中國風電發展報告 [R]. 北京 : 中國華寧科學出版社, 2012.

[2] Grell G. A., Dudhia J., Stauffer D. R., Mesoscale N. C. f. A. R., Dicision M. M. A description of the fifthgeneration Penn State/NCAR mesoscale model (MM5)[J], 1994.

[3] Chen F., Dudhia J. Coupling an advanced land surfacehydrology model with the Penn State-NCAR MM5 modeling system. Part I: Model implementation and sensitivity[J]. Monthly Weather Review, 2001 (4): 569-585.

[4] Dudhia J. A multi-layer soil temperature model for MM5[C], 1996: 22-24.

[5] Barker D., Huang W., Guo Y. R., Bourgeois A., Xiao Q. A three-dimensional variational data assimilation system for MM5: Implementation and initial results[J]. Monthly Weather Review, 2004 (4): 897-914.

[6] Bromwich D. H., Cassano J. J., Klein T., Heinemann G., Hines K. M., Steffen K., Box J. E. Mesoscale Modeling of Katabatic Winds over Greenland with the Polar MM5*[J]. Monthly Weather Review, 2001 (9): 2290-2309.

[7] Steffen K. Evaluation of Polar MM5 simulations of Greenland's atmospheric circulation[J]. Journal of geophysical research, 2001 (D24): 33,867-33,889.

[8] Chen F., Dudhia J. Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system. Part II: Preliminary model validation[J]. Monthly Weather Review, 2001 (4): 587-604.

[9] Skamarock W. C., Klemp J. B., Dudhia J., Gill D. O., Barker D. M., Wang W., Powers J. G. A description of the Advanced Research WRF Version 2[R]. DTIC Document, 2005.

[10] Dudhia J. A nonhydrostatic version of the Penn State-NCAR mesoscale model: Validation tests and simulation of an Atlantic cyclone and cold front[J]. Monthly Weather Review, 1993 (5): 1493-1513.

[11] Black T. L. The new NMC mesoscale Eta model: Description and forecast examples[J]. Weather and Forecasting, 1994 (2): 265-278.

[12] Stauffer D. R., Seaman N. L. Use of four-dimensional data assimilation in a limited-area mesoscale model. Part I: Experiments with synoptic-scale data[J]. Monthly Weather Review, 1990 (6): 1250-1277.

[13] Anthes R. A., Hsie E. Y., Kuo Y. H., Project N. C. f. A. R. A. D. M., Analysis A., Division P. Description of the Penn State/NCAR mesoscale model version 4 (MM4). NCAR, 1987.

[14] Tremback C. J. Numerical simulation of a mesoscale convective complex: Model development and numerical results[J], 1990.

[15] Seaman N. L., Stauffer D. R., Lario-Gibbs A. M. A multiscale fourdimensional data assimilation system applied in the San Joaquin Valley during SARMAP. I: Modeling design and basic performance characteristics[J]. Journal of Applied Meteorology, 1995 (8): 1739-1761.

[16] Powers J. G., Monaghan A. J., Cayette A. M., Bromwich D. H., Kuo Y. H., Manning K. W. Real-time mesoscale modeling over Antarctica[J]. Bull. Amer. Meteor. Soc, 2003: 1533-1545.

[17] Warner T. T., Seaman N. L. A Real-Time, Mesoscale Numerical Weather-Prediction System Used for Research, Teaching, and Public Service at The Pennsylvania State University[J]. Bulletin of the American Meteorological Society, 1990: 792-805.

[18] Manobianco J., Zack J. W., Taylor G. E. Workstation-based real-time mesoscale modeling designed for weather support to operations at the Kennedy Space Center and Cape Canaveral Air Station[J]. Bulletin of the American Meteorological Society, 1996 (4): 653-672.

[19] Radonjic Z., Chambers D., Telenta B., Janjic Z. Real Time Air Quality Forecasting System for a Large Industrial Facility[C], 2012: 12068.

[20] Freitas S., Longo K., Rodrigues L., Pirre M., Marecal V., Alonso M., Mello R., Stockler R. 5A. 2 REAL TIME FORECAST OF TROPOSPHERIC OZONE AND SMOKE AEROSOL PRODUCED FROM VEGETATION FIRES EMISSIONS OVER SOUTH AMERICA[J], 2009.

[21] BHOWMIK S., Kumar A., Das A. K. Real-time mesoscale modeling for short range prediction of weather over Maitri region in Antarctica[J], 2011.

[22] Wu D., Matsui T., Tao W., Peters-Lidard C., Rienecker M., Hou A. Evaluation of Wrf Real-Time Forecast during MC3E Period: Sensitivity of Model Configuration for Diurnal Precipitation Variation[C], 2011: 0129.

[23] Doyle J. D., Jiang Q., Chao Y., Farrara J. High-resolution real-time modeling of the marine atmospheric boundary layer in support of the AOSN-II field campaign[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 2009 (3-5): 87-99.

[24] Hahmann A. N., Pena A. Validation of boundary-layer winds from WRF mesoscale forecasts over Denmark[C], 2010.

[25] Landberg L., Myllerup L., Rathmann O., Petersen E. L., J?rgensen B. H., Badger J., Mortensen N. G. Wind resource estimation—an overview[J]. Wind Energy, 2003 (3): 261-271.

[26] Irons J. R., Dwyer J. L., Barsi J. A. The next Landsat satellite: The Landsat Data Continuity Mission[J]. Remote Sensing of Environment, 2012: 11-21.

[27] Tachikawa T., Hato M., Kaku M., Iwasaki A. Characteristics of ASTER GDEM version 2[C]. Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International, 2011: 3657-3660.

[28 ] 許昌, 端木靈子, 岳少華. 城區分布式風力發電風能資源評估技術及方法探析[J].風能,2012(11):98-100.

Research on Method of Wind Resource Assessment System Structure

Ma Wentong1,2, Liu Qinghai2, Li Kai2, Wang Shuai2
(1. National Meteorological Center, Beijing 100081, China; 2. Shanghai Electric Wind-power Equipment Co., Ltd., Shanghai 200241, China)

In complex terrain, low wind speed region or the area lack of measured wind data, how to fi nd rich wind resource region is very important for increasing profit of wind farm. For the lack of valid wind data in the early development of wind farm, based on traditional wind resource assessment system, we introduce atmospheric model to do mesoscale simulation on large scale region,and then integrate with high resolution terrain and roughness data based on the processing technique of remote sensing to do CFD downscaling simulation, build the double-core system of wind resource assessment with atmospheric model and CFD. The advanced wind resource assessment system we built will satisfy the demands of wind power projects development in complex terrain and in low wind speed region; it also widen the method of wind resource assessment.

wind resource assessment; Remote Sensing (RS); atmospheric model; Computational Fluid Dynamics (CFD)

TM614

A

1674-9219(2013)11-0080-07

上海青年科技啟明星資助項目(12QB1401500)。

2013-10-24。

馬文通(1977- )，男，遼寧人，博士，九三學社社員，主要研究方向為近地層風場數值預報，主持“復雜地形微觀選址與機型優化配置研究”、“風電場開發前期關鍵技術研究”和“風電場復雜地形下中尺度數值模式的高精度參數化研究”等科研項目。