基于相互驗證方法的復雜地形條件下測風塔代表性研究

中圖分類號：P412.16/TK81/TM614

文獻標志碼：A

0引言

中國幅員遼闊，風能資源具有區域性分布的特點，朱蓉等[根據總體風能資源開發潛力劃分出的9個風環境區顯示，云貴高原地區蘊藏著豐富的風能資源。合理利用該區域的風能資源能在一定程度上促進云貴高原地區風能資源的開發和評估工作，推動“雙碳”目標的實現。為最大化利用風能資源，應對其開展系統性的評估工作，而衡量測風塔代表性是風能資源評估中最重要的環節[2]。

一直以來，如何高效、精準地評估測風塔代表性是風能資源領域研究的重點和難點。近年來，許多學者對測風塔在不同地區、不同海拔高度、不同地形等方面的代表性進行了研究，成果較為顯著。楊富程等[3]根據風電場實際運行數據資料，利用Windsim軟件對不同測風方案下風電場的風能資源分布和年可利用小時數進行了計算，研究結果表明：測風塔的代表性與地形地貌、海拔高度、測風塔與風電機組機位點之間的距離和遮擋效應等因素有關。王道欣等[基于理論折減系數，對測風塔代表性進行了定量分析，研究結果表明：測風塔與風電機組機位點之間的海拔高度差和距離是影響測風塔代表性的主要因素。曾杰等[5采用測風塔相互驗證加權平均誤差數值模擬方法對風能資源分析軟件計算誤差進行分析，通過對風電場模擬數據和實際運行數據進行對比，得出該方法可有效評估出風資源分析軟件的計算誤差值。

但目前對測風塔代表性的研究主要存在以下兩方面的問題：1實驗所用測風塔的數量較少，以幾座測風塔之間的互推結果得出測風塔對全場風電機組機位點的代表性，分析結果的普適性不足；2測風塔空間代表性不足，針對大型風電項目可能涉及到的多種復雜地形，國內外尚未對復雜地形條件下的測風塔代表性進行系統性研究。風能資源的準確評估與測風塔代表性緊密相關，而測風塔代表性的影響因素包括測風塔海拔高度及風電機組與測風塔之間的水平距離（下文簡稱為“測風塔距離”）。綜上，本文利用位于云貴高原地區東部的某大型風電場中36座測風塔的測風數據，以測風塔的海拔高度和距離為研究對象，使用商用軟件MeteodynWT對測風塔所處位置的風能資源進行模擬，基于單塔綜合和多塔綜合計算方式相互驗證的方法，推算模擬風速的誤差大小，得出推算誤差與測風塔海拔高度和距離代表性的關系，最終針對風電項目前期的測風塔規劃提供相應策略及建議，以提高風能資源的評估精度，填補云貴高原地區測風塔代表性研究領域的空白。

1數據來源和研究方法

1.1觀測數據

本文以云南省西部云貴高原地區的某大型風電場為例。該風電場位于云貴高原東部區域，本次實驗共收集了該風電場中44座測風塔的測風數據，綜合考慮實驗的完備性和測風塔代表性，減小風切變推算和地面障礙物帶來的不確定性，最終選取 70m 高度層的數據進行實驗。在所有測風數據中，應最大程度地保證數據時間的一致性，剔除質量較低、完整率較低、無 70m 高度層通道測風數據的測風塔后，剩余36座測風塔的測風數據。其中，24#測風塔位于云貴高原東南部區域主山脊上，海拔高度最高，能有效代表整個東南部高海拔區域的風流狀況，但其測風數據的時長為9個月，不滿1個完整年，而保留該測風塔的數據能有效增加實驗的完備性和測風塔海拔高度的代表性，因此需要對其測風數據進行插補；位于24#測風塔西側的12#測風塔在距離、地形、海拔高度上均與24#測風塔較為接近，數據相關性較好且有完全同期數據，根據GB/T37523—2019《風電場氣象觀測資料審核、插補與訂正技術規范》[]，利用12#測風塔的數據對24#測風塔進行插補，插補后24#測風塔的數據可以滿足1個完整年的要求。

36座測風塔的基本信息如表1所示。對36座測風塔使用時段的有效數據完整率進行統計，統計結果顯示：所有數據均可滿足GB/T18710—2002《風電場風能資源評估方法》中對有效數據完整率應大于 90% 的要求，且這36座測風塔測風數據的平均有效數據完整率超過 96% 數據完整性良好。

1.2項目簡況

該風電場的場區范圍為南北長約 50km 、東西寬約 45km ，面積約為 ；場區地形大部分較為平緩，少部分為山地，較為陡峭，呈現出高原與山地地形共存的復雜形態。整個場區的海拔高度范圍在 1900～2700m 之間，大部分地區的海拔高度均超過 2000m 。其中：風電場西部山脊的走向為N一S，長度超過 15km ，海拔高度均在 2000m 以上；東南部山脊的走向為NE一SW，長度超過 60km ，大部分區域的海拔高度均在 2300m 以上，小部分區域的海拔高度甚至超過 2400m ；整個風電場山脊間的高原地帶面積超過 ，海拔高度在 2000～2300m 之間。本次實驗選擇的36座測風塔主要分布在山脊間的高原地帶，少部分分布于西部和東南部山脊，如圖1所示。

1.3研究思路和方法

1.3.1軟件及技術方法

MeteodynWT是法國美迪公司開發的用于專門解決風電場風能資源評估問題的風流自動測算軟件。該軟件基于計算流體力學（CFD）技術，根據定向風流的屬性，將模型中的幾何區域分解為較小的立方體網格，并在其中求解流體運動方程（Navier-Stokes方程與連續方程）。相較于WAsP、WindPRO等基于線性模型的風能資源評估軟件，基于CFD技術的MeteodynWT軟件能夠更好地適應復雜地形條件下的風能資源評估，可以更大程度地提升復雜地形條件下風電場風流相關參數計算結果的準確度，從而得到整個風電場的真實風流情況。

本文以MeteodynWT作為評估軟件，通過載入地形數據、地面粗糙度、項目位置、計算半徑和繪圖區域等參數，在一系列劃定方向中對復雜地形條件下的風流情況進行模擬并獲取定向結果；然后通過單塔綜合和多塔綜合的計算方式，利用風加速因數及風向水平偏差，將實測風流統計數據外推到計算區域內所有結果點處，從而得到結果點處包含風速分布在內的風流統計情況[。其中：單塔綜合計算方式是指利用1座已代入數據的測風塔與其他未帶入數據的測風塔之間距離的平方的反比作為加權方式，模擬其他未帶入數據的測風塔的風流情況分布；多塔綜合計算方式是指利用數座已代入數據且權重相等的測風塔與其他未帶入數據的測風塔之間距離的平方的反比作為加權方式，模擬其他未帶入數據的測風塔的風流情況分布。

1.3.2研究思路

根據NB/T31147—2018《風電場工程風能資源測量與評估技術規范》[8中第4.1條，復雜地形風電場應綜合風電機組的水平空間分布和垂直空間分布確定測風塔的數量及位置，測風塔的有效控制區域半徑不宜超過 2km ，與風電機組機位點的海拔高度差不宜大于 50m ；過渡地形風能資源測量除考慮簡單地形風能資源測量要求外，還應在靠近復雜地形場址范圍內增設測風塔。影響測風塔代表性的主要因素為海拔高度及距離，因此本文將從以下兩個方面開展模擬實驗：

1）利用4座海拔高度較高的測風塔、4座海拔高度較低的測風塔，以及兩座海拔高度較高和兩座海拔高度較低的測風塔相結合這3種方案分別推算其他測風塔風速，以驗證測風塔之間的海拔高度差對測風塔代表性的影響；

2）利用單座測風塔的風速推算其他測風塔風速，以驗證距離對測風塔代表性的影響。

通過對模擬結果與測風塔代表年風速之間的誤差大小，以及不同海拔高度和距離范圍內的誤差進行統計與分析，總結測風塔代表性的變化趨勢，給出項目前期評估階段針對測風塔設立和選取方面的建議。

1.3.3代表年訂正方法

由于風速具有年際變化特征，因此在分析年平均風速時，需要考慮測風時段是處于大風年、小風年還是平風年；然后可參考氣象站數據、再分析數據或中尺度數據進行訂正，從而使風速數據能夠更準確地表示未來平均風速的情況[。

風電項目主要關注的是其在20年運行期內的發電量情況，因此在分析氣象站數據、再分析數據或中尺度數據時，應參考近20年的變化情況來判斷該地區風速的變化趨勢，并將值訂正到20年長期的平均風速，即代表年平均風速[10]。目前已有多種分析數據可供選擇，例如：再分析數據ERA5、MERRA2和CFSR，降尺度數據DATA1，氣象站數據等。朱金陽等[以風電場多年實際發電量為評判標準，對多種分析數據進行了對比，對比結果顯示：采用再分析數據ERA5進行代表年訂正具有較高的可靠性。因此，結合已有數據資料，本文選擇再分析數據ERA5對測風塔的測風數據進行代表年訂正。

在風能資源評估領域，大小風年的判定標準通常是以長期數據（本文即為再分析數據ERA5）的觀測年平均風速和代表年平均風速的差值絕對值 A 的大小進行判斷，并以20年風速變化幅度 X 加以判定。二者的表達式為：

式中： 為再分析數據ERA5的觀測年平均風速， m/s . 為再分析數據ERA5的代表年平均風速， m/s 。

大小風年的判定共分為大風年、平風年和小風年3個層級，當“ 且 Xlt;2% ”時，判定為平風年，可不做訂正；其他情況則均需要訂正。

代表年訂正有多種方法，例如：比值法、分扇區法、測量-關聯-預測（MCP）法、經驗法（包括Weibull分布參數估計方法、風切變指數法、速度比方法、矩陣法）等[12-14]。其中，比值法操作簡單，可在保持風頻分布特征的前提下，根據參考長期數據的觀測年平均風速與代表年平均風速，相對準確地對實測數據進行訂正[10]，因此本文選用比值法作為代表年訂正方法。

采用比值法進行代表年訂正的具體過程為：首先確定測風數據的大小風年情況，判斷是否需要進行訂正；若需要訂正，則需確定代表年訂正系數 K 的值；最后將測風塔觀測年平均風速 與代表年訂正系數相乘，得到測風塔的代表年平均風速 ，具體表達式為：

2測風塔代表性分析

2.1測風數據訂正

對36座測風塔的測風數據進行代表年訂正，結果如表2所示。

從表2可以看出： 測風塔訂正后的代表年平均風速最大，為 8.52m/s . 測風塔訂正后的代表年平均風速最小，為 4.80m/s 。36座測風塔訂正后的代表年平均風速為 6.33m/s ，顯示出該區域的風能資源良好，整體特征體現為地勢較高區域的平均風速相對更高，地勢較低區域的平均風速相對更低。

2.2測風塔海拔高度代表性分析

2.2.1實驗方案分析

在一定區域內，風速與海拔高度之間存在良好的正相關性。本文的測風塔海拔高度代表性實驗選取處于不同海拔高度的測風塔 70m 高度層的測風數據，并采用多塔綜合計算方式推算其他測風塔的風速結果，共設置3種方案。

1）方案1：選取03#、11#、12#、24#共4座海拔高度較高的測風塔推算其他測風塔的風速，其中， 測風塔位于風電場場區東部山脊的中間地帶，11#、12#、24#測風塔均位于場區東南部山脊。

2）方案2：選取16#、17#、22#、35#共4座海拔高度較低的測風塔推算其他測風塔的風速，其中，16#、17#、22#測風塔位于風電場場區東北角海拔高度相對較低的區域，35#測風塔位于場區中部海拔高度較低的區域。

3）方案3：選取03#、11#兩座海拔高度較高的測風塔與22#、35#兩座海拔高度較低的測風塔推算其他測風塔的風速。

3種方案推算得到的結果如圖2所示，推算結果的誤差分析如圖3所示。

結合圖2、圖3的推算結果統計可以看出：

1）方案1的推算結果比測風塔代表年風速平均偏高 0.30m/s ，平均相對誤差值為 5.23% 平均誤差絕對值為 6.55% 。與測風塔代表年風速相比，6座測風塔的推算結果偏低，26座測風塔的推算結果偏高。誤差絕對值在 5% 以內（包括5% ）的測風塔有15座；在 5%～10% 之間（包括10% ）的有12座；超過 10% 的有5座，且5座測風塔的誤差絕對值均偏高。

2）方案2的推算結果比測風塔代表年風速平均偏低 0.25m/s ，平均相對誤差值為 -3.51% ，平均誤差絕對值為 5.89% 。與測風塔代表年風速相比，10座測風塔的推算結果偏高，1座測風塔的推算結果持平，其余21座測風塔的推算結果偏低。誤差絕對值在 5% 以內（包括 5% ）的測風塔有16座；在 5%～10% 之間（包括 10% 的有8座；超過 10% 的有8座，其中7座測風塔的誤差絕對值相對偏低。

3）方案3的推算結果比測風塔代表年風速平均偏低 0.01m/s ，平均相對誤差值為 0.14% ，平均誤差絕對值為 5.05% 。與測風塔代表年風速相比，17座測風塔的推算結果偏高，1座測風塔的推算結果持平，其余14座測風塔的推算結果偏低。誤差絕對值在 5% 以內（包括 5% ）的測風塔有20座；在 5%～10% 之間（包括 10% 的有7座；超過 10% 的有5座，其中3座測風塔的誤差絕對值偏低，2座的偏高。

綜合來看，全場推算結果總體表現為偏高誤差與偏低誤差的數量較為均衡，且平均相對誤差值相對較低。

2.2.2測風塔海拔高度代表性對風電機組機位點布置的影響

對上述實驗結果進行分析，誤差絕對值在 5% 以內（包括 5% ）的測風塔主要可分為兩類：1）處于主山脊、次山脊上的測風塔；2）海拔高度中等，處于上風向且所處地勢較為開闊區域的測風塔。

誤差絕對值在 5% 以上的測風塔主要可分為兩類：1）處于風電場場區東北部下風向且所處地勢相對較低區域的測風塔；2）處于場區中西部及南部主風向，且受主山脊或次山脊遮擋的測風塔。

3種方案下風電場的風能圖譜模擬結果如圖4所示。

從圖4可以看出：方案1采用4座海拔高度較高的測風塔，得到的風電場場區東北部及西南部區域的模擬風速偏高；方案2采用4座海拔高度較低的測風塔，得到的場區西南部區域和南部區域的模擬風速偏高，東北部區域的模擬風速偏低；方案3采用2座海拔高度較高和2座海拔高度較低的測風塔，得到的場區西南部區域和東南部區域模擬風速偏高，東北部區域的模擬風速偏低。

針對云貴高原地區測風塔海拔高度代表性對風電機組機位點布置的影響進行分析，得出以下結論：

1）對于尚未設立測風塔的風電項目，建議將測風塔布設在風電機組機位點附近處于上風向、地勢較為開闊且受地形遮擋較小的區域，能在一定程度上減小建模計算中的推算誤差與風險，提高前期評估中風能資源評估的準確性。

2）測風塔的海拔高度對推算結果有一定影響。當使用的測風塔海拔高度均較高時，推算全場風速偏高的可能性較大；當使用的測風塔海拔高度均較低時，推算全場風速偏低的可能性較大；當使用較高海拔高度與較低海拔高度測風塔相結合的方案時，推算全場風速的誤差相對較小。因此，對于地形較為復雜的風電項目，在已經設立多座測風塔的情況下，建議選取較高海拔高度和較低海拔高度測風塔相結合的方案進行評估計算，以增加測風塔海拔高度代表性，提升評估精度，避免單一使用高海拔高度的測風塔和低海拔高度的測風塔進行評估計算。

2.3測風塔距離代表性分析

2.3.1實驗方案分析

受地形和局部區域特殊風能資源條件的限制，需要甄別復雜地形中測風塔對周圍風電機組的代表性，除測風塔海拔高度外，還需要分析測風塔距離。本文的測風塔距離代表性實驗選取4座測風塔的測風數據，共設置4種方案，采用單塔綜合計算方式進行推算，以驗證不同距離下測風塔的代表性是否會產生變化，并探討測風塔距離的變化對其代表性的影響。需要說明的是，實驗中以其他測風塔與所選取測風塔之間的水平距離表征測風塔距離；為減少測風塔海拔高度對本實驗推算結果的影響，所選取的測風塔包含了較高海拔高度、中等海拔高度、較低海拔高度的測風塔。

1）方案4：選取03#測風塔推算其他測風塔風速。03#測風塔位于風電場場區東部主山脊上，海拔高度為 2527.47m ，訂正后的代表年平均風速為 8.06m/s 。

2）方案5：選取12#測風塔推算其他測風塔風速。 測風塔位于風電場場區中東部次山脊上，并處于場區上風向位置，海拔高度為2478.19m ，訂正后的代表年平均風速為 6.32m/s. 0

3）方案6：選取 測風塔推算其他測風塔風速。 測風塔位于風電場場區北部區域，并處于下風向位置，地勢相對較低，海拔高度為2047.47m ，訂正后的代表年平均風速為 4.80m/s 。

4）方案7：選取 測風塔推算其他測風塔風速。 測風塔位于風電場場區中部區域，四周地勢開闊，地形平坦，海拔高度為 2097.50m 訂正后的代表年平均風速為 5.30m/s 。

4種方案推算結果的誤差絕對值分布情況如圖5所示，圖中： 為決定系數。推算結果的誤差分析如圖6所示。

從圖5、圖6可以看出：

1）方案4中，各座測風塔與03#測風塔之間的距離和誤差絕對值之間的相關關系為 ，決定系數為0.4217，因此測風塔距離和誤差絕對值呈現出一定的相關性。

2）方案5中，各座測風塔與12#測風塔之間的距離和誤差絕對值之間的相關關系為“ y=-0.004+ ，決定系數為0.3450，因此測風塔距離和誤差絕對值呈現出一定的相關性。

3）方案6中，各座測風塔與22#測風塔之間的距離和誤差絕對值之間的相關關系為“ y=-0.035+ ”，決定系數為0.2060，因此測風塔距離和誤差絕對值的相關性不顯著。

4）方案7中，各座測風塔與35#測風塔之間的距離和誤差絕對值之間的相關關系為 ，決定系數為0.3377，因此測風塔距離和誤差絕對值呈現出一定的相關性。

5）從風電場整體角度來看，測風塔在不同距離范圍內推算結果的相對誤差值無明顯規律；從單座測風塔推算結果的誤差絕對值的角度來看，測風塔距離在 10km 范圍內（包括 10km？ 時推算結果的誤差絕對值相對較小，在 10～15km 范圍內時推算結果的誤差絕對值增大，在 15km 范圍外（包括 15km？ 時推算結果的誤差絕對值最大。

2.3.2測風塔距離代表性對風電機組機位點布置 的影響

針對云貴高原地區測風塔距離代表性對風電機組機位點布置的影響進行分析，得出以下結論：

1）測風塔距離對推算結果的誤差大小有一定影響。推算結果的相對誤差值隨著測風塔距離的增大無明顯變化趨勢；在 10km 內（包括10km）、 10～15km 、 15km 外（包括 15km？Ω 的各座測風塔距離范圍區間，誤差絕對值隨測風塔距離的增大呈現出一定的增大趨勢。因此，建議在風電項目前期尚未設立測風塔的階段，對于風電機組機位點較遠、較為分散的區域，應增設測風塔點位，可增加測風塔的水平代表性并提升項目整體的評估精度。

2）在風能資源評估過程中，對于已經設立測風塔的風電項目，當測風塔距離較大時，單臺風電機組機位點的推算誤差增大的概率較高，這不僅關系到項目經濟性能否達到預定目標，更關系到風電機組的荷載安全。因此，建議選取與風電機組機位點之間距離較近區域的測風塔進行風能資源評估，可降低風能資源評估的不確定性。

3結論

為提高復雜地形條件下大型風電項目的風能資源評估精度，本文以位于云貴高原東部的某大型風電場為研究對象，在詳細的數據收集、處理的基礎上，對該地區測風塔代表性進行了研究，綜合推算結果與風能圖譜對測風塔海拔高度和距離的代表性進行了分析，并針對風電項目前期的測風塔規劃提出相應的策略與建議。得到以下結論：

1）測風塔海拔高度及其與風電機組機位點之間的水平距離對推算結果的誤差大小均有一定程度的影響，且隨著測風塔海拔高度和距離的增加，推算結果誤差呈現出增大的趨勢。

2）對于尚未設立測風塔的風電項目，建議將測風塔布設在風電機組機位點附近上風向、地勢較為開闊且受地形遮擋較小的區域，能在一定程度上減小建模計算中的推算誤差，提高項目前期評估中風能資源評估的準確性；對于風電機組機位點較遠、較為分散的區域，應增設測風塔點位，可增加測風塔的代表性并提升項目整體的評估精度。

3）對于已設立多座測風塔的風電項目，建議選取較高海拔高度和較低海拔高度測風塔相結合的方案進行評估計算，以增加測風塔海拔高度代表性，從而提升評估精度，避免單一使用高海拔高度的測風塔和低海拔高度的測風塔進行評估計算；當測風塔與風電機組機位點之間的水平距離較大時，單臺風電機組機位點的推算誤差增大的概率較高，建議選取與風電機組機位點之間距離較近區域的測風塔進行風能資源評估，可降低風能資源評估的不確定性。

[參考文獻]

[1]朱蓉，徐紅，龔強，等．中國風能開發利用的風環境區劃[J].太陽能學報，2023，44（3）：55-66.

[2]朱蓉，王陽，向洋，等.中國風能資源氣候特征和開發潛力研究[J].太陽能學報，2021，42（6）：409-418.

[3] 楊富程，韓二紅，王彬濱，等．測風塔代表性對復雜地形風電場風能資源評估的影響[J].江西科學，2020，38（1）：101-105.

[4] 王道欣，蔡創彬，王金鶴．基于發電量的測風塔代表性影響因素定量分析[J].華電技術，2020，42（12）：72-77.

[5] 曾杰，曾胤，曹成，等．基于測風塔相互驗證降低風電場發電量評估偏差[J].人民長江，2016，47（1）：59-62，78.

[6] 中國氣象局.風電場氣象觀測資料審核、插補與訂正技術規范：GB/T37523—2019[S].北京：中國標準出版社，2019.

[7] STRACKM，FOUSSEKISD，CANTEROE，etal.MEASNETProcedure“Evaluationof Site-SpecificWindConditions” Released[C]//10th German Wind EnergyConference，November 17-18，2010，Bremen，Germany.[S.1.]：DEWI，2010：25.

[8] 張懷全．風資源與微觀選址：理論基礎與工程應用[M].北京：機械工業出版社，2013.

[9] International Electrotechnical Commission （IEC）.Windenergy generation systems-part 15-1：site suitabilityinput conditions for wind power plants：IEC 61400-15-1：2015[S]. Switzerland：IEC，2015.

[10]國家能源局.風電場工程風能資源測量與評估技術規范：NB/T31147—2018[S].北京：中國水利水電出版社，2018.

[11]朱金陽，王聰，黎波.不同分析數據進行風速代表年訂正的可靠性研究[J].太陽能，2022（8）：43-49.

[12]張雙益，王益群，呂宙安，等.利用MERRA數據對測風數據進行代表年訂正的研究[J].可再生能源，2014，32（1）： 58-62.

[13]水電水利規劃設計總院.微觀選址中風能資源分析及發電量計算方法：NB/T10909—2021[S].[出版地不詳：出版者不詳]，2021.

[14]中國電力企業聯合會．風力發電場設計規范：GB51096—2015[S].北京：中國計劃出版社，2015.

RESEARCH ONREPRESENTATIVE OFANEMOMETERTOWERSUNDERCOMPLEXTERRAINCONDITIONSBASEDONMUTUALVERIFICATIONMETHOD

Li Linsen ，LuoLei2，Zhang Ming'，Han Dong'，Liu Fushuang’，Hu Gaoshuo （1.BeijingGoldwind Scienceamp;Creation Windpower Equipment Co.，Ltd.，Beijing10ol76，China； 2.SPIC Yunnan International Power Investment Co.，Ltd.，Kunming 650228，China）

Abstract：In order to improve the assessment accuracy of wind energy resources for large-scale wind power projects under complex terrain conditions， this paper takes a large-scale wind farm in the eastern of the Yunnan-Guizhou Plateau as the research object，and on the basis of detailed data collection and processing， studies the representativeness of the anemometer tower in this area through Meteodyn WT software，simulates and verifies the represents annual wind speed of the anemometer tower，conducts qualitative research on the representativeness of the altitude and distance of the anemometer towers based on the comprehensive calculation results and wind energy maps，and puts forward corresponding strategies and suggestions for the anemometer tower planning in the early stage of the wind power project. The research results show that：1） The altitude of theanemometer tower and its horizontal distance from the wind turbine positioning point （hereinafter referred to as \"anemometer tower distance\"） have a certain impact on the error size of the calculation results，and as the altitude and distance of anemometer tower increase， the error of the calculation results shows an increasing trend.2）For wind power projects that have not yet setup anemometer towers，it is recommended to place the anemometer towers in areas near the wind turbine locations that are upwind，have relatively open terrain and lessterrain obstruction. For areas where wind turbine locations are far away and scatered，anemometer tower locations should be added to increase the representativeness of the anemometer tower and improve the accuracy of wind energy resource assessment in the early stage of the project evaluation. 3）For wind power projects that have already established multiple anemometer towers，it is recommended to selectacombination of high-altitude and low-altitude anemometer towers for evaluation and calculation，in order to increase the representativeness of the anemometer tower altitude. When the anemometer tower distance is large， it is recommended to select the anemometer tower closer to the wind turbine location point to improve the accuracy of wind energy resource assessment.

Keywords：wind farms； representativeness of anemometer towers； mutual verification； complex terrain；representative year； wind turbine