作为可再生清洁能源,风能正越来越引起人们重视,但因为风能完全受风力的影响,且风力具有随机性、间歇性和不确定性等特点,严重干扰了电网的安全稳定运行,从而导致风力发电的输出功率波动性很大,这给风电并网带来了很大的挑战。本文以风能开发中关键的科学问题:复杂地形的风能资源评估和短期风速预报为研究目标。复杂地形的风能资源评估和短期风速预报原理和研究方法有很多相通之处,风能开发既是风能资源开发必须面对的实际工程问题,又是与大气科学基础研究和应用紧密相连的挑战课题。为了满足复杂地形条件下的大型风电场的风能评估需要,本文的主要研究工作确定为:建立“WRF+人工智能”的耦合模式系统,并开展精细化风能资源评估和短期风速预报研究,特别适合应用于复杂地形条件下的大型风电场场景。主要内容如下:复杂多变的地形对风能资源分布有很大影响,导致风能资源评估存在不确定性。利用2018-2020年中国北方不同荒漠草原地形背景下的气象塔数据,比较了Kernel型、Weibull型和Rayleigh型三种风速分布对平均风能密度估算的影响。然后研究了Weibull模型的尺度因子（c）、形状因子（k）和表面粗糙度（z0）三个关键参数对风能资源的估算。结果表明,Weibull分布是该地形最适宜的风速分布。Weibull分布模型中的比例因子（c）随高度的增加而增大,表现出明显的幂函数形式。而形状因子（k）与高度的关系有两种不同的形式:分别是二次函数的倒数和对数函数的倒数。粗糙度（z0）随凋萎期、生长期和茂盛期的不同而不同,可以用各时期估计值的中位数来表示。整个周期内表面粗糙度长度的最大值为0.15 m,最小值为0.12 m。利用幂律模型和对数模型估算6个特定高度的平均功率密度值,其秋冬季差异较大,春夏差异较小。平均功率密度值随高度增加的梯度在秋季和冬季最大,春季和夏季最小。研究结果表明,在估算不同荒漠草原地形下的风能资源时,应准确考虑3个关键参数（c、k和z0）的动态变化。短期风速的精确预报可以得到更准确地风能资源分布,以促进风力发电规模化发展同时也可降低风电发电量的不确定性对电网运行的影响。利用2021年8月到2022年2月南方五省的中尺度天气预报模式（WRF）的10米风速24h预报时效的预报数据和该区域内相同时间的410座气象站点的观测数据作比较发现,风速预报精度有待提高,本文利用四种机器学习方法（深度信念网络DBN,多层感知机MLP,支持向量回归SVR和随机森林RF）对WRF模式预报的近地面10米风速进行订正试验研究,其中2022年2月的10米风速预报和实际数据作为训练集,2022年3月1日00时到2022年3月7日15时作为测试集。结果发现使用了贝叶斯算法调优随机森林模型是最适用于南方五省的风速预报集成模型,其预测精度可达89%,预测的均方根误差低至0.43m/s。