低层风场具有随机变化的特征,导致风电场输出功率具有波动性、间歇性、随机性的特点,故对风电场输出功率进行预测是增加电网调峰容量、提高电网接纳风电能力、改善电力系统运行安全性与经济性最有效、最经济的手段之一。风电功率预测以数值天气预报(Numerical Weather Prediction, NWP)的风速、风向等要素为输入数据,通过预测算法将NWP的气象要素转换为风电场的输出功率。由于数值天气预报存在着诸多不确定性,因此NWP数据的准确性显著影响并制约着风电功率预测的精度。本文以提高NWP数据的准确性和可靠性为总体研究目标,基于WRF(Weather Research and Forecasting model)模式,选择北方干旱区4个地点的风电场,开展了一系列模拟分析研究：分析得到模式的最佳参数配置；分析了模式模拟误差在季、月、日、时尺度上以及不同天气背景下的分布特征,探讨了造成模拟误差的可能原因;尝试应用四维数据同化、快速更新循环以及集合概率预报等技术来提高NWP数据的精度,采用类比卡曼滤波误差订正技术对预报序列进行误差订正,均取得了较好的效果,并以研究结果建设了实时运行的业务平台。通过对WRF模式不同边界层方案在我国西北地区复杂地形条件下四季低层风场的模拟性能的分析研究,得到以下结论：(1)不同季节模拟效果最优的边界层方案有所不同。就新疆地区而言,春季YSU方案最优：夏季MYNN2.5方案最优；秋冬两季QNSE方案最优。(2)风场的模拟性能具有季节性特点。总体来说,在所有季节,基本都可以成功地再现风向：春夏两季模拟的风速平均值及标准差都偏小,秋季均显著高于观测值,冬季平均风速偏高而标准差偏低。(3)四个季节都存在观测风速及模拟风速的“赶超”现象——风速大时低估风速小时高估。春、秋、冬观测值分别为<4m/s、<6m/s、<8m/s时模拟高估,春、夏、秋、冬观测值分别为>4m/s、>4m/s、6-10m/s、8-12m/s时模拟低估。利用实测风场数据(新疆和内蒙)检验了西北地区复杂地形条件下WRF模式不同空间分辨率对风速的模拟能力,并分析得到不同等级风速下的模拟误差特征。得到以下结论：(1)不同空间分辨率下,风速和风向的验证结果一致表明,模式分辨率为3km×3km时模拟效果优于分辨率更高的1km×lkm,表明我们对较小尺度上大气物理过程尚不清楚,另外地形数据分辨率不足也影响着低层风场模拟的精度。(2)不同等级风速检验结果：低风速区(0-3m/s)的模拟效果最差,次之为高风速区(≥25m/s)。对有效风速区(3-12m/s)及满发风速区(12-25m/s)模拟效果较为理想,不同地区略有差异。在新疆地区,对满发风速区的模拟效果最好,而内蒙地区模拟效果最好的为有效风速区。这是由新疆和内蒙在地形上的差异造成的,新疆风电场处于两山之间的山谷地带,“狭管”效应显著；而内蒙风电场地形恰好与新疆相反,地处山脉海拔最高,南北为平原海拔较低。基于最佳的模式参数配置,利用WRF模式分析了中国西北典型干旱地区某风电场低层风场的模拟误差及其发生的条件和可能原因。得到以下结论：(1)观测风速和模拟误差之间存在“赶超”现象——当风速较小时模拟误差大,当风速较大时模拟误差较小。(2)日、时尺度以及不同天气背景下的误差特征。在日尺度上,当平均风速小于2.5m/s或者风速的变化幅度超过15m/s时,模式模拟效果较差；每日在12-17h模拟效果最好,在7-9h模拟效果最差,原因为在12-17h大气多处于不稳定层结,在7-9h多为中性层结,而模式对大气不稳定层结的模拟较中性层结准确；对阴天的模拟效果好于晴天的。(3)风速模拟误差与稳定度参数模拟不准确密切相关。WRF模式的QNSE方案对大气稳定度参数的模拟偏低,模式对稳定度参数模拟偏小的主要原因为模式中的M-O (Monin-Obukhov)长度大于真实值。利用四维数据同化、快速更新循环技术和类比卡曼滤波误差订正技术改进了风场的预报误差,在此基础上利用集合概率预报方法建成了实时业务运行平台。得到以下结论：(1)基于WRF模式,将实时四维数据同化、快速更新循环模拟技术应用于风电功率预测的数值天气预报业务平台,采用类比卡曼滤波误差订正技术对预报序列进行误差订正。对2012年甘肃某风电场低层风场进行回算,四维数据同化技术的应用使得均方根误差(RMSE)降低了17%,平均绝对误差(MAE)降低了20%,误差也降低了11%；模式热启动后使得RMSE由3.63减小为3.03,MAE由2.86减小为2.23,相关系数从0.65增至0.78；误差订正后预报序列RMSE由2.93减小为2.42,MAE由2.28减至1.82,相关系由0.80增大为0.84.表明四维数据同化、快速更新循环和类比卡曼滤波误差订正技术可有效提高风电场的预报精度。(2)在模式预报性能检验的基础上,采用多种背景场数据和多种物理过程参数化方案组合的方法,建立了含有26个预报成员的集合概率预报系统,将其成功应用于风电场预报中,并得到初步的概率预报产品,为电力调度和决策提供更丰富的气象信息。