英国风能地理性别性再分析风速偏差：高分辨率偏差校正方法
大气与海洋物理
2025-11-10 v1 数据分析、统计与概率
摘要
再分析数据集已成为风资源评估和风力模拟中不可或缺的工具，提供了横跨大区域的长期、连续风场。然而，它们本质上包含由各种因素引起的系统性风速偏差，包括简化的物理参数化、观测不确定性以及有限的空间分辨率。其中，低空间分辨率对准确捕捉局部变异性构成特定挑战。与此不同，行业通常依赖要么不进行偏差校正，要么采用粗糙的全国统一调整。我们扩展并彻底分析了一种最近提出的基于聚类的空间分辨率偏差校正框架。该方法旨在更好地考虑局部异质性，已用于评估其对英国319个风电场的有效性。结果表明，该方法将月度风力模拟误差缩小了32%以上。该方法还应用于MERRA-2数据集进行比较评估，显示其对不同再分析产品具有有效性和稳健性。与以往研究不同的是，本研究详细描绘了大英国地理性别性偏差校正因子的空间分布。分析表明，对于风能应用，ERA5风速误差呈现强烈的空间变异性，在苏格兰高地和威尔士的山地地区存在显著低估。这些发现突显了在校正再分析风速时必须考虑地理性别性的重要性，并为区域特定的偏差模式提供了新的见解。
引用
@article{arxiv.2511.04781,
title = {Geographic variability in reanalysis wind speed biases: A high-resolution bias correction approach for UK wind energy},
author = {Yan Wang and Simon C. Warder and Ellyess F. Benmoufok and Andrew Wynn and Oliver R. H. Buxton and Iain Staffell and Matthew D. Piggott},
journal= {arXiv preprint arXiv:2511.04781},
year = {2025}
}