1. 引言
日照引起地表不均匀的加热，使大气中的压力分布不均匀，从而使空气沿水平方向移动，空气流动形成的动能被称为风能。风能是太阳能的变形，是清洁可再生的自然能源。风能的开发和利用有几千年的历史。在制造蒸汽发动机之前，风能被用作船舶航行、饮用水和灌溉、排水和野外生产、表面抛光和木材切断的重要动力。20世纪70年代中期以后，受化石能源、能源供应安全保障、环境保护贫困加剧的影响，主要发达国家和世界上一些发展中国家重视风能资源的开发和利用 [1]。风能开发利用的成本比太阳能开发利用的成本要低。研究表明 [2]：风能发电基本上不影响地方的使用。风能作为一种可持续利用的能源，将产生明显的生态效益和社会效益。目前，风力发电的成本已经降到了20世纪80年代的六分之一，并且继续下降 [3]。风力能源是21世纪最有希望的绿色能源，也是人类社会和经济可持续发展的新能源之一。
大风天气给人们带来了经济和人员损失 [4]。但同时，风能也是一种可再生的资源 [5] [6]。合理开发和使用风能，是解决资源短缺，实现可持续开发的有效途径 [7] [8]。目前我们正在普遍关注和研究这一重要的气象因子——风速 [9] [10]。目前，许多国内学者都在研究其他地区的风能，帅士章 [11] 等对贵州省风能数据进行了普查与评估。李德友 [12] 等利用四川茂县地区平均风速资料，研究了四川省茂县风速的变化，研究得出，茂县年平均风速具有显著的季节性差异。李艳 [13] 等使用传统的风速测定数据，采用线性测绘，趋势分析及其他方法研究中国的年平均风速变化，发现中国的年平均风速在过去40年间逐年下降。王婷 [14] 等利用风力能源数据评估系统，改善了每个变量系统，以研究广东省风能资源的变化趋势。张素云 [15] 等发现，河北省地面平均风速在4个季节里均呈递减的变化趋势。田莉 [16] 研究表明，西北的风速，根据地区有相当大的差异，北方的风速高，南方的风速低，中蒙边境的风速达到最高值。任国玉 [17] 等以日平均风速数据为基础，分析研究中国平均风速的季节性差异，结果显示中国的平均风速存在相当大的季节性差异。可见以前对风力能源进行了很多研究，风力能源的时间变化和空间分布会根据各种地形变化，这是研究的困难之一。
风功率密度指的是气流在单位时间内垂直通过单位截面积的风能，是在一个地方说明风能潜力最便利、最有价值的量。评估一个地方风能资源的丰富可以用风功率密度的大小来评估。从图1中可以看出，四川的风能资源状况相对较差，满足风力能源利用水平的地区主要在西部四川省高原、西南山区和北部山区。特别是山脊及河谷地区；盆地东侧地形具有明显的屏风效果和较低的风功率密度，西北部四川省高原具有较高的高度、较低的空气密度和较低的风功率密度。四川省的年平均风功率密度显示出东西类型的空间分布。四川省年平均风功率密度也呈现出东北–西南型的空问分布特征。风能资源的开发利用领域，不仅取决于风能资源的丰富，而且与地貌、地形、交通状况等有关。
Figure 1. Distribution of annual average wind power density in Sichuan province 50 m [9]
图1. 50 m处四川省年平均风功率密度的分布 [9]
中国的风能资源主要集中于西北、华北、东北、青藏高原及东部沿海地区 [1]，由于高原阻挡效应，四川盆地在中国拥有相对较高的静风频率，是中国最小的风能区之一 [11]，但在四川高原盆地周边和西部地区的山区，有高山、溪谷等特殊地形，也有潜在的风能开发区。四川省风力能源资源的详细调查主要在四川西部高原山区和流域周边山区进行。本文分析四川省风速的空间分布特征，包括多年平均分布、不同季节分布；分析风场的时间演变特征，包括日变化、年变化、年际变化和长期趋势；分析风功率密度的空间分布特征以及时间演变特征。分析风速的无量纲幂指函数特征。研究结果能够通过平均风速的时间和空间的分布特征对四川省风能资源进行很好的利用。
2. 资料与方法
2.1. 数据介绍
收集最新的欧洲中期数值预报中心(ECMWF)风速再分析数据即ERA5风速再分析数据，本文使用四川省1979~2018年逐小时风速观测资料，包括10 m和100 m高度上u和v方向上的风速。
ERA5在其前身ERA-Interim的基础上实现了很大晋级。首先是时空分辨率的大幅提升，用户将首次在水平分辨率为31 km、从地表开始降至0.01 hPa (距地面约80 km)共137模式层的情况下获取大气变量的每小时估计数据，再次，ERA5将更多的历史观测数据尤其是卫星数据利用到先进的数据同化和模式系统中，用以估计更为准确的大气状况，最终这些同化数据以及它们如何被使用的信息也将全部公开供用户使用。此外，ERA5提供的变量将由ERA-Interim的100种增加到240种，这其中包括由耦合的海浪模式所提供的波高、波向等变量，方便用户更准确地分析过去的大气甚至海洋状态 [18]。
通过ERA5风速再数据来研究风速的空间和时间上的分布。在计算风功率时根据《Q/GDW 588-2011风电功率预测功能规范》计算风功率。季候划分范围为：春季(3~5月)、夏季(6~8月)、秋季(9~11月)，冬季(12月~次年2月)。
2.2. 方法
使用四川省1979~2018年逐小时风速观测资料，分析风速的空间分布特征，包括多年平均分布、不同季节分布；根据空间分布特征，选取2~3个风速大值区，分析风速和风向的时间演变特征，包括日变化、年变化、年际变化和长期趋势。
其中风功率密度的计算公式为ρv3A/2 (其中ρ为空气的密度，因为空气的密度随着不同因素的变化而变化不太容易确定，而且密度的变化相对于速度的三次方的变化来讲小的可以忽略故在此密度选用标准海平面密度1.29 kg/m3。A为气流通过的面积，这里为计算简便当作单位面积即1来计算，单位为m2。v为气流速度的大小即风速的大小，单位为m/s。平均风功率密度的计算公式为(1)。从现有气象站10米高的观测数据中获得的四川省风能资源属于贫乏地区，不能满足风力能源利用地区的相关要求。故在接下来的研究中选用100 m处的风速资料来研究风功率密度。分析风功率密度的空间和时间分布特征，包括多年平均分布、不同季节分布；在风功率大值区，分析风功率的时间演变特征，包括月平均风功率密度的变化，年平均分功率密度的变化以及长期的变化情况。
在大气边界层，风速从地表向上逐渐增大。基于理论推导和经验修正，研究人员提出了风速曲线的各种表现。这个主要分为指数型和对数型。其中我们现在要用的表达式为(2)。这里利用10 m和100 m高度处的平均风速计算。无量纲幂指函数的计算方法为α = logU100[i] − logU10[i]。式中：U1和U2分别为高度Z1 (10 m)和Z2 (100 m)处的平均风速，α为考虑地表粗糙度影响的无量纲幂指数。
3. 平均风速的特征分析
3.1. 年平均风速水平分布的特征分析
通过处理四川省1979~2018年逐小时风速观测资料，求得风速的年平均水平分布图。图2为10 m高度处风速的年平均水平分布图，如图2和表1可知川东地区、川西地区、川南地区和川北地区的平均风速以及最大平均风速的水平分布以及值的大小。
如图2，在100 m处风速的大值区与小值区与10 m处的分布基本一致，但是风速的大小在100 m处要比10 m处有明显的增加，这说明风速大小随高度增加，在边界层内风速的变化规律也正是随高度而增加。但总体来说四川省年平均风速值还是较小。青藏高原阻断效应形成的复杂多样的地形特征和特殊的环流状况，使四川省成为中国风速较低的地区之一。通过对四川省气象站1979~2018年测风数据统计分析可见，四川省各点平均风速介于0.57~3.6 m/s之间，全域年均值为1.5 m/s与全国年平均风速2.5 m/s相比明显偏小。尤其是四川省东部盆地，因地形封闭、凹陷，盆周山峦叠嶂，气流受阻，静风频率较高，各站点年平均风速均低于2 m/s。阻挡风的地形使风速降低，相反，山的山脊等突出的地形和喇叭口地形的狭管效果使风速大幅度上升 [9]。四川省年平均风速呈东西型空间分布特点，即西部地区平均年风速较高，东部地区年平均风速较小，与大规模气象系统的影响密切相关。在特征向量正(负)值中心位置附近年平均风速相对较高(较低) [8]。四川省年平均风速也呈现出东北–西南型的空问分布特征，即东北域(包括广元市、巴中市、达州市)年平均风速较高，而西南部区域年平均风速较小。
Figure 2. Horizontal distribution diagram of average wind speed at 10 m and 100 m
图2. 10 m、100 m处风速平均的水平分布图
Table 1. Wind speed distribution in various regions of Sichuan
表1. 四川各地区风速分布情况
3.2. 各季节风速平均的水平分布
通过处理10 m和100 m处的风速数据得到四川省风速季节平均的水平分布图。四川省的各季节平均风速的分布基本一致即春季的风速大值区域与小值区域与夏季，秋季，冬季的大值和小值区位置基本一致。由图3和图4可知，春季的最大风速区主要位于四川的西部地区，风速最小值区主要位于四川的东部地区。同样的情况出现在夏季，秋季，冬季中，且春季的平均风速要比其他的三个季候对应地方的平均风速大一些，原因是春天是从隆冬到夏天的过渡时期，暖风和冷风的交汇很活跃，所以平均风速高，并且加热较快，于是形成了比较强烈的冷空气下沉、暖空气上升运动。由于高空风通常比地面风大得多，所以这种上下对流运动，使地面风速加大(气象学上称为动量下传)，形成较强的北风。各季节的风速水平分布与上面分析的年平均风速水平分布也较为一致即四川省季节平均风速呈东–西型的空间分布特征，即西部区域季节平均风速较高，而东部区域季节平均风速较小，这与大尺度天气系统的影响密切相关，在特征向量正(负)值中心位置附近年平均风速相对较高(较低)，在(105.5E，32N)位置处的季节平均风速最小。四川省季候平均风速也呈现出东北–西南型的空问分布特征，即东北域年平均风速较高，而西南部区域年平均风速较小。由图3和图4两图分析可知10 m处风速的季节水平分布图与100 m处风速的季节水平分布图是一致的，且100 m处的风速相较于10 m的风速较大。
Figure 3. Horizontal distribution diagram of seasonal mean at 10 m
图3. 10 m处各季节平均的水平分布图
Figure 4. Horizontal distribution of seasonal mean at 100 m
图4. 100 m处各季节平均的水平分布图
3.3. 风速大值区的风速变化特征
3.3.1. 风速大值区的日变化
通过上面的研究，为研究风速大值区的日变化趋势选取了丹巴，德昌，石渠三个风速较大值区为代表研究100 m和10 m处风速的日变化趋势。分别求24小时风速平均得到图5即丹巴，德昌，石渠10 m和100 m处风速的日变化。
如图5和表2所示，丹巴10 m最大风速出现在8时左右，最大风速值为1.96 m/s，最小风速值出现在12时左右，最小风速值为0.0196 m/s，甚至出现了静风的现象。如图6可知100 m处小时平均风速最大值出现在7~8时，最大风速值为1.86 m/s。风速最小值出现在11时左右，最小风速值约为1.03 m/s，相比于10 m处的平均风速值明显偏大，这是由于高度越低受地面摩擦影响越大的缘故。
Figure 5. Variation trend of average hourly wind speed at 10 m
图5. 10 m处小时平均风速的变化趋势
Table 2. Hourly average maximum wind speed of three places at 10 m
表2. 10 m处三地小时平均最大风速情况
由图5和表2可知，德昌小时平均风速最大值出现在7~8时左右，风速最大值为2.5 m/s，风速最小值出现在23~0时左右，最小风速值为0.4 m/s。由图6可知德昌100 m处小时平均风速最大值出现在7~8时左右，最大值为3.5 m/s。最小值出现在23~0时左右，最小值约为1 m/s。
由图5和表2可知石渠风速最大值出现在7~8时左右，风速最大值为2.02 m/s，风速最小值出现在十三时左右，最小风速值为0.66 m/s。由图6可知100 m处石渠小时平均风速最大值出现在8时左右，最大值约为2.1 m/s。最小值出现在12~13时左右，最小值为0.45 m/s。
通过研究发现10 m和100 m处的风速最大最小值几乎出现在同一个时间且100 m处的风速要比10 m处的风速略大些。通过将三地的小时平均风速放在一起比较可知，丹巴，德昌，石渠的小时平均风速最大值均出现在8时左右，最小值出现在10~12时。四川盆地各个地方小时平均风速相较于我国的其它地方的小时平均风速都较小。主要原因是封闭的地形，导致四川盆地常年风速偏低，是我国小时平均风速最小的地区之一。
Figure 6. Variation trend of hourly average wind speed at 100 m
图6. 100 m处三地小时平均风速的变化趋势
3.3.2. 风速大值区的年变化趋势
为研究风速大值区的年变化趋势依然选取了丹巴，德昌，石渠三地为代表研究10 m和100 m处的月平均风速变化趋势。分别求12个月每月的风速平均得到图7，图8即三个地方10 m和100 m处风速的月平均变化趋势。
如图7和表3所示，丹巴月平均最大风速出现在11月左右，最大月平均风速值为2.25 m/s，最小月平均风速值出现在5月左右，最小月平均风速值为0.3 m/s。如图8，100 m处丹巴的月平均最大风速出现在11月左右，风速最大值约为3 m/s。最小值出现在5月左右，风速最小值为0.5 m/s。
Figure 7. Variation trend of monthly average wind speed at 10 m
图7. 10 m处月平均风速的变化趋势
Table 3. Monthly average maximum wind speed of three places at 10 m
表3. 10 m处三地月平均最大风速情况
由图7和表3可知，德昌月平均风速最大值出现在10月左右，风速最大值为2.35 m/s，风速最小值出现在5月左右，最小风速值约为0.63 m/s。图8研究的是100 m处德昌的月平均风速变化趋势，由图可知月平均风速最大值出现在10月左右，最大值约为3.7 m/s。风速最小值出现在5月左右，最小值约为1.1 m/s。
图3研究的是10 m处石渠月平均风速的变化趋势，由图可知石渠月平均风速最大值出现在12月左右，月平均风速最大值为2.27 m/s，月平均风速最小值出现在六月左右，最小风速值为0.2 m/s。由图8可知100 m处石渠月平均风速最大值出现在11月左右，风速最大值为3.3 m/s。最小值出现在7月左右，最小值约为0.5 m/s。
通过研究发现10 m和100 m处风速的最大，最小值几乎出现在相同的月份。通过对比比较三地的月平均风速可知，三地月平均风速最小值均出现在5~6月，月平均风速成最大值出现在10~12月。四川盆地风速大值区的月平均风速相较于我国其他地方都较小，所以四川盆地的月平均风速较其他地方也较小。
Figure 8. Variation trend of monthly average wind speed at 100 m
图8. 100 m处三地月平均风速的变化趋势
3.3.3. 风速大值区的年际变化
为研究风速的年际变化趋势依然选取丹巴，德昌，石渠三个风速大值区为代表研究10 m和100 m处的年平均风速变化趋势。分别求1979~2018风速的年平均得到图9，图10即丹巴，德昌，石渠风速的年平均风速的变化。
如图9所示，10 m处丹巴年平均最大风速出现在2012年左右，最大年平均风速值约为1.98 m/s，最小年平均风速值出现在2018年左右，最小年平均风速值约为1.3 m/s。从回归方程可以看出10 m处丹巴年平均风速在动摇中呈现递增的趋势，求出的年平均风速气候倾向率为0.0045 (m/s)/10年，即每十年年平均风速增加0.0045 m/s。可以看出年平均风速的变化极其慢。如图10所示，100 m处丹巴年平均最大风速出现在1994和2012年左右，最大年平均风速值约为2.35 m/s，最小年平均风速值出现在1990年左右，最小年平均风速值约为1.65 m/s。从回归方程可以看出100 m处丹巴年平均风速在动摇中呈现递增的趋势，求出的年平均风速气候倾向率为0.0022 (m/s)/10年，即每十年年平均风速增加0.0022 m/s。
Figure 9. Variation trend of annual average wind speed at 10 m
图9. 10 m处年平均风速的变化趋势
图9研究的是10 m处德昌年平均风速的变化趋势，由图可知，德昌年平均风速最大值出现在2012年左右，年平均风速最大值约为1.4 m/s，年平均风速最小值出现在1981年左右，年平均最小风速值为0.83 m/s。从回归方程可以看出德昌年平均风速在动摇中呈现递增的趋势，求出的年平均风速气候倾向率为0.0004 (m/s)/10年，即十年年平均风速增加0.0004 m/s。图10研究的是100 m处德昌年平均风速的变化趋势，由图可知，德昌年平均风速最大值出现在2012年左右，年平均风速最大值约为2.35 m/s，年平均风速最小值出现在2008年左右，年平均最小风速值约为1.7 m/s。从回归方程可以看出100 m处德昌年平均风速在波动中呈现递减的趋势，求出的年平均风速气候倾向率为−0.0002 (m/s)/10年，即十年年平均风速减少0.0002 m/s。
图9研究的是10 m处石渠年平均风速的变化趋势，由图可知石渠年平均风速最大值出现在1987年左右，年平均风速最大值为1.56 m/s，年平均风速最小值出现在2018年左右，最小风速值为0.5 m/s。从一元线性回归方程可以看出石渠年平均风速在波动中呈现递减的趋势，求出的年平均风速气候倾向率为−0.0054 (m/s)/10年，即每十年风速减少0.0054 m/s。图10研究的是100 m处石渠年平均风速的变化趋势，由图可知石渠年平均风速最大值出现在1987年左右，年平均风速最大值为1.95 m/s，年平均风速最小值出现在1990年左右，最小风速值为1.3 m/s。从一元线性回归方程可以看出石渠年平均风速在波动中呈现递减的趋势，求出的年平均风速气候倾向率为−0.0146 (m/s)/10年，即每十年风速减少0.0146 m/s。
通过对三地年平均风速变化趋势的比较可知在10 m处德昌的年平均风速的气候倾向率最小，但是三者比较起来气候倾向率都较小。丹巴年平均风速的最大值最大，德昌年平均风速的最小值最小。在100 m处石渠的气候倾向率的绝对值最大。通过研究发现四川盆地各个地方年平均风速相较于我国的其它地方的年平均风速都较小且年平均风速的气候倾向率也较小即风速的波动范围小。
Figure 10. Variation trend of annual average wind speed in Danba, Dechang, and Shiqu at 100 m
图10. 100 m处丹巴，石渠，德昌三地年平均风速的变化趋势
3.4. 无量纲幂指函数随风速的变化
通过算法α = logU100[i] − logU10[i]求解无量纲幂指函数得到图11，如图所示无量纲幂指函数随10 m处四川省的平均风速的分布图。由图可知，幂指函数α在低风速下较不稳定，表现出很强的随机性，随着风速的增大，幂指数α呈现出明显增大的趋势并趋于平定。
幂指函数随风速增加有递增的趋势，随10 m处平均风速的增大，无量纲幂指函数递增，求出的线性拟合系数为0.023565。同时工程中往往关注强风的特性，对平均风速大于6 m/s时的实测幂指数进行统计分析，得到α的平均值为0.162，标准差为0.075。
可见无量纲幂指函数也可指示强风的发生。当无量纲幂指函数超过了一定的界线可能就会有强风的发生。由于四川省常年平均风速较小，所以无量纲幂指函数也较小。
4. 风功率密度的时间变化特征
4.1. 风功率大值区的变化趋势
4.1.1. 风功率大值区的年变化趋势
由国际“风力发电风力能源资源评价法”等级标准，由现有的气象观测10米高的观测数据计算，四川省的风力能源资源属于贫困地区，风力能源资源可利用地区的相关条件达不到标准。故在接下来的研究中选用100 m处的风速资料来研究风功率密度。由图1可知风功率大值区主要分布在德昌县为中心的安宁河谷、以茂县为中心的岷江河谷和以丹巴县为中心的大渡河谷。选取丹巴和德昌两个风功率密度大值区研究风功率密度的年变化。通过对100 m处数据的处理得到40年100 m处风功率密度的月平均变化即月平均风功率密度的变化。
Figure 11. Change of dimensionless power index function with wind speed
图11. 无量纲幂指函数随风速的变化
由图12可知丹巴月平均风功率密度最大值出现在10月，月平均风功率密度最大值为24 W/m2。月平均风功率密度最小值出现在1月，月平均风功率密度最小值约为8.4 W/m2。月平均风功率密度从一月到十二月有递增的趋势。由图13可知德昌月平均风功率密度的最大值出现在10月，月平均风功率密度最大值约为87 W/m2。月平均风功率密度最小值出现在6月左右，月平均风功率密度最小值不到10 W/m2。
Figure 12. Variation trend of monthly mean wind energy density in Danba
图12. 丹巴月平均风功密度的变化趋势
Figure 13. Variation trend of monthly average wind power density in Dechang
图13. 德昌月平均风功率密度的变化趋势
由上面两地月平均风功率密度的分析可知，各个月的平均风功率密度有很大的差异。其中德昌和丹巴两地的月平均风功率密度最大值均出现在10月左右，说明10月更适合风能发电和风能的利用。前半年即1~6月相比于后半年即7~12月的平均风功率密度的值较小说明后半年更适合风能的开发利用。通过分析可知年平均风功率密度的最大值和风功率密度的最小值和年平均风速的最大最小值是对应的。
4.1.2. 风功率密度大值区的年际变化
由图1可知风功率大值区主要分布在德昌县为中心的安宁河谷、以茂县为中心的岷江河谷和以丹巴县为中心的大渡河谷。选取丹巴和德昌两个风功率密度大值区研究风功率密度的年季变化。
如图14所示，100 m处丹巴年平均风功率密度最大值出现在2012年左右，最大年平均风功率密度值约为21.5 W/m2，最小年平均风功率密度出现在1990~1991年左右，最小年年平均风功率密度值约为6.3 W/m2。从一元线性回归方程可以看出100 m处丹巴年平均风功率密度在波动中呈现递增的趋势，求出的年平均风功率密度气候倾向率为0.0532 (W/m2)/5年，即每5年年平均风功率密度增加0.0532 W/m2。可以看出年平均风功率密度的变化极其慢。年平均风功率密度存在两个峰值分别位于1994年左右和2012年，近几年的年平均风功率密度并未达到最大值。
图15研究的是100 m处德昌年平均风功率密度的变化趋势，由图可知，德昌年平均风功率密度最大值出现在2012年左右，年平均风功率密度最大值约为44 W/m2，年平均风功率密度最小值出现在2008年左右，年平均最小风速值约为24 W/m2。从一元线性回归方程可以看出100 m处德昌年平均风功率密度在波动中呈现递减的趋势，求出的年平均风功率密度气候倾向率为−0.0697 (W/m2)/5年，即5年年平均风功率密度减少0.0697 W/m2。
通过分析可知年平均风功率密度的最大值和年平均风功率密度的最小值和年平均风速的最大最小值是对应的。且近年来风功率密度即风能资源未达到开发利用的最高值。
5. 结论
1. 通过对10 m和100 m处风速资料的处理得到四川省年平均风速的空间分布特征即四川省年平均风速也呈现出东北–西南型的空问分布特征，即东北域年平均风速较高，而西南部区域年平均风速较小。
2. 通过求季节平均的风速水平分布可以看出，四川省季节平均的风速水平分布和年平均风速的水平分布是一致的即东北域季节平均风速较高，而西南部区域季节平均风速较小。且春季的平均风速相对于其他季节较大。
Figure 14. Variation trend of annual average wind power density of Danba at 100 m
图14. 100 m处丹巴年平均风功率密度的变化趋势
Figure 15. Variation trend of annual average wind power density at 100 m
图15. 100 m处德昌年平均风功率密度的变化趋势
3. 通过上面对四川省风速空间分布的分析可以确定风速大值区的位置，选取丹巴，石渠，德州三个风速大值区为代表研究风速大值区的小时平均风速，月平均风速，以及年平均风速的变化。通过分析可知丹巴，德昌，石渠的小时平均风速最大值均出现在8时左右，最小值出现在10~12时。说明8时左右三地的风力资源开发利用较好，而10~12时风能的开发较贫乏。三地月平均风速最小值均出现在5~6月，月平均风速成最大值出现在10~12月，说明10~12月开发利用风能较好。三地年平均风速的变化幅度相当小，年平均风速的值也较小。通过对风速大值区的年平均风速，月平均风速，小时平均风速的变化分析可知四川盆地各个地方平均风速相较于我国的其它地方的平均风速都较小且风速的波动也范围小。
4. 风功率密度指的是气流在单位时间内垂直通过单位截面积的风能，他是描述一个地方风能潜力的最方便最有价值的量。通过对四川省年平均风功率密度的分析可知四川省年平均风功率呈东–西型的空间分布特征，即西部区域年平均风速较高，相应的年平均风功率密度也较高。而东部区域年平均风速较小，相应的年平均风功率密度也较小。四川省年平均风功率密度也呈现出东北–西南型的空问分布特征，即东北域年平均风速较高，相应的年平均风功率密度也较高。而西南部区域年平均风速较小，相应的年平均风功率密度也较小。
5. 选取丹巴和德州两个风功率密度大值区研究风功率密度大值区月平均风功率密度和年平均风功率密度的变化，通过分析可知德昌和丹巴两地的月平均风功率密度最大值均出现在10月左右，说明10月更适合风能发电和风能的利用。前半年即1~6月相比于后半年即7~12月的平均风功率密度的值较小说明后半年更适合风能的开发利用。通过分析可知年平均风功率密度的最大值和年平均风功率密度的最小值和年平均风速的最大最小值是对应的。两个风功率密度大值区年平均风功率密度的值很小，可知四川省大部分地区风能资源状况较差，无法满足风能资源的相关要求。
6. 四川省平均风速的无量纲幂指函数α在低风速下较不稳定，表现出很强的随机性，随着风速的增大，幂指数α呈现出明显增大的趋势并趋于平定。当无量纲幂指函数超过了一定的界线可能就会有强风的发生。由于四川省常年平均风速较小，所以无量纲幂指函数也较小。
参考文献