北京虽然地域面积较小、人口密集,可开发利用的风能资源不多,但也有着自己独特的优势.北京地处太行山脉和燕山山脉交汇处,三面环山,全年平均风速特别是冬季和春季风速较大,具有一定的风能开发潜力.本文通过利用MICAPS数据对MM5的输入资料进行同化,并将MM5的模拟结果作为CALMET计算所需的气象场,得到北京及周边区域风能资源的详细分布,并利用3座测风塔观测数据以及北京东部和南部3座气象站风速资料对模拟结果进行检验和分析,最终完成了北京分散式风电场选址的评估.该研究有助于详细掌握北京及周边地区风资源分布,并为今后合理开发利用风能资源特别是分散式风电开发提供一定的技术支持.研究结果表明：从北京地区10、30、50、70 m高度的风速和风功率密度模拟结果来看,各高度层风速与风功率密度的地域分布具有一致性,模拟的风速最大区位于门头沟西北部,而昌平西部、房山北部及延庆西部的风速次之,风速最小区位于顺义和东部城区；风功率密度的模拟显示北京西部地区和西北部地区的风资源较为丰富,北京东部、东南部和东北部及市区周边的风资源相对较小,开发潜力低.模拟结果初步检验表明：MM5与CALMET基本能模拟出风速的日变化特征,模拟和观测具有较好相关性,且通过了显著性水平为0.01,置信度为100％的显著性相关检验；在日均风速模拟中,北梁测风塔处的模拟和观测相关系数最高；模式存在对黄草梁和北梁地区模拟结果偏高、对涧沟地区模拟结果偏低的系统性误差,这可能与模拟区域地形复杂及模式自身分辨率不够等有关；模式基本能模拟出北京东部和南部平原地区风速的日变化特征,但模拟效果有所降低.另外,通过比较,模拟所获得的适于分散式风力发电的地区分布与之前风电建设、规划和评估所得结果较为一致,且补充了部分新的风能装机密度相对丰富区域,可为分散式风电场开发建设提供借鉴.在接下来的研究中,将尝试把精细的地形资料用于MM5中,采用更新的百米量级的数值模拟技术,进一步提高模式的分辨率,并利用加密的气象观测资料,比如自动气象站资料同化模式的初始气象场,使其最终能够细致刻画小范围内复杂地形的风场,为风电场规划选址提供更精确的服务.