一种基于物理机制与机器学习耦合的中尺度风资源降尺度方法

本发明公开了一种基于物理机制与机器学习耦合的中尺度风资源降尺度方法，属于风力发电风资源评估技术领域。本发明以数字高程数据和中尺度背景风场为输入，依次通过3D地形网格分类、分扇区聚合、地形耦合修正、多模态特征构建以及分地形分扇区的机器学习建模与推理，实现从公里级中尺度风场到百米级局地风场的降尺度模拟。本发明通过构建具备物理意义的地形特征与加速比量化体系，将物理机理以特征形式嵌入轻量级机器学习模型，在保证复杂地形下风场预测精度的同时，大幅提升计算效率，且模型具备良好的可解释性与泛化能力，适用于复杂山地风电场前期的风资源快速评估与微观选址。