2.1 极端风速

为保证风电机组的安全性和长期稳定可靠运行，风电机组的设计需要考虑运行环境条件的影响，主要体现在荷载、使用寿命和正常工作等几个方面。各类环境条件分为正常外部条件和极端外部条件，正常外部条件涉及的是长期疲劳荷载和运行状态，极端外部条件是潜在的临界外部设计条件。台风及以上级别热带气旋是风电机组设计和风电场设备选型必须考虑的极端外部条件之一，了解每个工程项目所在区域的设计风速是保障安全度过台风而不发生屈服性破坏的基础。

电力工程在分析设计风速时：①选择代表气象站，然后进行站址环境变迁调查、资料三性分析，计算设计风速；②根据GB50009—2012的风压来反推算设计风速；③根据工程所在环境条件，综合分析两种方法成果合理性，选择其中之一作为设计风速推荐取值。由基本风压计算离地面10m高度处风速，最基本的方法要经过两次换算：首先，由规范基本风压及其风剖面换算至大气边界层梯度高度处风速，再由该风速按工程场地处风剖面换算得出离地10m高度处风速。风电场一般建设有测风塔，而且至少有完整一年数据，因此在分析轮毂高度设计风速时与一般电力工程稍有区别。本节主要介绍风电场各机位轮毂高度重现期计算过程。

2.1.1 气象站设计风速分析

2.1.1.1 站点筛选

作为重现期设计风速计算的参证站，至少满足下列要求：①拥有30年以上测风资料；②站点周围地形平整度较好；③四周较开阔空旷，周围无高大植被阻挡，附近障碍物对测风的最大遮挡角不大于5°；或者测风点与障碍物距离至少大于10倍的障碍物高度；④通过“三性（代表性、一致性、可靠性）”审查。沿海气象站周边环境对比如图2-1所示，其中某些站周边环境已经发生了巨大改变，该站不适宜作为区域代表站，如图2-1（c）所示的气象站受到严重的城市化影响，图2-1（d）所示的气象站与障碍物距离相对较近。

2.1.1.2 资料审核即“三性”审查

选择的气象站点要求具有代表性、一致性和可靠性。

1．代表性

要求选取位于同一气候区，即气候平均状况相似，受城市化发展影响较小的气象站点。

2．一致性

数据的一致性主要是考察气象数据历史序列是否连续、一致。一致性检验的具体方法如下：

根据测站周围环境变化、迁站和更换仪器等情况审查原始序列曲线，若出现明显不连续的年份，称该年为间断年，将该年之前（不包括该年）的风速序列称为子序列1，其后的序列称为子序列2。设子序列1为x1, x2, …, xn1，子序列2为y1, y2, …, yn2，全部数据的平均记为, n1个数据和n2个数据的平均值分别为，于是

全部数据对的偏差平方和为

式（2-2）中右端括号内两个平方和反映了各组数据内部本身的差异程度，称之为组内偏差平方和，右端第二项则反映了两组数据之间的差异程度，称之为组间偏差平方和，要判断组间差异是否显著，就要考虑这两项的比值，需用F检验方法来进行显著性检验，即

取显著性水平0.05, F值的检验标准为：当n（n=n1+n2）≥50时，F＞4;10≤n＜50时，F＞5，可以认为有显著差异。

订正的序列还必须进行订正适当性检验，对于比值订正法，其订正的标准为

例如，对1961—2013年的资料进行均一性检验订正，由于n=53，故只要订正前后序列的相关系数大于0.491，即认为订正是适当的。

3．可靠性

了解气象站使用风速仪器的沿革（仪器型号、安装高度、使用情况、仪器记录风速风向的精度及故障情况），通过地区比较、天气系统过程分析、要素相关分析或专门大风调查，对显著偏大或偏小的风速资料进行分析处理。

2.1.1.3 资料标准化处理

1．高度订正

近地层风速的垂直分布主要取决于地表粗糙度和低层大气的层结状态。在中性大气层结下，对数和幂指数方程都可以较好地描述风速的垂直廓线，实测数据检验结果表明，在华南地区幂指数公式比对数公式能更精确地拟合风速的垂直廓线，GB50009—2012也要求用幂指数律风速廓线公式把不同高度的风速换算高标准高度风速，其表达式为

式中 v——标准高度风速，m/s；

z——风速仪实际高度，m；

vz——风速仪观测风速，m/s；

α——空旷平坦地区地面粗糙度系数，取α=0.15。

采用式（2-5），将区域参证气象站历年最大风速订正到标准高度10m处数值。

2．时次和时距转换

对于区域参证气象站以往非自记的定时观测资料，均应通过适当修正后加以采用，气象站风速资料为定时观测2min平均或瞬时极大值时，应进行观测次数和风速时距的换算，统一订正至GB50009—2012所要求的自记10min平均风速。

（1）计算方法。设v是某气象站某年自记10min平均最大风速，v2是该站同一年的4次或3次定时2min平均最大风速，假定自记10min平均最大风速与定时2min平均最大风速之间的关系为

v 10min=av 2min+b+e

式中 a、b——待定的常数；

e——随机误差项。

通常，可不考虑随机误差项，即

v10min=av2min+b

确定a、b常数的方法如下：

1）从有风速自记记录的台站中，分别挑取年自记10min平均最大风速值，并将其换算到标准高度，得到序列y1, y2, …, yn；

2）从相应的台站及相同年份中对应于yi（i=1, 2, …, n）挑出4次或3次定时2 m in平均最大风速值，并换算到标准高度值，得到与y1, y2, y3, …, yn对应的序列x1, x2, …, xn;

3）根据最小二乘法求常数a、b，即

4）求相关系数R，即

（2）回归效果统计检验。建立了4次和3次定时2min平均最大风速与自记10min平均最大风速相关方程式（亦称回归方程式），其是否真实地反映了变量之间的客观联系、可靠性如何，可以用数理统计中的F检验方法（与站点资料一致性审查中的F检验方法类似），进行回归效果检验。

2.1.1.4 气象站50年一遇最大风速计算方法

目前，国内外公认的不同重现期下最大风速极值计算方法，按样本序列的不同分为长年代序列极值计算、短期序列极值计算和超短序列极值计算等3种模型。对不同时长的样本序列使用的计算方法也不同。所谓长年代序列指每年挑一个极端值组成的样本序列，世界气象组织（WMO）规定，序列年限不少于30年，常用的有Weibull分布、Fisher Tippett（极值Ⅰ型或龚贝尔）分布、P-Ⅲ型分布。

当工程点及邻近海域可利用的资料不足20年时，不适合使用上述3种概率分布模型，推荐使用Poisson-Gumbel联合分布模型。

如果观测资料年代较短，用统计方法推断出的风速代表性差。因此，应用Monte Carlo方法模拟台风，建立台风年最大风速概率分布，推断各重现期风速，以弥补这些地区存在的风速资料问题是一种非常有效的途径。

1．极值Ⅰ型概率分布

极值Ⅰ型（亦称Gumbel分布）的分布函数为

F（x）=exp{-exp[-a（x-u）]}（a＞0, -∞＜u＜∞）

式中 a——分布的尺度参数；

u——分布的位置参数。

重现期为R（概率为1/R）时，有

其参数估计有三种方法，具体如下：

（1）矩法。

一阶矩（数学期望）

y≈0.57222

二阶矩（方差）

由此得到

（2）Gumbel法。Gumbel法是一种直接与经验概率相结合的参数估计方法。假定数据有序序列：x1≤x2≤…≤xn，则经验分布函数为

取序列yi=-ln{-ln[F*（xi）]}（i=1, 2, …, n），可得

（3）极大似然法。在统计学理论上，极大似然法是一种较优的参数估计方法。极值Ⅰ型分布函数的概率密度函数为

当观测资料x1, x2, …, xn给定时，作极大似然函数并取对数，得

将a、u看作变量，将式（2-12），再分别对a、u求导并令其为零，得

参数a、u可用迭代法求解，即

2．P-Ⅲ型概率分布

Pearson-Ⅲ分布（以下简称P-Ⅲ分布）具有广泛的概括和模拟能力，在气象上常用来拟合年、月的最大风速和最大日降水量等极值分布。它的概率密度函数和保证率分布函数为

式中 f（x）——概率密度函数；

p（x）——保证率分布函数；

α——形状参数；

β——尺度参数；

Γ（α）——α的伽玛函数；

x——随机变量；

x0——随机变量x所能取的最小值。

由矩法原理，参数α、β和x0的计算公式为

式中 m——数学期望；

σ——均方差；

cs——偏态系数；

cv——变差系数。

这些数字特征的估计量分别为

式（2-17）～式（2-20）各统计量中，偏态系数含有三阶样本矩，故抽样误差较大，样本实测值与真值cs之间可能会有较大差异，常需要对拟合的线型进行验证及对估计参数进行适当调整，以获得理想的分布曲线。

计算中，一般需要求出指定概率p所对应的随机变量取值xp，也就是通过对密度曲线进行积分，即

求出等于及大于xp的累积概率p值。直接由式（2-21）计算p值非常麻烦，实际做法是通过变量转换，变换的积分形式为

式（2-22）中被积函数只含有一个待定参数Cs，其他两个参数、Cv都包含在Φ中。Φ是标准化变量，称为离均系数。因此，只需要假定一个Cs值，便可从式（2-22）通过积分求出p与Φ之间的关系。对于若干给定的Cs值，美国福斯特和苏联雷布京制作了一定概率β对应的Pearson-Ⅲ型概率曲线的离均系数Φp值表，由Φ就可以求出相应概率p的x值，即

3．Weibull型概率分布

概率密度函数

分布函数

概率为p的气候极值，即

各参数为

4．Poisson-Gumbel型概率分布

由于热带气旋出现的随机性很大，对于某一地点而言，多的年份可以出现几个，少的年份一个都没有，因此常规的重现期极值概率模型如极值Ⅰ型分布、Weibull分布、P-Ⅲ型分布等无法使用。则需要一种既可表达物理现象的随机性又能表达所关注要素确定性的联合分布来拟合，有研究表明Poisson-Gumbel联合分布模型则适合于这种风速序列。

每年热带气旋的强度、移动路径及发生次数是随机的，某海域所受热带气旋影响的次数也是随机的，从而构成某种离散型分布，而热带气旋影响下的最大风速可构成某种连续型分布。假定热带气旋影响的频次n符合Poisson分布，即

式中 N——热带气旋影响总次数；

K——气旋发生次数；

n——总年数。

假设热带气旋影响下风速服从Gumbel分布，即

根据复合极值理论，一个离散型分布和一个连续型分布可构成复合极值分布，即Poisson-Gumbel复合极值分布。其分布函数为

对式（2-29）进行整理得到概率为P的大风极值为

α=1.28255/σ

δ=-0.57722/α

式中 ——样本序列的平均值；

σ——样本序列的标准差。

Poisson-Gumbel联合极值分布的计算步骤如下：

（1）挑取历史上每个影响该区域的热带气旋过程中的最大风速，以保证大风速序列中样本间的相互独立性。为了使样本序列符合Poisson分布，需确定一个风速阈值，大于该阈值则入选热带气旋最大风速序列，根据经验，该阈值大小可以使个别年份没有热带气旋影响，但没有热带气旋影响的年份不能超过总年数的1/10。建立影响该区域的热带气旋最大风速序列。

（2）检验热带气旋出现频数是否符合Poisson分布。首先，对每年热带气旋出现频数进行分组统计，其中设fi为各组实际出现的次数，n为实际总年数，Pi为各组理论分布频数，k为分组数；然后根据（i=0, 1, 2, …, 9）计算并检验热带气旋出现频数是否符合Poisson分布。检验的条件是用计算出的在k-3自由度情况下的χ2与χ20.05进行比较（χ20.05为置信度为0.05的检验阈值）。如果χ2＜χ20.05，则表示所选格点的热带气旋频数符合Poisson分布。如果χ2≥χ20.05，说明热带气旋出现频数不能通过检验，可提高风速阈值以减少样本量，再进行计算，直至通过检验。

2.1.2 风电场设计风速分析

风电场开发建设设计风速取值，依赖于前述代表气象站选择、资料三性订正、标准化处理和不同概率分布函数拟合计算的基础上，推算至风电场每个风电机组点位。风电场开发建设一般与所选取代表气象站之间存在一定距离，而且存在地形和地貌的差别，如山地风电场和近海风电场。因此气象站计算的设计风速很少能直接用于风电场，而需要分析两者之间地形、地貌的差别，进行修正。

风电场开发在场址范围内建设有测风塔，在可行性研究阶段一般至少要收集到整年以上的观测资料，然后将现场测风塔资料和同步代表气象站的资料用相关分析的方法推算至风电场测风塔，再利用小尺度风流体模型推算至每个风电机组的机位。风电场设计风速计算分析过程为：先选择测风塔与气象站相关分析的样本；然后推算测风塔处不同高度设计风速；最后计算每个风电机组机位的设计风速。

2.1.2.1 分析样本的选取

分析设计风速的目的是保障极端风况下风电机组设备及附属构建筑物的安全，因此在评估计算风电场设计风速过程中也需选择台风影响期间的样本。风电机组设备主要参考强风和强湍流共同作用下的平均风和脉动风特性，而这些特性只有在靠近台风中心的眼壁强风区才能够客观、清晰地体现出来。而在实际工程项目开发建设过程中，有些测风年并没有台风影响，或者仅仅有台风外围掠过，因此选择相关分析的样本不一定能够代表强风。

风速观测数据代表性的主要影响因素包括观测位置的区域（或下垫面）代表性以及因天气系统结构的不同而导致的测风数据的代表性问题。如：季风和锋面天气系统的风场大体呈“带状”分布，而台风、龙卷等涡旋型天气系统的风场呈不规则的“环状”分布，两种不同环流结构天气系统的测风数据所能够代表的空间范围以及对平均风况和脉动风况的代表性等均差异很大。对台风而言，其中心、眼壁强风区和外围大风区等不同位置上，近地层风场的三维结构和湍流特性显著不同：水平和垂向风速、风向、湍流等。

气象学家认为，台风观测数据代表性判别，一方面表征所选取用于研究分析的数据是否可以代表台风眼、眼壁区、外围风特征，另一方面表征分析的成果与工程区域的关系，即是否可以用所选取的台风观测数据作为工程区域的代表。阵风系数随平均风速的增加有减小趋势，当平均风速增大到某一阈值后，阵风系数的趋势变化消失并只在一定的变幅内波动；风速继续增大至某一阈值后阵风系数就会基本保持不变。对多个台风观测个例研究发现，下垫面粗糙度和台风强度等因素影响风速阈值的大小，同时强风数据样本选取的风速阈值至少能满足平均风速大到足以使阵风系数的趋势变化消失的条件。

2.1.2.2 推算至场内测风塔

风电场内测风塔一般只有整年资料，能够捕捉到台风的概率较小，因此能够获取台风正面登陆时台风中心及眼壁附近的风速资料概率更低。所以实际计算测风塔处设计风速过程中，需要人为设定测风塔数据样本选择的阈值。从分析设计风速角度出发，阈值应取风速较大值，但又需同时考虑挑选出的样本量能够满足相关分析的要求。具体的推算步骤如下：

（1）根据现场测风塔实测资料挑选超过阈值的10min平均风速样本系列；分析样本期间风速风向、参证站与测风塔的相对位置和距离关系，收集参证站对应的10min平均风速系列。两者之间可能存在延时效应，并非逐时刻对应，尤其是对分析10min平均风速样本而言。

（2）将参证气象站和测风塔数据绘制成曲线图，判断两者之间测到同一质点拉格朗日气流速度的时间差，然后绘制两者之间散点图，进一步判断其相关性。

（3）计算相关系数，并进行显著性检验。

（4）如果上述选择的样本分析计算结果显示两者之间相关性较差，则需调整阈值大小，然后重新进行上述分析。

（5）如果参证气象站与风电场测风塔之间地形地貌差异巨大，或者气象站本身环境受周边城市化影响严重，通过上述过程仍难找到适宜的相关关系。则需采用逐时风速作为分析对象，或者选择超过一定阈值的日最大风速（10min平均风速，1h平均风速）作为分析样本。

2.1.2.3 推算至风电场内每个风电机组点位

因各风电机组点位与测风塔地势地貌类型、相对位置等差别，不宜将测风塔处50年一遇最大风速（或极大风速）直接作为各机位的设计风速，对平坦地形风电场（包括海上风电场）不能直接移用，对复杂地形条件的工程愈加不能直接使用，需要参考以下分析方法：

（1）参考《电力工程水文气象计算手册》8.2.5条给出的地形修正系数方法。

（2）利用简单的微尺度线性风场诊断模型（地转风模型），推算测风塔与各机位的风速关系，适用于简单地形情况下分析计算。

（3）通过RANS（Reynolds Average Navier-Stokes）方法简化湍流动能模型，通过Boussinesq涡黏性假设的方法封闭模式来求解，获取测风塔与各机位的风速关系。该方法考虑了不同位置地形（高程）和地貌（粗糙度）的差别，适用于复杂地形的山地风电场。

随着计算能力不再是解决问题的桎梏，通过求解最接近实际自然流体状态的方程是越来越通常采用的方法。风电场一般采用第三种方法来计算每个机位的设计风速。目前行业内流行软件在计算中一般分16个方向来分析测风塔与机位之间的地形加速效应的相关关系，然后选择保守方式取值原则由测风塔处推算至各机位。

2.1.3 构造台风风场法

通过建立参证气象站、测风塔、机位之间的相关关系推算各机位设计风速的方法严重依赖于参证气象站的资料质量，且受制于所有分析对象之间的地形和地貌的相似度大小，但此为目前阶段解决该问题的基本方法。

上述方法基于点观测数据推算至整个工程所在位置的空间分布。随着气象研究的发展，人们对台风结构和天气动力过程认识的逐步深化，利用台风理论（对称和非对称）模型和数值模拟的方法来重构台风过程逐步成熟。在重构台风结构的基础上，可以获取台风过程中整个风电场范围内各点的最大风速值，进而建立各点年最大风速的历史系列，最后利用频率适线法来推算各点设计风速。

理论上该方法对海上风电场有更好的适用性，一方面滨海城市的气象站受城市化影响较为严重，另一方面海上风电场下垫面与气象站差别更为显著，再者在台风登陆前模型刻画的台风风场比较接近实际情况，因此越远离海岸线该方法适用性越强。该方法强烈依赖于所选择的台风风场模型，且数据主要依据最佳路径数据集资料，因此目前尚未应用于实际工程。

2.1.3.1 Monte-Carlo方法

Monte-Carlo方法模拟台风取决于两个方面：①台风是随机现象，其结构非常相似，其风场可以由几个关键的特征参数来确定，如中心气压差、最大风速半径、移动速度等；②历年台风的特征参数均有记录，或者可间接推断得到。

Monte-Carlo方法也称随机模拟方法，用其估计台风年最大风速概率分布步骤如下：①应用台风各特征参数的历史记录，形成各特征参数的概率分布；②基于各特征参数的概率分布随机抽样产生台风特征参数值，每一组参数组成一个新的模拟台风；③根据台风风场模式，计算每个台风在研究点各时次的风速，取风速中最大值作为此台风在研究点的最大风速，模拟计算足够多的台风后，产生一系列最大风速，它将作为估计台风年最大风速概率分布的基本资料序列；④以模拟计算得到的台风最大风速系列，通过长序列概率计算方法估计台风年最大风速概率分布。Monte-Carlo模拟方法流程如图2-2所示。

2.1.3.2 理论模型构造台风风场

国内外已有不少关于台风海面气压模型的研究，归纳起来主要有三大类：一是理论气压模型，以圆对称气压模型为主；二是经验模型；三是半理论半经验模型。台风风场模型研究主要有两个方面：一是动力理论（梯度风原理）；二是经验风场模型（统计模型）。

关于圆对称台风风场的计算有两种方法：第一种方法是先利用圆对称气压模型计算台风气压分布，然后通过梯度风或地转风方程来计算台风风场；第二种方法是通过假定台风剖面风速按照一定规律分布来得到一个气压分布函数表达式。常见的圆对称气压模型主要有藤田、Myers、Jelesnianski和Holland等模型。这些气压模型都是理想条件下的气压模型，是以台风中心为起点的任意剖面的气压分布函数表达式，通过这个表达式来计算整个海面台风气压场。以上这些模型比较简单且能够用来对海洋上发展比较成熟的台风进行较好的模拟。

台风风场模型是一个可以表示台风剖面风速分布的函数表达式，常见的有Rankine涡，Jelesnianski、Miller等风场模型。Rankine涡风场模型是一个理论模型，把台风看作是一个旋转的刚体，只能反映出台风风场的基本特征，已有研究指出，Rankine涡风场模型计算得到的风场外围衰减比较快，使得外围风速偏小。Jelesnianski针对Rankine涡风场模型的衰减指数进行了一些调整，并提出了一个修正模型。Miller风场模型也是Rankine涡风场模型的一个修正模型，主要是在计算最大风速半径以外风场时改用变化的衰减指数，而在最大风速半径以内继续采用Rankine涡风场模型公式。

实际上，随着热带气旋逼近陆地，热带气旋风场由原来的轴对称变为非对称分布，大风半径也由原来的圆对称变为非对称。大洋上圆对称和靠近陆地非对称台风卫星云图，如图2-3所示。国内学者开展了大量的研究工作，并提出了改进模型。1994年，陈孔沫通过改进Rankine涡风场分布模式和Jelesnianski台风风场分布模式的联系，提出了一种风速分布廓线优于Rankine和Jelesnianski两个风场模式的风场分布廓线的新模型，并且一定程度上改进了宫崎正卫和Jelesnianski两种移动台风风场计算方法；1993年，盛立芳等基于Myers气压分布式和修正的梯度风方程，引入一条特征等压线拟合方程来改进Myers气压分布公式，提出了一个台风风场合成模式；2002年，朱首贤等从藤田气压模型和宫崎正卫风场模型出发建立了基于特征等压线的不对称气压场和风场模型；2003年，李岩等使用改进后的不对称的藤田气压模型和Myers气压模型，对9615号台风“莎莉”的气压场和风场进行了数值模拟计算，计算结果较未改进的模型更接近真实情况，并且离台站较近时改进的藤田模型对单站风速模拟结果比较好；2004年，黄小刚等引入非对称分布的台风最大风速、最大风速半径等因子，基于七级风圈和十级风圈半径，利用最佳权系数方案得到控制台风外围风速分布的因子，在Chan和Williams提出的切向风廓线模型的基础上得到了一种计算台风海面非对称风场的表达式；2005年，杨支中等基于台风外围闭合特征等压线对圆对称的藤田气压模型进行了改进，得出了非对称台风气压模型以及考虑径向梯度风的风场模型，并且模拟了若干台风过程的风压场，结果比较理想。

2004年，胡邦辉等将藤田气压模型引入到包含摩擦项的平面极坐标水平运动方程组中，在热带气旋最大风速已知的条件下，提出了计算稳态移动非对称热带气旋最大风速半径的方法，得到了从内到外计算热带气旋各个方向最大风速、最大风速半径、风向内偏角、环境气压和风速的方法。该模型仅需要最大风速、中心气压结合给出的计算公式即可计算台风风场，比较适用于计算比较多的台风风场。

2.1.3.3 数值模拟方法

第五代PSU/NCAR中尺度模式（The Fifth -Generation NCAR Pennsylvania State Mesoscale Model, MM5）已经成为目前应用最广泛的中尺度数值模式，广泛应用于暴雨、台风等短期天气研究领域。

在MM5模式之后，美国多家研究部门及大学的科学家共同参与开发研究的新一代中尺度预报模式和资料同化系统WRF（Weather Research Forecast）模式系统。1997年美国国家气象研究中心（NCAR）中小尺度气象处、美国国家环境预报中心（NCEP）的环境模拟中心、FSL的预报研究处和奥克拉荷马大学的风暴分析预报中心四部门联合发起并建立了WRF模式系统的开发计划，该计划得到了美国国家自然科学基金（NSF）和国家海洋大气局（NOAA）的共同支持，随后，又得到了美国宇航局（NASA）、美国空军和海军、环保局、多家大学以及其他研究部门的响应，并共同参与开发研究工作。2000年10月wrf-version1.0发布以来，又多次发布了WRF改进版本，最新版本是2013年9月发布的V3.5.1。目前WRF模式系统已经发展成为集中尺度数值天气预报、三维与四维资料同化、陆面模式和大气化学模式等多种用途和功能的且性能稳定的预报和研究工具，在日常业务工作中发挥着重要作用。

WRF模式是一个完全可压非静力模式，控制方程组都写为通量形式。垂直坐标采用地形跟随静力气压垂直坐标，网格形式采用Arakawa-C格点，有利于在高分辨率模拟中提高准确性。时间积分采用时间分裂显式方案来解动力方程组，即模式中垂直高频波的求解采用隐式方案，其他的波动则采用显式方案。显式时间积分方案提供了2阶和3阶Runge-Kutta时间积分。

与上一代中尺度模式相比，WRF模式集成了多年来在中小尺度天气动力学方面的研究成果。WRF模式采用的Arakawa-C网格、三阶Runge-Kutta时间积分、高阶平流方案、标量守恒差分方案等技术，可以使得模式模式耗散项更小，精度更高，从而使模式的最佳水平分辨率可以达到1～10km。针对中小尺度天气特点，WRF模式对辐射过程、边界层参数化过程、对流参数化过程、次网格湍流扩散过程以及微物理过程等进行了改进和优化处理，发展出了丰富而成套的物理过程选项，模式应用技术人员可根据当地的地形、气候特点加以选择，从而取得较好的数值预报和模拟效果。

在软件设计方面，WRF模式应用了继承式软件设计、多级并行分解算法、选择式软件管理工具、中间软件包（连接信息交换、输入/输出以及其他服务程序的外部软件包）结构，具有单重和多重以及移动嵌套网格功能，特别适合于为用户提供高精度和高分辨率数值模拟结果。