由於近年來台灣在再生能源與相關綠能政策上的支持，陸域與離岸風力發電之相關計畫已蓬勃發展。但由於風力發電的不穩定與季節變動影響，特別是以台灣或日本之的複雜地形及島嶼氣候，對於電網系統的建置與發電量造成重大影響。因此精確與可靠的風能評估與預報資料以提供風力發電預測是降低電網調度與電力衝擊之解決方法之一。在風力發電之電力系統中不同時間尺度的預報系統皆有不同領域的應用，極短期預報模式通常應用在電力負載追蹤與操作行為安排等；短期預報模式則應用於電力負載匹配調度等；中期預報模式可以安排風力機是否停機或是後備運轉；長期預報模式則可以安排歲修等維修保養工作。但根據過去的研究資料，台灣目前較無針對風機系統的風力預報與即時發電評估技術，故本次出國實習公差前往東京工業大學機械系學習風能評估與風力發電預報計算，主要指導成員為機械系Feng Xiao教授與CEF(clean energy factory)工程師Dr. Yuzhang Che。實習期間學習利用WRF氣象分析軟體分析日本淡路島風場風速分布，以及淡路島風機之發電預報，分析過程也導入卡爾曼濾波器(Kalman filter)與資料同化方法(Data assimilation)、並採用CFD分析驗證以獲得更準確預報資料。淡路島風力機風場位於淡路島西南方區域，共安裝15台GE(General Electric GE)公司2.5MW水平軸風機，並由日本CEF公司負責運轉維護。安裝塔架為80m與風機旋轉直徑84m，風速量測資料利用風機機艙上方的風速風向儀並採用IEC61400量測標準，以每10分鐘為平均完成風速風量資料收集。研究結果發現利用資料同化方法可以使原始WRF預報資料誤差在ME、RMSE與IA指標分別下降34.6%、23.9%與8.8%，而卡爾曼濾波器則可以分別降低97%、22%與10%誤差。因此相對於資料同化方法的電腦運算量，卡爾曼濾波器提供更加簡易且有效的預報結果。預報確認發電數據後，OpenFOAM計算流體力學程式被使用於驗證以及分析淡路島流場細節，如風速與紊流程度。故在透過大尺度與微觀尺度的流場分析之後對於特定風場之風力發電量可更加準確與可靠的預測並安排相關風機運維為工作。最後此行程期間也實地見習東工大GSIC-TSUBAME2.5氣象分析之平行電腦並與研究人員研究交流，並介紹台灣核能研究所150kW 風機實驗平台以尋求未來雙方的合作機會。