要在BigQuery中使用Array字段，并使用WriteToBigQuery将数据写入该字段，您可以按照以下步骤进行操作：

1. 创建一个具有Array字段的BigQuery表。可以使用以下代码创建一个名为example_table的表，其中有一个名为string_array的Array字段：

from google.cloud import bigquery

# 创建BigQuery客户端
client = bigquery.Client()

# 定义表架构
schema = [
    bigquery.SchemaField("id", "STRING", mode="REQUIRED"),
    bigquery.SchemaField("string_array", "STRING", mode="REPEATED")
]

# 创建表
table_ref = client.create_table("project_id.dataset_id.example_table", schema)

2. 使用WriteToBigQuery将数据写入Array字段。在您的数据流中，您可以使用ParDo转换来构建包含Array字段的数据，并使用WriteToBigQuery将其写入表中。以下是一个示例代码：

import apache_beam as beam
from apache_beam.io.gcp.internal.clients import bigquery

class BuildArrayString(beam.DoFn):
    def process(self, element):
        array_string = ['string1', 'string2', 'string3']
        yield bigquery.BigQueryTableRow(
            id=element['id'],
            string_array=array_string
        )

# 创建Apache Beam管道
with beam.Pipeline() as p:
    # 从某个数据源读取数据
    data = p | beam.Create([{'id': '1'}, {'id': '2'}, {'id': '3'}])

    # 转换数据并将其写入BigQuery
    data | beam.ParDo(BuildArrayString()) | beam.io.WriteToBigQuery(
        'project_id:dataset_id.example_table',
        schema='id:STRING,string_array:STRING',
        create_disposition=beam.io.BigQueryDisposition.CREATE_IF_NEEDED,
        write_disposition=beam.io.BigQueryDisposition.WRITE_APPEND
    )

上述代码中，BuildArrayString类继承自beam.DoFn，并用于构建包含Array字段的数据。在process方法中，我们创建一个包含三个字符串的Array，并使用BigQueryTableRow对象将其与id字段一起返回。

然后，我们使用ParDo转换将数据转换为具有Array字段的BigQueryTableRow对象，并使用WriteToBigQuery将其写入表中。在WriteToBigQuery转换中，我们指定了表的位置、架构和写入策略。

请注意，您需要将'project_id:dataset_id.example_table'替换为您实际的项目ID、数据集ID和表名。确保您的代码中已经设置了正确的身份验证凭据，以便访问BigQuery。