中國潛在風(fēng)力發(fā)電量的年際變化

王凌霄 魯璽 劉術(shù)艷 林金泰,?

?

中國潛在風(fēng)力發(fā)電量的年際變化

王凌霄1魯璽2劉術(shù)艷3林金泰1,?

1. 北京大學(xué)物理學(xué)院大氣與海洋科學(xué)系, 北京 100871; 2. 清華大學(xué)環(huán)境學(xué)院, 北京 100084; 3. Center for Satellite Applications and Research, National Oceanic and Atmospheric Administration, College Park, MD 20740; ? 通信作者, E-mail: linjt@pku.edu.cn

結(jié)合觀測資料和數(shù)值模擬結(jié)果, 基于GE 2.5 MW風(fēng)機(jī)的功率曲線, 分析1982—2006年中國大陸陸地上潛在風(fēng)電量的年際變化。結(jié)果表明, RegCM3模式風(fēng)速、觀測插值風(fēng)速和兩者平均風(fēng)速對應(yīng)的 25 年平均年潛在風(fēng)電量分別為每年 25, 2.5和11 PWh, 均超過中國2030年預(yù)期電力需求的20% (2 PWh)。三者年潛在風(fēng)電量的相對標(biāo)準(zhǔn)差分別為 3%, 8%和 5%, 相對極差分別為 15%, 33%和 23%, 年際變化較大。由于風(fēng)電和電力需求的季節(jié)性不匹配以及風(fēng)電較大的年際變化, 若僅依靠風(fēng)電, 在夏季容易出現(xiàn)電力缺口, 意味著需要大量后備發(fā)電機(jī)組, 這將提升發(fā)電總成本, 降低風(fēng)電減排效益。

風(fēng)電量; 容量因子; 年際變化

與傳統(tǒng)能源不同, 風(fēng)力發(fā)電不依賴化石燃料的燃燒, 在風(fēng)機(jī)運(yùn)行期間沒有溫室氣體排放, 因此風(fēng)能被視為應(yīng)對全球變暖的有效手段之一[1]。進(jìn)入21世紀(jì), 以風(fēng)能為主的可再生能源在世界范圍內(nèi)迅速發(fā)展, 截至2013年末, 全球風(fēng)電累積裝機(jī)達(dá)到318.1 GW[2], 中國風(fēng)電累積裝機(jī)已達(dá)91.4 GW[2]。由于中國能源需求快速增長, 石油對外依存度較高[3], 加之氣候變暖背景下巨大的減排壓力, 因此發(fā)展風(fēng)電對中國具有重要意義。

風(fēng)速的多變導(dǎo)致風(fēng)電具有復(fù)雜的時(shí)間變化性, 這是風(fēng)電開發(fā)的挑戰(zhàn)之一。瞬時(shí)的變化導(dǎo)致風(fēng)電輸出功率波動大、并網(wǎng)困難[4], 月際和年際的變化可能導(dǎo)致電力供給的缺口, 需要配置以火電和水電為主的大量備用機(jī)組[5], 這不僅造成發(fā)電總成本上漲, 而且可能削弱風(fēng)電的減排效益。

文獻(xiàn)中對風(fēng)資源年際變化的研究, 以對近地面觀測風(fēng)速年際變化的分析為主。大量研究結(jié)果顯示, 近50年來中國近地面風(fēng)速存在逐年減小的趨勢[6-10], 1990年后這種減小趨勢有所減弱[10]。僅依賴氣象觀測資料分析風(fēng)速或風(fēng)能資源的年際變化存在一定的局限性[11], 包括觀測高度與風(fēng)機(jī)輪轂高度不匹配、氣象站分布稀疏、易受城市化影響等。

基于中尺度模式分析風(fēng)功率密度(正比于風(fēng)速的三次方[12-13])的年際變化, 是研究風(fēng)資源年際變化的另一種重要手段。Pryor等[14]和江瀅等[15]利用包括RegCM3 (Regional Climate Model 3)在內(nèi)的多個區(qū)域模式, 分別分析美國和中國 20 世紀(jì)后期的風(fēng)功率密度分布。本研究也采用 RegCM3 模式。中尺度模式一般由全球模式或者再分析資料提供邊界條件。再分析資料中近地面風(fēng)速相對于觀測資料差異較大[7,16-18], 中尺度模式 RegCM3 對中國近地面風(fēng)速的模擬相對于觀測資料偏高[19]。由于觀測資料和中尺度數(shù)值模式各自的局限性, 在沒有更高空間分辨率的數(shù)值模式資料的情況下, 將兩者結(jié)合起來可能是一種較優(yōu)的方案。

風(fēng)速和風(fēng)功率密度與風(fēng)機(jī)輸出功率之間存在復(fù)雜關(guān)系。由 GE 2.5 MW 風(fēng)機(jī)功率曲線(圖 1)可知, 風(fēng)機(jī)的輸出功率與風(fēng)速之間不存在線性關(guān)系, 風(fēng)機(jī)的輸出功率與風(fēng)功率密度之間也不存在線性關(guān)系。因此, 風(fēng)速和風(fēng)功率密度的年際變化不能直觀地反映潛在風(fēng)電量的年際變化。

目前, 廣泛應(yīng)用 CF 因子(capacity Factor, 一段時(shí)間內(nèi)風(fēng)機(jī)輸出功率與額定功率之比)定量分析潛在風(fēng)電量的大小[4,13,20-24], 研究的時(shí)間尺度通常為幾個月到數(shù)年, 有關(guān)潛在風(fēng)電量年際變化的研究較少。然而, 風(fēng)機(jī)的生命周期通常在 20 年左右[25-26]。在風(fēng)機(jī)生命周期尺度下, 分析潛在風(fēng)電量的年際變化, 有助于電力系統(tǒng)對風(fēng)力發(fā)電做出更穩(wěn)健的規(guī)劃, 也可以更精確地評估風(fēng)電的減排效益。

本文結(jié)合地面觀測資料和 RegCM3 數(shù)值模擬結(jié)果, 采用基于風(fēng)機(jī)功率曲線的計(jì)算方法, 估算中國大陸陸地上 1982—2006 年間不同年份的潛在風(fēng)電量, 在接近風(fēng)機(jī)生命周期(20 年)和短期氣候變化周期(30 年)[27]的時(shí)間尺度下, 分析潛在風(fēng)電量的年際變化, 為更精確地評估風(fēng)電經(jīng)濟(jì)效益和減排效益打下基礎(chǔ)。

1 資料來源及研究方法

1.1 資料來源

1.1.1 風(fēng)機(jī)資料

不同風(fēng)機(jī)的功率曲線大致類似, 在數(shù)值上有所差異, 對風(fēng)機(jī)的選擇將在一定程度上影響對潛在風(fēng)電量的估計(jì)。本文關(guān)注風(fēng)電量的相對年際變化, 采用何種風(fēng)機(jī)可能對此影響不大, 故假定采用 GE 2.5 MW風(fēng)機(jī), 其扇葉半徑為50 m, 輪轂高度為100 m, 額定輸出功率為 2.5 MW。在標(biāo)準(zhǔn)空氣密度(1.225 kg/m3[13,24])下, 其功率曲線如圖 1 所示, 其切入風(fēng)速為 3.5 m/s, 切出風(fēng)速為 25 m/s, 額定風(fēng)速為 12.5 m/s?；谄涔β是€計(jì)算潛在風(fēng)電量, 需 100 m高度的風(fēng)速數(shù)據(jù)。此外, 許多研究將高度 100 m 左右作為分析風(fēng)能資源的參考高度[4,13,22-23,28]。

1.1.2 氣候模式資料

本研究采用的 RegCM3 模式數(shù)據(jù)[29]被許多研究者用于風(fēng)能資源分析[14-15,19], 具有一定的模擬中國區(qū)域近地層風(fēng)速變化的能力[15], 其水平分辨率為30 km × 30 km, 時(shí)間分辨率為3小時(shí), 輸出近地面10 m 高度及模式各高度層的風(fēng)速。此外, 本研究基于 RegCM3 模式近地面不同高度層的風(fēng)速以及冪律形式風(fēng)廓線函數(shù)(其中是摩擦系數(shù),是高度的風(fēng)速,0是高度0的風(fēng)速)[24,30], 插值得到100 m高度的風(fēng)速。

1.1.3 觀測資料

翻轉(zhuǎn)課堂(flipped classroom，簡稱FC)是指通過借助現(xiàn)代教育技術(shù)手段預(yù)先錄制授課視頻來取代傳統(tǒng)的課堂知識講授，并在網(wǎng)絡(luò)上進(jìn)行共享，要求學(xué)生課前自主觀看學(xué)習(xí)，然后利用課堂時(shí)間集中解決學(xué)生在觀看視頻時(shí)所產(chǎn)生的困惑和疑問，實(shí)現(xiàn)知識內(nèi)化的一種教學(xué)形態(tài)[1]。翻轉(zhuǎn)課堂最早起源于美國[2]，自2011年起翻轉(zhuǎn)課堂作為新時(shí)期教學(xué)模式的重大變革被逐步推廣，近年來在我國的基礎(chǔ)教育領(lǐng)域受到許多教育學(xué)者的重視，并開始在我國逐步推廣[3]。

采用美國國家氣候資料中心(NCDC)提供的近地面觀測數(shù)據(jù)[31], 包括中國數(shù)百個觀測站(圖 2) 1982—2006 年的近地面 10 m 高度風(fēng)速數(shù)據(jù), 時(shí)間分辨率為3小時(shí)。依照RegCM3模式格點(diǎn)分布, 將觀測數(shù)據(jù)格點(diǎn)化, 若同一格點(diǎn)有多個觀測站, 則采用各站點(diǎn)的平均風(fēng)速, 并篩選得到 275 個格點(diǎn)觀測數(shù)據(jù)(篩選標(biāo)準(zhǔn): 去除任一年份缺失的觀測數(shù)據(jù)量達(dá)到 20%的格點(diǎn), 去除觀測與 RegCM3 模式 10 m 高度平均風(fēng)速之比小于 0.25 或者大于 1.5 的格點(diǎn))。

本研究采用的數(shù)據(jù)資料時(shí)間尺度長達(dá) 25 年, 超過常規(guī)風(fēng)機(jī)的預(yù)期壽命20年, 接近30年的短期氣候變化周期[27], 可以在風(fēng)機(jī)生命周期和短期氣候變化周期的時(shí)間尺度下, 分析中國潛在風(fēng)電量的年際變化。

1.2 研究方法

1.2.1 觀測插值風(fēng)速的計(jì)算流程

首先, 依照 RegCM3 的 10 m 高度風(fēng)速的水平空間分布, 將觀測站的 10 m 高度風(fēng)速反距離加權(quán)插值到中國大陸所有格點(diǎn)。具體做法是, 將觀測值與 RegCM3 模式風(fēng)速的比值反距離加權(quán)插值到所有格點(diǎn), 再將其乘以RegCM模式風(fēng)速。

然后, 基于工程實(shí)踐中常用的冪律形式風(fēng)廓線函數(shù)[24,30], 利用模式風(fēng)速估算不同格點(diǎn)、不同時(shí)間的摩擦系數(shù), 將水平插值的觀測風(fēng)速(10 m)垂直轉(zhuǎn)化為 100 m 高度的風(fēng)速。我們可獲得的鐵塔觀測數(shù)據(jù)[32](圖 3)表明, 在玉門鐵塔觀測站, 觀測資料和RegCM3模式中, 100 m和10 m高度風(fēng)速的垂直轉(zhuǎn)化關(guān)系是相似的。至于真實(shí)大氣中不同地點(diǎn)、不同時(shí)間的風(fēng)速垂直轉(zhuǎn)化關(guān)系, 有待基于更多鐵塔數(shù)據(jù)的進(jìn)一步研究。

綜上所述, 在標(biāo)準(zhǔn)密度下的 100 m 高度格點(diǎn)化觀測插值風(fēng)速的計(jì)算流程(簡稱觀測插值風(fēng)速)如圖 4 所示。

1.2.2 潛在風(fēng)電量的計(jì)算方法

為了定量計(jì)算潛在風(fēng)電量的大小, 采用基于風(fēng)機(jī)功率曲線的計(jì)算方法, 將風(fēng)速時(shí)間序列轉(zhuǎn)化為風(fēng)機(jī)的 CF 因子, 去除不適合開發(fā)風(fēng)電的區(qū)域, 并減去由于風(fēng)機(jī)相互影響所造成的能量損失, 計(jì)算得到任一格點(diǎn)潛在風(fēng)電量的大小。計(jì)算公式如下:

PWE = Time × RP × CF × (Area ×

LUR × TD) × (1 ? ELR) ,

PWE (potential wind electricity)為任一格點(diǎn)的潛在風(fēng)電量, Time為時(shí)間長度, RP (rated power)為風(fēng)機(jī)額定功率, CF 為 CF 因子, Area 為格點(diǎn)面積, LUR (land utilization rate)為可用于風(fēng)電開發(fā)的土地利用率, TD (turbine density)為風(fēng)機(jī)密度, ELR (energy loss rate)為能量損失率。

由于植被和地形等的限制, 部分區(qū)域不適宜開發(fā)風(fēng)電。本文基于GLCNMO的精度為 1 km 的地表植被數(shù)據(jù)[33], 參考文獻(xiàn)[13,18]的方法, 去除森林、冰雪、水體、城市、農(nóng)田和沙漠地區(qū)以及海拔大于 3500 m 的高原地區(qū)。因?yàn)殡娏ο到y(tǒng)的不同, 本文未納入臺灣地區(qū)的資料。由于缺乏海上風(fēng)速觀測資料, 本文未對近海潛在風(fēng)電量進(jìn)行分析。

風(fēng)機(jī)尾流相互影響造成的能量損失[13,34]是影響潛在風(fēng)電量大小的重要因素之一, 因此需量化分析其影響程度。本文采用文獻(xiàn)[13,30]中的簡化計(jì)算方法, 假設(shè)風(fēng)機(jī)呈矩形陣列分布, 其間距均為 7 倍扇葉直徑(對應(yīng) TD = 2 km?2), 風(fēng)機(jī)尾流相互影響導(dǎo)致的能量損失低于 20%。本文假定這樣的能量損失是 20% (ELR = 20%), 由此計(jì)算出的潛在風(fēng)電量的數(shù)值相對保守。此外, 本文沒有考慮電力傳輸過程中的能量損失, 因此所得結(jié)果是中國大陸并網(wǎng)前的潛在風(fēng)電量。

本文對潛在風(fēng)電量的計(jì)算過程相對簡單, 引入了一些不確定性。就不確定性的來源而言, 第一, 觀測資料和數(shù)值模擬結(jié)果對區(qū)域風(fēng)速的代表性有限; 第二, 風(fēng)機(jī)的功率曲線存在一定的不確定性, 約為 6%~8%[24]; 第三, 本文簡單量化風(fēng)機(jī)尾流相互影響造成的能量損失[13,30], 與真實(shí)情況之間存在差異。對可能引入的不確定性因素做進(jìn)一步分析, 將獲得對潛在風(fēng)電量的年際變化的更多認(rèn)知。

2 中國大陸CF因子的分布和潛在風(fēng)電量的年際變化

2.1 中國大陸CF因子的分布情況

CF 因子的分布情況是計(jì)算中國年潛在風(fēng)電量的基礎(chǔ), 也是分析潛在風(fēng)電量年際變化的基礎(chǔ)?；谟^測插值得出的 100 m 風(fēng)速數(shù)據(jù)以及 RegCM3模式 100 m 風(fēng)速數(shù)據(jù), 能夠計(jì)算得到兩組 CF 因子分布。此外, 本文引入觀測插值與RegCM3模式的100 m高度平均風(fēng)速, 得到另一組CF因子分布。

從圖 5 可知, 3 組數(shù)據(jù)對應(yīng)的 1982—2006 年 CF因子平均值的區(qū)域分布具有相似的特征: 風(fēng)能資源最豐富的地區(qū)位于內(nèi)蒙古、新疆北部、東北地區(qū)和東南沿海地區(qū), 區(qū)域分布與中國氣象局第四次風(fēng)能資源普查的結(jié)果[28]相似。3 組數(shù)據(jù)的 CF 因子有一定的差異, RegCM3模式對應(yīng)的CF因子最大, 觀測插值對應(yīng)的 CF 因子最小, 觀測插值和RegCM3 模式平均風(fēng)速對應(yīng)的CF因子位于兩者之間。

3組數(shù)據(jù)對應(yīng)的CF因子的年際相對標(biāo)準(zhǔn)差(CF因子相對標(biāo)準(zhǔn)差 = CF 因子標(biāo)準(zhǔn)差 / CF 因子平均值)在分布上具有相似的規(guī)律: 風(fēng)能資源豐富的地區(qū), CF因子的年際相對標(biāo)準(zhǔn)差較小, 適宜風(fēng)電開發(fā); 反之, 風(fēng)能資源較貧瘠的地區(qū), CF 因子的年際相對標(biāo)準(zhǔn)差較大, 可能影響風(fēng)電開發(fā)的經(jīng)濟(jì)效益。關(guān)于CF 因子年際相對標(biāo)準(zhǔn)差, 觀測插值風(fēng)速對應(yīng)的數(shù)值最大, RegCM3 模式對應(yīng)的數(shù)值最小, 觀測插值和 RegCM3 模式平均風(fēng)速對應(yīng)的數(shù)值也位于兩者之間。

根據(jù)前面的討論, 觀測站資料可能低估中國近地面風(fēng)速[11], 而中尺度模式RegCM3對中國近地面風(fēng)速的模擬相對于觀測風(fēng)速偏高[19]。觀測插值與RegCM3模式的平均風(fēng)速所對應(yīng)的CF因子位于兩者之間, 其年際變化幅度也位于兩者之間, 其風(fēng)能資源的區(qū)域分布與中國氣象局第四次風(fēng)能資源普查的結(jié)果[28]較為接近, 因此本文主要基于此平均風(fēng)速展開討論。

2.2 不同CF閾值對應(yīng)的潛在風(fēng)電量

倘若只在CF因子大于一定閾值的區(qū)域開發(fā)風(fēng)電, 潛在風(fēng)電量的數(shù)值將會隨著 CF 閾值的提升而減少。Lu 等[13]分析了全世界潛在風(fēng)電量的數(shù)值與CF 閾值的關(guān)系, Brower[22]和Elliott 等[23]分析了美國潛在的風(fēng)電裝機(jī)功率與 CF 閾值的關(guān)系。本文分析中國年潛在風(fēng)電量與CF閾值的關(guān)系。

圖 6 顯示利用 3 組數(shù)據(jù)(RegCM3模式風(fēng)速、觀測插值風(fēng)速、兩者平均風(fēng)速)分別得到的年潛在風(fēng)電量隨25年平均CF閾值的變化, 區(qū)域的上下界反映在不同 CF 閾值下 1982—2006 年間年潛在風(fēng)電量的最大值與最小值。由圖 6 可知, 對于年潛在風(fēng)電量的估計(jì)而言, 基于 RegCM3 模式的估計(jì)值較大, 較為激進(jìn); 基于觀測插值的估計(jì)值較小, 較為保守; 基于觀測插值與RegCM3模式平均風(fēng)速的估計(jì)值居中。

當(dāng)CF閾值變化時(shí), 3組數(shù)據(jù)對應(yīng)的年潛在風(fēng)電量的變化特征相似。從圖 6 可知, 在 CF 閾值低于10%時(shí), 風(fēng)力發(fā)電量隨著 CF 閾值增加呈緩慢下降趨勢; 當(dāng) CF 閾值大于某一界限時(shí), 風(fēng)力發(fā)電量隨著 CF 閾值增加而快速下降, 直至下降速度趨緩, 年潛在風(fēng)電量趨于零。

2013 年, 中國并網(wǎng)風(fēng)電設(shè)備平均利用小時(shí)數(shù)為2080 小時(shí)[35], 對應(yīng)的 CF 因子約為 24%。另一方面, 中國氣象局第四次風(fēng)能資源普查設(shè)定的閾值之一是風(fēng)功率密度大于等于 400 W/m2, 對應(yīng)的年平均風(fēng)速約為 7 m/s[28]。該平均風(fēng)速對應(yīng)GE 2.5 MW風(fēng)機(jī)的 CF 因子約為 26%。作為分析的參考值, 本研究將 CF閾值定為25%。

設(shè)定 CF 閾值為 25%, 基于觀測插值與RegCM3模式的平均風(fēng)速這組數(shù)據(jù), 中國大陸年潛在風(fēng)電量的多年平均值約為每年11 PWh。中國2012年的電力消耗約為5 PWh, 2030年的電力消耗預(yù)計(jì)約為11 PWh[36], 均與之相差不大。全球風(fēng)能理事會預(yù)測: 到 2030 年, 風(fēng)力發(fā)電可以提供全球 20%的電力需求[37]。從本研究的計(jì)算結(jié)果來看, 中國的風(fēng)能資源足以滿足 2030 年 20%的電力需求(約 2 PWh)。

表1列舉不同研究者用以估算中國潛在風(fēng)電量的大致方法和得出的結(jié)論。在 100 m 左右高度, 本研究對中國潛在風(fēng)電量的估計(jì)值為每年 11 PWh, 低于 Lu 等[13]的估計(jì)值(每年 39 PWh), 高于中國氣象局估計(jì)值(每年 5 PWh)[28]。本研究基于 RegCM3 模式的估計(jì)值(每年 25 PWh)比較接近 Lu 等[13]基于 GEOS-5 DAS 再分析資料的估計(jì)值。本研究的結(jié)果與文獻(xiàn)[28]的結(jié)果差異較大, 可能的原因如下: 一方面, 文獻(xiàn)[28]中只估計(jì)風(fēng)電的潛在開發(fā)量(潛在裝機(jī)功率), 而為了與其他研究對比, 本研究將其乘以風(fēng)電設(shè)備平均利用小時(shí)數(shù)以估計(jì)潛在風(fēng)電量, 這樣的估算方法可能存在誤差; 另一方面, 在更為充足的地理資料基礎(chǔ)上, 文獻(xiàn)[28]中剔除不可開發(fā)風(fēng)能區(qū)域的設(shè)定更加嚴(yán)格, 因此對風(fēng)能資源的估計(jì)可能更為保守。在估計(jì)年潛在風(fēng)電量大小的基礎(chǔ)上, 本研究進(jìn)一步分析其年際變化, 對前人的研究有所推進(jìn)。

表1 不同研究對中國年潛在風(fēng)電量的估計(jì)

注: *由潛在開發(fā)量(潛在裝機(jī)功率)以及 2013 年中國并網(wǎng)風(fēng)電設(shè)備平均利用小時(shí)數(shù)(2080 小時(shí))相乘所得的估計(jì)值; WPD 為風(fēng)功率密度(wind power density); 2.5和25 PWh/a分別為基于觀測插值風(fēng)速和基于RegCM3模式風(fēng)速算得的潛在風(fēng)電量; 基于兩者平均風(fēng)速算得的潛在風(fēng)電量為11 PWh/a。

2.3 中國潛在風(fēng)電量的年際變化

大量研究表明, 近50年來, 中國近地面觀測風(fēng)速呈現(xiàn)逐年減小的趨勢[6-10], 但是這一減少趨勢在1990 年以后有所減弱[10]。本研究的時(shí)間尺度為1982—2006 年, 在此期間潛在風(fēng)電量的年際變化是研究的重點(diǎn)。

假設(shè)選址條件為 25 年(1982—2006 年)平均的CF因子大于25%, 可以計(jì)算3組數(shù)據(jù)(RegCM3模式風(fēng)速、觀測插值風(fēng)速、兩者平均風(fēng)速)各年份潛在風(fēng)電量。從圖 7 可知, 3 組數(shù)據(jù)具有相似的年際變化特征: 1987年潛在風(fēng)電量最大, 1990年以后的年際變化幅度相對于 1990 年之前較小。RegCM3風(fēng)速、觀測插值風(fēng)速、兩者平均風(fēng)速對應(yīng)的多年平均年潛在風(fēng)電量分別是每年 25, 2.5 和 11 PWh, 三者的年潛在風(fēng)電量差異較大。究其主要原因, 可能是RegCM3 模式 10 m 風(fēng)速相對于觀測值偏高[19]。年潛在風(fēng)電量的相對標(biāo)準(zhǔn)差分別是3%, 8%和5%, 相對極差(最大值和最小值之差與平均值之比)分別為15%, 33%和23%, 年際變化較大。

對于觀測插值與 RegCM3 模式的平均風(fēng)速這組數(shù)據(jù), 假設(shè)將 CF 閾值分別取20%~35%的一系列數(shù)值, 可得到不同 CF 區(qū)間對總的潛在風(fēng)電量的貢獻(xiàn)情況(圖 8(a))。采用 20%~35%的任一 CF 閾值, 年潛在風(fēng)電量的相對標(biāo)準(zhǔn)差均在 5%左右, 相對極差均在 23%左右, 同比變化范圍在?10%~13%之間, 在某些連續(xù)年份可能出現(xiàn)較大的突變, 這樣的突變在電力規(guī)劃中需要妥善應(yīng)對。本文選取的不同 CF閾值對應(yīng)風(fēng)資源富饒度不同的區(qū)域, 它們的潛在風(fēng)電量的年際變化特征基本上一致。

假若依據(jù)各年份的 CF 因子進(jìn)行選址, 其結(jié)果可能出現(xiàn)顯著差異?；诿磕甑?CF 因子分布, 按CF 閾值進(jìn)行選址, 可以算得每年的潛在風(fēng)電量(圖8(b)), 因此圖 8(b)中同一 CF 閾值對應(yīng)的每年風(fēng)電場選址不同。假設(shè) CF 閾值為 25%, 年潛在風(fēng)電量的相對標(biāo)準(zhǔn)差約為 15%, 相對極差約為 62%。相對于圖 8(a), 圖 8(b)中年潛在風(fēng)電量的年際變化顯著加大。許多研究者利用單年或者數(shù)年的數(shù)據(jù)分析風(fēng)能資源[13,38], 他們對年潛在風(fēng)電量的估計(jì)和基于多年資料的估計(jì)可能存在較大差異, 且無法分析風(fēng)機(jī)生命周期內(nèi)潛在風(fēng)電量的年際變化。

2.4 月潛在風(fēng)電量的年際變化

風(fēng)能資源具有季節(jié)性特征, 月潛在風(fēng)電量亦存在一定的年際變化。假設(shè) 25 年平均 CF 閾值設(shè)為25%, 計(jì)算得到 1982—2006 每月潛在風(fēng)電量(乘以10%)如圖9所示。對 25 年中同一月份的潛在風(fēng)電量而言, 其年際相對標(biāo)準(zhǔn)差約為 13%, 相對極差在40%~70%之間。相對于年潛在風(fēng)電量的年際變化, 月潛在風(fēng)電量的年際變化更為顯著。

由于潛在風(fēng)電量和電力需求的季節(jié)性變化, 若僅依靠風(fēng)力發(fā)電, 在某些月份可能出現(xiàn)電力缺口。假如用 1982—2006 年平均年潛在風(fēng)電量的 10%供應(yīng) 2012 年電力需求的20%, 在 7—9 月容易出現(xiàn)電力缺口, 8 月電力缺口在極端年份可達(dá)電力需求的約 50%。因此, 用風(fēng)電供電需要配置較大規(guī)模的后備發(fā)電機(jī)組[5], 以填補(bǔ)風(fēng)力發(fā)電的電力缺口。假如用火電作為風(fēng)電的后備發(fā)電機(jī)組, 意味著風(fēng)電代替的火力發(fā)電機(jī)組中, 有一半需定期維護(hù), 作為后備,這樣, 將提升風(fēng)力發(fā)電的總成本, 降低風(fēng)力發(fā)電減排效益。

就季節(jié)性而言, 風(fēng)電和水電具有良好的季節(jié)互補(bǔ)性[39-40], 在不同季節(jié)風(fēng)電和水電可互為后備發(fā)電機(jī)組, 由此可控制總成本, 提高減排效益。從圖 9可知, 25 年平均的月潛在風(fēng)力發(fā)電量與 2012 年的月水力發(fā)電量具有良好的互補(bǔ)性, 但因?yàn)樵嘛L(fēng)電量和月水電量都具有較大的年際變化, 在某些年份這樣的互補(bǔ)性可能不顯著, 需進(jìn)一步研究。

3 總結(jié)

風(fēng)速的多變導(dǎo)致風(fēng)電具有復(fù)雜的時(shí)間變化性, 對風(fēng)電開發(fā)提出挑戰(zhàn)。在接近風(fēng)機(jī)生命周期(20 年)和短期氣候變化周期(30 年)的時(shí)間尺度下, 本文分析了中國大陸陸地上潛在風(fēng)電量的年際變化, 對于量化風(fēng)電的經(jīng)濟(jì)效益和減排效益具有重要意義。

根據(jù)本文的簡化計(jì)算, 中國風(fēng)資源較豐富, 年際變化較大。RegCM3 模式風(fēng)速、觀測插值風(fēng)速和兩者平均風(fēng)速對應(yīng)的 1982—2006 年平均年潛在風(fēng)電量分別是25, 2.5和11 PWh, 均超過中國2030年預(yù)期電力需求的 20% (2 PWh)。年潛在風(fēng)電量的相對標(biāo)準(zhǔn)差分別是 3%, 8%和 5%, 相對極差分別為15%, 33%和23%, 年際變化較大。

本文研究結(jié)果顯示, 對于觀測插值與 RegCM3模式的平均風(fēng)速這組數(shù)據(jù), 將 CF 閾值分別取 20%~ 35%范圍內(nèi)的一系列數(shù)值, 年潛在風(fēng)電量的相對標(biāo)準(zhǔn)差均在 5%左右, 相對極差均在 23%左右, 同比變化范圍在?10%~13%之間。在電力規(guī)劃中需妥善應(yīng)對這樣的年際變化。

同時(shí), 研究結(jié)果顯示, 風(fēng)電與電力需求的季節(jié)變化具有不匹配性。如果僅依靠風(fēng)力發(fā)電, 在夏季容易出現(xiàn)電力缺口, 加上風(fēng)電較大的年際變化, 在平均潛在風(fēng)電量最小的 8 月, 電力缺口在極端年份可達(dá)電力需求量的約 50%。因此, 用風(fēng)電供電需配置較大規(guī)模的后備發(fā)電機(jī)組, 將提升發(fā)電的總成本, 降低風(fēng)電減排效益。

本研究簡化計(jì)算各年份的潛在風(fēng)電量, 所依賴的數(shù)據(jù)資料較少, 而且簡化計(jì)算方法可能存在一些缺陷, 計(jì)算結(jié)果可能存在一些不確定性。今后的研究需對可能引入的不確定性因素進(jìn)行細(xì)致分析, 以獲得對潛在風(fēng)電量年際變化的進(jìn)一步認(rèn)知。

致謝 對在本文撰稿過程中給予幫助的北京大學(xué)物理學(xué)院大氣與海洋科學(xué)系張宏升教授和燕瑩瑩、倪睿婧、劉夢瑤同學(xué), 以及北京大學(xué)醫(yī)學(xué)部程雅琳同學(xué), 致以誠摯的謝意。

參考文獻(xiàn)

[1]Ming Z, Kun Z, Jun D. Overall review of China’s wind power industry: status quo, existing problems and perspective for future development. Renewable & Sustainable Energy Reviews, 2013, 24: 379?386

[2]全球風(fēng)能理事會. 2013全球風(fēng)電統(tǒng)計(jì). 風(fēng)能, 2014(2): 60-63

[3]趙俊平, 馬小濤. 我國石油貿(mào)易現(xiàn)狀分析及其改善對策. 黑龍江對外經(jīng)貿(mào), 2011(1): 23?25

[4]Liu Y, Xiao L Y, Wang H F, et al. Investigation on the spatiotemporal complementarity of wind energy re-sources in China. Science China-Technological Scien-ces, 2012, 55(3): 725?734

[5]Li X, Hubacek K, Siu Y L. Wind power in China-Dream or reality?. Energy, 2012, 37(1): 51?60

[6]李艷, 王元, 湯劍平. 中國近地層風(fēng)能資源的時(shí)空變化特征. 南京大學(xué)學(xué)報(bào): 自然科學(xué)版, 2007, 43(3): 280?291

[7]Chen L, Li D, Pryor S. Wind speed trends over China: quantifying the magnitude and assessing causality. International Journal of Climatology, 2013, 33(11): 2579–2590

[8]Lin C G, Yang K, Qin J, et al. Observed coherent trends of surface and upper-air wind speed over China since 1960. Journal Of Climate, 2013, 26(9): 2891? 2903

[9]Jiang Y, Luo Y, Zhao Z, et al. Changes in wind speed over China during 1956–2004. Theoretical and App-lied Climatology, 2010, 99(3): 421?430

[10]Guo H, Xu M, Hu Q. Changes in near-surface wind speed in China: 1969–2005. International Journal of Climatology, 2011, 31(3): 349?358

[11]李澤椿, 朱蓉, 何曉鳳, 等. 風(fēng)能資源評估技術(shù)方法研究. 氣象學(xué)報(bào), 2007, 65(5): 708?717

[12]姚國平, 余岳峰, 王志征. 如東沿海地區(qū)風(fēng)速數(shù)據(jù)分析及風(fēng)力發(fā)電量計(jì)算. 電力自動化設(shè)備, 2004, 24(4): 12?14

[13]Lu X, Mcelroy M B, Kiviluoma J. Global potential for wind-generated electricity. Proc Natl Acad Sci U S A, 2009, 106(27): 10933?10938

[14]Pryor S C, Barthelmie R J. Assessing climate change impacts on the near-term stability of the wind energy resource over the United States. Proc Natl Acad Sci U S A, 2011, 108(20): 8167?8171

[15]江瀅, 羅勇, 趙宗慈. 中國未來風(fēng)功率密度變化預(yù)估. 資源科學(xué), 2010, 32(4): 640?649

[16]Pryor S C, Barthelmie R J, Young D T, et al. Wind speed trends over the contiguous United States. Journal of Geophysical Research-Atmospheres, 2009, 114(D14): 1159?1171

[17]Mcvicar T R, Van Niel T G, Li L T, et al. Wind speed climatology and trends for Australia, 1975–2006: capturing the stilling phenomenon and comparison with near-surface reanalysis output. Geophysical Research Letters, 2008, 35(20): L20403

[18]Vautard R, Cattiaux J, Yiou P, et al. Northern Hemisphere atmospheric stilling partly attributed to an increase in surface roughness. Nature Geoscience, 2010, 3(11): 756?761

[19]Jiang Y, Luo Y, Zhao Z C, et al. Projections of wind changes for 21st century in China by three regional climate models. Chinese Geographical Science, 2010, 20(3): 226?235

[20]Mcelroy M B, Lu X, Nielsen C P, et al. Potential for wind-generated electricity in China. Science, 2009, 325: 1378?80

[21]Sinden G. Characteristics of the UK wind resource: long-term patterns and relationship to electricity demand. Energy Policy, 2007, 35(1): 112?127

[22]Brower M. New US wind energy potential estimates-background and explanation of changes from prior estimates. Albany: AWS Truepower [EB/OL]. (2010?05) [2015?06]. https://www.awstruepower.com/knowledge- center/technical-papers/

[23]Elliott D, Schwartz M, Haymes S, et al. 80 and 100 meter wind energy resource potential for the United States [EB/OL]. Proceedings of Windpower 2010. Albany: NREL. (2010?05) [2015?06]. http://www. nrel.gov/wind/pdfs/48036.pdf

[24]Kwon S D. Uncertainty analysis of wind energy potential assessment. General Information, 2010, 87 (3): 856?865

[25]Fleck B, Huot M. Comparative life-cycle assessment of a small wind turbine for residential off-grid use. Renewable Energy, 2009, 34(12): 2688?2696

[26]Martinez E, Sanz F, Pellegrini S, et al. Life cycle assessment of a multi-megawatt wind turbine. Rene-wable Energy, 2009, 34(3): 667?673

[27]World Meteorological Organization. Calculation of Monthly and Annual 30-Year Standard Normals. WCDP-No. 10, WMO-TD/No. 341, 1989

[28]肖子牛, 朱蓉, 宋麗莉, 等. 中國風(fēng)能資源評估(2009). 北京: 氣象出版社, 2010

[29]Liu S, Gao W, Min X U, et al. China summer precipitation simulations using an optimal ensemble of cumulus schemes. Frontiers of Earth Science in China, 2009, 3(2): 248?257

[30]Masters G M. Renewable and efficient electric power systems. Hoboken: John Wiley & Sons, 2004

[31]Smith A, Lott N, Vose R. The Integrated surface database: recent developments and partnerships. Bull Amer Meteor Soc, 2011, 92(6): 704?708

[32]何玉斐, 張宏升, 劉明星, 等. 戈壁下墊面空氣動力學(xué)參數(shù)確定的再研究. 北京大學(xué)學(xué)報(bào): 自然科學(xué)版, 2009, 45(3): 439?443

[33]Tateishi R, Uriyangqai B, Al-Bilbisi H, et al. Production of global land cover data — GLCNMO. International Journal of Digital Earth, 2011, 4(1): 22?49

[34]Barthelmie R J, Pryor S C, Frandsen S T, et al. Quantifying the impact of wind turbine wakes on power output at offshore wind farms. Journal of Atmospheric and Oceanic Technology, 2010, 27(8): 1302?1317

[35]國家能源局. 2013 年全國 6000 千瓦及以上電廠發(fā)電設(shè)備平均利用小時(shí)情況[EB/OL]. (2014?02?10) [2015?06]. http://www.nea.gov.cn/2014-02/10/c_1331 03830.htm

[36]單葆國, 韓新陽, 譚顯東, 等. 中國“十三五”及中長期電力需求研究. 中國電力, 2015, 48(1): 6?10

[37]Global Wind Energy Council. Global wind energy outlook 2010 [EB/OL]. (2010?10) [2015?06]. http://www.gwec.net/wp-content/uploads/2012/06/GWEO-2010-fi nal.pdf

[38]Elliott D, Schwartz M, Scott G, et al. Wind energy resource atlas of southeast China. Golden: N ational Renewable Energy Lab [EB/OL]. (2002?12) [2015?06]. http://www.nrel.gov/docs/fy03osti/33101.pdf

[39]孫春順, 王耀南, 李欣然. 水電?風(fēng)電系統(tǒng)聯(lián)合運(yùn)行研究. 太陽能學(xué)報(bào), 2009, 30(2): 232?236

[40]尚志娟, 周暉, 王天華. 帶有儲能裝置的風(fēng)電與水電互補(bǔ)系統(tǒng)的研究. 電力系統(tǒng)保護(hù)與控制, 2012, 40(2): 99?105

Interannual Variability of Wind Energy Potential in China

WANG Lingxiao1, LU Xi2, LIU Shuyan3, LIN Jintai1,?

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871; 2. School of Environment, Tsinghua University, Beijing 100084; 3. Center for Satellite Applications and Research, National Oceanic and Atmospheric Administration, College Park, MD 20740; ? Corresponding author, E-mail: linjt@pku.edu.cn

Based on the combined data of observations, RegCM3 model and the power curve of GE 2.5 MW wind turbine, the interannual variability of wind energy potential (WEP) over 1982-2006 in China is analyzed. It is calculated that the WEP of RegCM3 wind, observation-adjusted wind and their mean wind is 25, 2.5 and 11 PWh/a, all more than 20% of China’s expected electricity demand in 2030 (2 PWh/a). Their relative standard deviations of yearly WEP are about 3%, 8% and 5%, and their relative ranges of yearly WEP are 15%, 33% and 23%. Because of the seasonal variation of wind energy and electricity demand, power deficit could occur in summer if relying on wind energy only, resulting in a need of huge backup capacity that reduces the economic benefit and emission benefit.

wind energy potential (WEP); capacity factor; interannual variability

10.13209/j.0479-8023.2015.147

TK81

2015-04-21;

2015-05-26; 網(wǎng)絡(luò)出版日期: 2016-03-18

國家自然科學(xué)基金(41175127, 41422502)和國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(2014CB441303)資助