廣東省周邊海域風(fēng)能和波浪能聯(lián)合開發(fā)潛力分析

摘 要：參考現(xiàn)有海上風(fēng)電場(chǎng)位置選擇廣東省周邊海域的5處聯(lián)合開發(fā)場(chǎng)址，基于2001—2020年的風(fēng)和波浪再分析數(shù)據(jù)，從資源儲(chǔ)量和穩(wěn)定性等角度對(duì)選址開展資源特征的詳細(xì)分析，并評(píng)估不同額定功率的6種風(fēng)力機(jī)和6種波浪能裝置在選址處的發(fā)電性能。結(jié)果表明，廣東省周邊海域的風(fēng)能和波浪能均有明顯的季節(jié)分布差異，在秋冬季節(jié)更為豐富且更為穩(wěn)定；風(fēng)能和波浪能具有較強(qiáng)的相關(guān)性；風(fēng)力機(jī)額定功率越大平均發(fā)電功率越大，但容量因數(shù)隨額定功率的增大呈現(xiàn)波動(dòng)趨勢(shì)；風(fēng)力機(jī)的容量因數(shù)明顯大于波浪能裝置；綜合考慮多種因素，W2E-215/9.0風(fēng)力機(jī)和Wave Star波浪能裝置更適合投放于所提5處場(chǎng)址。

關(guān)鍵詞：風(fēng)能；波浪能；資源評(píng)估；風(fēng)力機(jī)；波浪能轉(zhuǎn)換

中圖分類號(hào)：P743" " " " " " " " " " " " "文獻(xiàn)標(biāo)志碼：A

DOI：10.19912/j.0254-0096.tynxb.2023-0511

文章編號(hào)：0254-0096（2024）08-0651-09

1. 中國海洋大學(xué)工程學(xué)院，青島 266404；

2. 山東省海洋工程重點(diǎn)實(shí)驗(yàn)室，青島 266100；

3. 青島市海洋可再生能源重點(diǎn)實(shí)驗(yàn)室，青島 266100

0 引 言

作為綠色可再生能源，風(fēng)能和波浪能的開發(fā)利用已成為研究熱點(diǎn)［1］。相比于陸上風(fēng)能，海上風(fēng)能具有更高的功率密度和更低的波動(dòng)［2］。近年來，海上風(fēng)力機(jī)發(fā)展迅速，已進(jìn)入商業(yè)化階段。相比之下，雖然波浪能的發(fā)展還處于早期階段［3］，但由于波浪能分布廣泛、儲(chǔ)量豐富、吸收方式多樣，具備很大的發(fā)展?jié)摿Γ?］。了解待開發(fā)資源的特征是對(duì)其進(jìn)行有效開發(fā)利用的前提。文獻(xiàn)［5］分析了拉丁美洲和歐洲沿海多個(gè)選址風(fēng)能、波浪能的分布，并通過評(píng)估統(tǒng)計(jì)參數(shù)給出了適宜開發(fā)兩種資源的選址。文獻(xiàn)［6］根據(jù)全球波浪數(shù)據(jù)確定了世界范圍內(nèi)波浪能潛力最大的地點(diǎn)；文獻(xiàn)［7］從可用性、相關(guān)性、互補(bǔ)性等方面分析了歐洲深海地區(qū)風(fēng)能和波浪能的資源特征。

關(guān)于中國周邊海域風(fēng)能和波浪能分布特征分析的文獻(xiàn)已有很多［8-14］，研究發(fā)現(xiàn)中國近海風(fēng)能密度豐富的區(qū)域主要分布在福建、浙江和廣東沿海，波浪能資源豐富的海區(qū)為海南島以東、廣東省以南海域。由此可見，廣東省周邊海域?yàn)榘l(fā)展風(fēng)能和波浪能的重點(diǎn)區(qū)域?，F(xiàn)有研究著眼于揭示風(fēng)、浪資源各自的時(shí)空分布，并未針對(duì)聯(lián)合開發(fā)選址開展資源特征的詳細(xì)分析，且未考慮獲能裝置的能力，對(duì)選址海域的預(yù)期電功率輸出估算不足?；诖?，本文參考現(xiàn)有海上風(fēng)電場(chǎng)位置，嘗試在廣東省周邊海域選擇5處聯(lián)合開發(fā)場(chǎng)址，基于20 a的風(fēng)、浪再分析數(shù)據(jù)，從功率密度、變異性、能級(jí)頻率及風(fēng)-浪相關(guān)性等角度對(duì)選址處的資源潛力進(jìn)行分析，計(jì)算6種風(fēng)力機(jī)和6種波浪能裝置的預(yù)期發(fā)電功率，以期為風(fēng)能和波浪能的聯(lián)合開發(fā)提供資源分析和裝置選型參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與備選場(chǎng)址

參考現(xiàn)有風(fēng)電場(chǎng)的位置，本文選擇廣東省周邊海域5個(gè)場(chǎng)址（如圖1中S1～S5所示），其中選址S1（23.39°N，117.23°E）位于汕頭市南澳島附近海域，選址S2（22.60°N，116.04°E）位于汕尾附近，選址S3（21.32°N，111.66°E）、選址S4（21.15°N，111.91°E）和選址S5（20.81°N，111.49°E）位于陽江附近。5個(gè)選址處水深為20～35 m。各場(chǎng)址處的風(fēng)與波浪數(shù)據(jù)來源于WAVEWATCH III（WW3）模式構(gòu)建的再分析系統(tǒng)［15］，模型采用矩形網(wǎng)格，經(jīng)緯向分辨率均為0.2°［16］。

近期研究表明，海洋能開發(fā)潛力評(píng)估至少需10 a數(shù)據(jù)［7］，而20 a是更為理想的數(shù)據(jù)長(zhǎng)度［17］。因此，本文選擇2001年1月—2020年12月20 a的風(fēng)和波浪數(shù)據(jù)，采樣間隔為1 h，包括10 m高度處的風(fēng)速、有效波高和譜峰周期，以此對(duì)上述5個(gè)選址的風(fēng)和波浪資源條件展開分析。

1.2 風(fēng)資源和波浪資源

風(fēng)功率密度和波浪能流密度是常用的風(fēng)能與波浪能特征量，風(fēng)功率密度為：

[Pwind=ρa(bǔ)ir2V2w] （1）

式中：[ρa(bǔ)ir]——[w]米處的空氣密度，[kg/m3]；[Vw]——高度[w]米處的風(fēng)速，[m/s]。

通常，10 m高度處的風(fēng)速較易測(cè)得，然而海上風(fēng)力機(jī)的輪轂高度通常為80 m及以上。故任意高度處的風(fēng)速為：

[Vw=V10·lnzwz0/lnz10z0] （2）

式中：[z0]——地面粗糙度，按實(shí)測(cè)資料統(tǒng)計(jì)，中國一般取0.003 m［18］；[V10]——10 m標(biāo)準(zhǔn)高度處的風(fēng)速，[m/s]。

深水區(qū)波浪能流密度為：

[Pwave=ρwaterg264πTeH2s] （3）

式中：[ρwater]——海水的密度，[kg/m3]；[g]——重力加速度，[m/s2]；[Te]——波浪的能量周期，s；[Hs]——有效波高，m；能量周期可借助與譜峰周期的關(guān)系[Te=0.9Tp]估算得到［19］。

依據(jù)風(fēng)功率密度和波浪能流密度劃分風(fēng)資源和波浪資源等級(jí)，借助資源等級(jí)可更方便地對(duì)比不同選址處的資源情況，表1［5］給出了等級(jí)劃分的標(biāo)準(zhǔn)。

對(duì)風(fēng)能和波浪能的聯(lián)合開發(fā)除評(píng)估其資源儲(chǔ)量外，還需考慮其能量的穩(wěn)定性。較高峰均比的能量不僅會(huì)降低發(fā)電效率，還會(huì)對(duì)設(shè)備安全構(gòu)成威脅。風(fēng)功率密度和波浪能流密度的穩(wěn)定性可由變異系數(shù)[Cv]、季節(jié)變化指數(shù)[Sv]、月度變化指數(shù)[Mv]表征，如式（6）～式（8）所示。[Cv]主要反映能量隨時(shí)間的波動(dòng)，其值越小能量穩(wěn)定性越高；[Sv]反映最富集季度和最貧乏季度間的資源差距，其值越小季節(jié)差異越低。類似地，[Mv]越小月度差異越小。因此，上述系數(shù)的取值越小則能量越穩(wěn)定。

[Cv=σPP] （4）

[Sv=PSmax-PSminP] （5）

[Mv=PMmax-PMminP] （6）

式中：[σP]——風(fēng)功率密度或波浪能流密度的標(biāo)準(zhǔn)差，[Wm2]或[W/m]；[P]——計(jì)算時(shí)間期間內(nèi)的平均風(fēng)功率密度或平均波能流密度，[W/m2]或[W/m]；[PSmax]——風(fēng)功率密度或波浪能流密度的季節(jié)最大值，[W/m2]或[W/m]；[PSmin]——風(fēng)功率密度或波浪能流密度的季節(jié)最小值，[W/m2]或[W/m]；[PMmax]——風(fēng)功率密度或波浪能流密度的月度最大值，[W/m2]或[W/m]；[PMmin]——風(fēng)功率密度或波浪能流密度的月度最小值，[W/m2]或[W/m]。

目前，海上風(fēng)能與波浪能的聯(lián)合利用逐漸成為發(fā)展趨勢(shì)。利用風(fēng)能和波浪能之間的協(xié)同效應(yīng)增加輸出功率的平滑性是聯(lián)合開發(fā)的重要優(yōu)勢(shì)。風(fēng)能-波浪能間的關(guān)聯(lián)程度可用相關(guān)系數(shù)表示，如式（9）所示，相關(guān)性中等或較低表明兩種資源的峰值不同時(shí)出現(xiàn)，有利于裝置結(jié)構(gòu)安全，且可提高電力輸出的互補(bǔ)與穩(wěn)定性。

[R=1Ni=1N（Pwind，i-Pwind）（Pwave，i-Pwave）σPwindσPwave] （7）

式中：[N]——時(shí)間序列的數(shù)據(jù)總數(shù)。

1.3 風(fēng)力機(jī)與波浪能轉(zhuǎn)換裝置選型

為匹配選址處風(fēng)能、波浪能轉(zhuǎn)換為電能的特性，選擇額定功率為1～9 MW的6種風(fēng)力機(jī)；同時(shí)，依據(jù)選址處水深，選擇已開展實(shí)海況測(cè)試并公開功率矩陣的6種波浪能裝置，額定功率從250～7000 kW不等，參數(shù)分別見附錄表A1、附錄表A2。此外，附錄圖A1為6種風(fēng)力機(jī)的功率曲線，將其與選址處風(fēng)速的邊緣分布相結(jié)合可求得風(fēng)力機(jī)的發(fā)電功率[Pwind]［5］。此處將風(fēng)速的功率曲線以1 m/s間隔進(jìn)行離散，得到不同風(fēng)速對(duì)應(yīng)的發(fā)電功率。風(fēng)力機(jī)的平均發(fā)電功率為：

[PE wind=i=1nFiPwi] （8）

式中：[n]——風(fēng)速區(qū)間數(shù)量；[Fi]——風(fēng)輪輪轂高度處不同風(fēng)速的發(fā)生概率，可通過風(fēng)速統(tǒng)計(jì)分析得到；[Pwi]——不同風(fēng)速對(duì)應(yīng)的風(fēng)力機(jī)輸出功率。

類似地，基于有效波高-能量周期的聯(lián)合分布并結(jié)合波浪能裝置的功率矩陣，可求得波浪能裝置的發(fā)電功率［20］，計(jì)算公式為：

[PE wave=i=1nTej=1nHsFijPij] （9）

式中：[nTe]——?jiǎng)澐帜芰恐芷赱Te]的區(qū)間總數(shù)；[nHs]——?jiǎng)澐钟行Рǜ遊Hs]的區(qū)間總數(shù)；[Fij]——不同波況的發(fā)生概率；[Pij]——對(duì)應(yīng)波況下波能裝置的輸出功率，W。

以O(shè)yster和選址S1為例，波能裝置的功率矩陣及對(duì)應(yīng)S1處的波況發(fā)生概率矩陣見附錄表A3和附錄表A4。

風(fēng)力機(jī)和波浪能裝置的發(fā)電性能采用容量因數(shù)表征，計(jì)算公式如式（10）所示。容量因數(shù)越大，代表發(fā)電性能越好。

[Cf=PERP×100%] （10）

式中：[PE]——風(fēng)力機(jī)或波浪能裝置的發(fā)電功率，W；[RP]——額定功率，W。

2 結(jié)果及分析

2.1 風(fēng)和波浪資源分析

計(jì)算5個(gè)選址20 a內(nèi)80 m處的風(fēng)功率密度和海面波浪能流密度相關(guān)參數(shù)，結(jié)果如表2和表3所示。由表2可知，S5處20 a的平均風(fēng)功率密度最大，S1處次之，S3處最小，依次為520.20、515.97和418.26 [W/m2]。因此，從平均風(fēng)功率密度的角度看，S5處的風(fēng)能最豐富，但從風(fēng)能穩(wěn)定性的角度來看，S2處最優(yōu)，其變異系數(shù)及月度差異皆最小。對(duì)于波浪能，S2處20 a的平均波浪能流密度最大，S5處次之，S3處最小。S3處的季節(jié)變化指數(shù)和月度變化指數(shù)均為5個(gè)選址中最小的，說明該選址處波浪能流的季度和月度變化最小，但S1處的變異系數(shù)最小。因此，在2001—2020年期間，該處的波浪能流密度波動(dòng)最小，波浪能最為穩(wěn)定。

為進(jìn)一步研究5個(gè)選址處的風(fēng)功率密度和波浪能流密度隨季節(jié)的變化，分別計(jì)算四季均值和變異系數(shù)，如圖2和圖3所示。春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12—2月。由圖2可知，對(duì)5個(gè)選址而言，冬季的平均風(fēng)功率密度最大，秋季次之，且冬秋兩季的平均風(fēng)功率密度相近，冬季的風(fēng)功率密度變異系數(shù)最小，說明冬季是廣東沿海風(fēng)能最穩(wěn)定且最豐富的季節(jié)。春季和夏季的風(fēng)功率密度均值較小，但也大于80 m處可利用的最小風(fēng)功率密度126 [W/m2]［5］。S3和S4處春夏兩季風(fēng)功率密度均值相近。最小的季節(jié)風(fēng)功率密度均值出現(xiàn)在S1處的夏季，且該選址處冬季和夏季的風(fēng)功率密度差值為5個(gè)選址中最大，冬季約為夏季的3.3倍。5個(gè)選址風(fēng)功率密度的變異系數(shù)均在夏季達(dá)到最大值，說明夏季的風(fēng)功率密度波動(dòng)最明顯，風(fēng)能最不穩(wěn)定。

由圖3可知，與風(fēng)能相似，5個(gè)選址波浪能流密度在冬半年（秋季和冬季）的均值大于夏半年（春季和夏季），說明冬半年的波浪能更為豐富，同時(shí)說明廣東省沿海的風(fēng)與波浪存在較強(qiáng)伴生關(guān)系，風(fēng)能豐富的季節(jié)波浪能也豐富。與風(fēng)功率密度在夏季均值最小的特征不同的是，除S5外，其他4個(gè)選址在春季的平均波浪能流密度均為四季中的最小。此外，S2處波浪能流密度在所有季節(jié)的均值均大于其他選址處，這與表3中呈現(xiàn)的S2處20 a的波浪能流密度均值最大的特征相吻合。夏季波浪能流密度的變異系數(shù)最大，說明夏季波浪能最不穩(wěn)定，而冬季波浪能最為穩(wěn)定。

風(fēng)能-波浪能相關(guān)系數(shù)計(jì)算結(jié)果如圖4所示。由圖4可知，20 a期間的風(fēng)功率密度和波浪能流密度的相關(guān)系數(shù)最小為0.78，對(duì)應(yīng)S3處；最大為0.86，對(duì)應(yīng)S4處。最大值與最小值相差0.08，說明5處選址的風(fēng)能和波浪能具有較強(qiáng)的相關(guān)性。不同選址處不同季節(jié)的風(fēng)能和波浪能的相關(guān)程度略有不同。S3、S4和S5處均為風(fēng)和波浪在春季和冬季時(shí)的相關(guān)系數(shù)較小，而夏季和秋季時(shí)較大。S2處四季相關(guān)系數(shù)十分接近。

在資源評(píng)估中，不同能級(jí)出現(xiàn)的頻率是衡量資源豐度的重要標(biāo)準(zhǔn)［21］。本文依據(jù)表1所示的能級(jí)劃分標(biāo)準(zhǔn)分別計(jì)算2001—2020年5個(gè)選址處不同能級(jí)的風(fēng)功率密度和波浪能流密度及其不同季節(jié)的出現(xiàn)頻率，結(jié)果如圖5、圖6所示。20 a中，5個(gè)選址處的C1和C7能級(jí)頻率最高，其和約占總體的60.33%（S3）～70.43%（S1）。其中C1（即80 m處的風(fēng)功率密度小于126 W/m2）的發(fā)生頻率在26.82%～34.99%之間；C7（即80 m處風(fēng)功率密度大于509 W/m2）的發(fā)生頻率在27.08%～35.44%之間。C1和C7的最大頻率均對(duì)應(yīng)S1處。由圖5不難發(fā)現(xiàn)，C1能級(jí)在春季和夏季占主導(dǎo)，春季S2處的C1出現(xiàn)頻率最大，為42.52%，S5處的C1出現(xiàn)頻率最小，為28.96%。夏季S1處的C1出現(xiàn)頻率最大，為53.9%，S5處的C1出現(xiàn)頻率最小，為37.68%。C7能級(jí)在秋季和冬季占主導(dǎo)，說明秋冬兩季的風(fēng)能資源更為豐富，更具開發(fā)優(yōu)勢(shì)。秋冬兩季C7出現(xiàn)頻率最大的地點(diǎn)均為S1處，出現(xiàn)頻率最小的地點(diǎn)均為S3處。整體上看，5個(gè)選址處低能級(jí)（C1、C2）出現(xiàn)的頻率隨春季到冬季的演變呈先增后減的趨勢(shì)，而高能級(jí)（C6、C7）呈先減后增的趨勢(shì)。

由圖6可知，20 a內(nèi)廣東沿海波浪能級(jí)出現(xiàn)頻率最大的是C1，其次為C2。S3處有89.70%的波浪能流密度對(duì)應(yīng)C1能級(jí)，S3、S4和S5處的C1能級(jí)出現(xiàn)頻率呈遞減的趨勢(shì)，相對(duì)應(yīng)地，C2及以上能級(jí)出現(xiàn)頻率遞增。由圖1選址的位置示意圖不難看出，S3、S4和S5這3個(gè)選址的離岸距離逐漸增大，說明該海域的波浪能隨離岸距離的增加而增加。此外，從能級(jí)出現(xiàn)頻率隨季節(jié)的分布看，春季和夏季C1出現(xiàn)頻率較高，秋季和冬季C2出現(xiàn)的頻率較高，說明冬半年更有利于波浪能的開發(fā)利用。

2.2 風(fēng)力機(jī)和波浪能裝置獲能

本文基于5個(gè)選址的風(fēng)能和波浪能資源條件，對(duì)選擇的6種風(fēng)力機(jī)和6種波浪能裝置的發(fā)電功率進(jìn)行估算，并進(jìn)一步計(jì)算容量因數(shù)，以分析兩種資源轉(zhuǎn)換為電能的潛力，評(píng)估不同裝置的發(fā)電特性。圖7給出了5個(gè)選址處6種風(fēng)力機(jī)的平均發(fā)電功率和容量因數(shù)，其中T1～T6代表額定功率為1～9 MW的6種風(fēng)力機(jī)。由圖7可知，額定功率越大的風(fēng)力機(jī)平均發(fā)電功率越大，但其對(duì)應(yīng)的容量因數(shù)不一定越大。T1風(fēng)力機(jī)的容量因數(shù)始終為最大者，其他依次為T4、T2和T5，T3最小。T6的額定功率為9 MW，在5個(gè)選址處的平均發(fā)電功率均大于4 MW，其中最大值出現(xiàn)在S5處，為4.83 MW。另一方面，由前述風(fēng)資源的分析可知，S5的平均風(fēng)功率密度最大，對(duì)應(yīng)其平均發(fā)電功率亦為5個(gè)選址中的最大值，但并非平均風(fēng)功率密度越大的選址對(duì)應(yīng)的平均發(fā)電功率越大。例如S1的平均風(fēng)功率密度大于S4，但對(duì)于風(fēng)力機(jī)T1、T2、T4和T6來說，S4處的平均發(fā)電功率大于S1。以上說明風(fēng)力機(jī)的輸出功率不僅取決于平均風(fēng)功率密度，還與其功率輸出特性有關(guān)。5處選址和6種風(fēng)力機(jī)共有30種組合，容量因數(shù)的最大值為58.70%，對(duì)應(yīng)S5處的T1，容量因數(shù)的最小值為32.76%，對(duì)應(yīng)S3處的T3。當(dāng)選址確定（即風(fēng)資源特性已知）時(shí)，容量因數(shù)隨風(fēng)力機(jī)額定功率的增大呈波動(dòng)關(guān)系。綜合考慮平均發(fā)電功率和容量因數(shù)，T6（即W2E-215/9.0）更適合投放于以上5處選址。

圖8給出了5個(gè)選址處6種波浪能裝置的平均發(fā)電功率和容量因數(shù)，其中W1～W6代表額定功率為250～7000 kW的6種波浪能裝置。5處選址和6種波浪能裝置共有30種組合，由圖8可知，不同裝置在不同選址處的平均發(fā)電功率差異較大，在4.28～449.39 kW之間。當(dāng)波浪能裝置確定時(shí)，S2處的平均發(fā)電功率為5個(gè)選址中的最大，其次為S5，S3最小，與5個(gè)選址平均波浪能流密度由大到小的順序保持一致。與S1和S3最大平均發(fā)電功率相對(duì)應(yīng)的波浪能裝置為W4，而與S2、S4和S5對(duì)應(yīng)的為W6。由此可見，波浪能裝置的額定功率高并非等同于其平均發(fā)電功率大，裝置的選型應(yīng)基于選址處的波浪條件，使裝置的功率矩陣與選址處有效波高和能量周期的聯(lián)合分布具有良好的一致性。另一方面，平均發(fā)電功率大的波浪能裝置對(duì)應(yīng)的容量因數(shù)不一定大。由圖6b可知，5處選址中W4的容量因數(shù)最大，范圍為37.37%～50.68%，W3次之。裝置的額定功率與成本呈正相關(guān)，在進(jìn)行波浪能裝置選擇時(shí)不應(yīng)以平均發(fā)電功率為單一的選擇標(biāo)準(zhǔn)，還應(yīng)保證容量因數(shù)有較大取值。綜合來看，W4（即Wave Star裝置）更適合于以上5處選址。

3 結(jié) 論

本文基于廣東沿海20 a的風(fēng)、浪再分析數(shù)據(jù)研究風(fēng)能和波浪能資源條件，從平均功率密度、變異系數(shù)、季節(jié)變化、月度變化及不同能級(jí)出現(xiàn)頻率的角度給出了兩種資源的豐度和穩(wěn)定性，并借助相關(guān)系數(shù)探討了其聯(lián)合開發(fā)的可能性。為預(yù)測(cè)不同選址兩種資源轉(zhuǎn)換為電能的潛力，本文選擇了不同額定功率的6種風(fēng)力機(jī)和6種波浪能裝置，估算了各裝置的發(fā)電功率并對(duì)發(fā)電特性進(jìn)行了分析。得出以下主要結(jié)論：

1） 5個(gè)選址中S5處的平均風(fēng)功率密度最大，風(fēng)能最為豐富，S1次之，但S2處風(fēng)能變異系數(shù)最小，風(fēng)能最為穩(wěn)定。S2處的波浪能最為豐富，S5次之，但S1處波浪能最為穩(wěn)定。

2）廣東省周邊海域的風(fēng)能和波浪能均有明顯的季節(jié)分布差異，兩種資源均在秋冬季節(jié)更為豐富，且冬季更適宜開發(fā)利用。

3）5個(gè)選址處均為風(fēng)功率能級(jí)C1和C7出現(xiàn)的頻率最大，低能級(jí)出現(xiàn)的頻率從春季到冬季呈先增后減的趨勢(shì)，而高能級(jí)呈先減后增的趨勢(shì)，中間能級(jí)隨季節(jié)的變化不大。波浪能級(jí)出現(xiàn)頻率最大為C1，其次為C2。

4）5處選址的風(fēng)能和波浪能均具有較強(qiáng)的相關(guān)性，說明廣東省周邊海域的波浪深受風(fēng)的影響。

5）風(fēng)力機(jī)的輸出功率不僅取決于選址處的平均風(fēng)功率密度，還與風(fēng)力機(jī)本身的功率輸出特性有關(guān)。本文中風(fēng)力機(jī)額定功率越大，平均發(fā)電功率越大，但容量因數(shù)隨額定功率的增大呈現(xiàn)波動(dòng)性。

6）波浪能裝置的輸出功率取決于平均波浪能流密度及波浪能在不同時(shí)期的分布。波浪能裝置的選型應(yīng)使其功率矩陣與選址處有效波高和能量周期的聯(lián)合分布具有良好的一致性。

7）綜合考慮多種因素，本文所選的6種風(fēng)力機(jī)和6種波浪能裝置中，W2E-215/9.0風(fēng)力機(jī)和Wave Star（或類似）波浪能裝置更適合投放于本文所提的5處選址。

［參考文獻(xiàn)］

［1］ ZHAO C Y， THIES P R， YE Q， et al. System integration and" coupled" effects" of" an" OWT/WEC" device［J］. Ocean engineering， 2021， 220： 108405.

［2］ LETCHER T M. Wind energy engineering： a handbook for onshore" " and" " offshore" " wind" " turbines［M］." " London： Academic Press， 2017.

［3］ JIN S Y， GREAVES D. Wave energy in the UK： status review" " and" "future" "perspectives［J］." "Renewable" "and sustainable energy reviews， 2021， 143： 110932.

［4］ LI Y N， LIU S Z， XU C L， et al. Experimental study on the cylindrical oscillating water column device［J］. Ocean engineering， 2022， 246： 110523.

［5］ EUGEN R， FLORIN O. A parallel evaluation of the wind and wave energy resources along the Latin American and European coastal environments［J］. Renewable energy， 2019， 143： 1594-1607.

［6］ RUSU L， ONEA F. The performance of some state-of-the-art wave energy converters in locations with the worldwide highest wave power［J］. Renewable and sustainable energy reviews， 2017， 75： 1348-1362.

［7］ KALOGERI C， GALANIS G， SPYROU C， et al. Assessing the European offshore wind and wave energy resource for combined exploitation［J］. Renewable energy， 2017， 101： 244-264.

［8］ 王劍， 李響， 韓雪， 等. 中國近海風(fēng)能資源時(shí)空分布特征分析［J］. 海洋預(yù)報(bào)， 2022， 39（6）： 55-61.

WANG J， LI X， HAN X， et al. Analysis of the spatial and temporal distribution characteristics of wind energy resources in offshore China［J］. Marine forecasts， 2022， 39（6）： 55-61.

［9］ 高成志， 鄭崇偉， 陳璇. 基于CCMP風(fēng)場(chǎng)的中國近海風(fēng)能資源的長(zhǎng)期變化分析［J］. 海洋預(yù)報(bào)， 2017， 34（5）：27-35.

GAO C Z， ZHENG C W， CHEN X. Long-term trend analysis of wind energy resource in the China Sea and adjacent waters based on the CCMP wind data［J］. Marine forecasts， 2017， 34（5）： 27-35.

［10］ 石洪源， 尤再進(jìn)， 羅續(xù)業(yè)， 等. 基于ERA-Interim再分析數(shù)據(jù)的近35年中國海域波浪能資源評(píng)估［J］. 海洋湖沼通報(bào)， 2017， 159（6）： 30-37.

SHI H Y， YOU Z J， LUO X Y， et al. Assessment of wave energy resources for China sea area based on 35 year’s ERA-Interim reanalysis data［J］. Transactions of oceanology and limnology， 2017， 159（6）： 30-37.

［11］ 王小丹， 趙文靜. 基于ERA-Interim再分析資料的南沙海域風(fēng)、浪場(chǎng)特征分析［J］. 海洋預(yù)報(bào)， 2019， 36（2）： 30-37.

WANG X D， ZHAO W J. Characteristics analysis of wind and wave in the Nansha Aera based on ERA-Interim reanalysis data［J］. Marine forecasts， 2019， 36（2）： 30-37.

［12］ 席林通， 李醒飛， 宋龍江， 等. 南海海域波浪能資源模擬評(píng)估［J］. 可再生能源， 2021， 39（4）： 561-568.

XI L T， LI X F， SONG L J， et al. Simulative evaluation of wave" "energy" "resources" "in" "the" "South" "China" "Sea［J］. Renewable energy resources， 2021， 39（4）： 561-568.

［13］ 武賀， 方艤洲， 張松， 等. 南海島礁海域波浪能資源分析及總量評(píng)估［J］. 太陽能學(xué)報(bào)， 2022， 43（9）： 416-423.

WU H， FANG Y Z， ZHANG S， et al. Wave energy characterization and potential estimation for islands of South China Sea［J］. Acta energiae solaris sinica， 2022， 43（9）： 416-423.

［14］ 丁杰， 吳國偉， 杜敏， 等. 基于ERA-Interim再分析數(shù)據(jù)的南海波浪能資源評(píng)估［J］. 太陽能學(xué)報(bào)， 2022， 43（9）： 424-429.

DING J， WU G W， DU M， et al. Evaluation of wave energy resouces in South China Sea based on re-analyzed data of era-interim［J］. Acta energiae solaris sinica， 2022， 43（9）： 424-429.

［15］ YU H M， LI J Y， WU K J， et al. A global high-resolution ocean wave model improved by assimilating the satellite altimeter significant wave height［J］. International journal of applied earth observation and geoinformation， 2018， 70： 43-50.

［16］ 王春曉， 于華明， 李松霖， 等. 基于海浪再分析數(shù)據(jù)的波浪能資源分析［J］. 太陽能學(xué)報(bào)， 2022， 43（9）： 430-436.

WANG C X， YU H M， LI S L， et al. Wave energy resource valuation based on sea wave reanalysis data［J］. Acta energiae solaris sinica， 2022， 43（9）： 430-436.

［17］ MARTíNEZ E， LATORRE-BIEL J I， JIMéNEZ E， et al. Life cycle assessment of a wind farm repowering process［J］. Renewable and sustainable energy reviews， 2018， 93： 260-271.

［18］ 陳建民， 朱紅鈞， 紀(jì)大偉. 海洋工程環(huán)境［M］. 北京： 石油工業(yè)出版社， 2016： 20-21.

CHEN J M， ZHU H J， JI D W. Marine engineering environment［M］." Beijing：" Petroleum" Industry" Press， 2016： 20-21.

［19］ CHEN X P， WANG K M， ZHANG Z H， et al. An assessment of wind and wave climate as potential sources of renewable energy in the nearshore Shenzhen coastal zone of the South China Sea［J］. Energy， 2017， 134： 789-801.

［20］ VANNUCCHI V， CAPPIETTI L. Wave energy assessment and performance estimation of state of the art wave energy converters in Italian hotspots［J］. Sustainability， 2016， 8（12）： 1300.

［21］ 鄭崇偉， 游小寶， 潘靜， 等. 釣魚島、黃巖島海域風(fēng)能及波浪能開發(fā)環(huán)境分析［J］. 海洋預(yù)報(bào)， 2014， 31（1）： 49-57.

ZHENG C W， YOU X B， PAN J， et al. Feasibility analysis on the wind energy and wave energy resources exploitation in Fishing Islands and Scarborough Shoal［J］. Marine forecasts， 2014， 31（1）： 49-57.

ANALYSIS OF JOINT DEVELOPMENT POTENTIAL OF WIND AND

WAVE ENERGY IN SEA AREA AROUND GUANGDONG PROVINCE

Li Yanni 1，Shi Hongda1-3，Cao Feifei1-3

（1. College of Engineering， Ocean University of China， Qingdao 266404， China；

2. Key Laboratory of Ocean Engineering of Shandong Province， Qingdao 266100， China；

3. Qingdao Municipal Key Laboratory of Ocean Renewable Energy， Qingdao 266100， China）

Abstract：In this paper， five sites around Guangdong Province were selected with reference to existing offshore wind farm locations. Based on the wind and wave reanalysis data from 2001 to 2020， a detailed analysis of the wind and wave energy characteristics of the selected sites was carried out from the perspectives of resource storage and stability， and the power generation performance of six types of wind turbines and six types of wave energy converters with different power ratings were evaluated. The results show that there are obvious seasonal differences in the distribution of wind and wave energy in the sea area around Guangdong Province， which are more abundant and stable in autumn and winter； wind and wave energy are strongly correlated； the higher the rated power of the wind turbine， the higher the average power generation， but the capacity factor fluctuates with the increase of rated power； the capacity factor of the wind turbine is significantly larger than that of the wave energy converter； considering various factors， the W2E-215/9.0 wind turbine and Wave Star wave energy converter are more suitable for the five sites selected in this paper.

Keywords：wind energy； wave energy； resource valuation； wind turbines； wave energy converter

附錄A