海上风能资源评估方法与重要性

风能资源评估是开发风电的前提，是进行风电场选址、风机选型、机位布局、发电量估算和经济概算的基础。风资源评估的准确性直接决定着风电开发经济效益的好坏，这一点在投资风险大的海上风电开发中表现得尤为突出。据统计，离岸10km的海上风速通常比沿岸陆上高约25%，则最终发电量约大70%，这样风资源评估的微小误差将会放大成较大发电量误差，最终导致风电开发经济效益的巨大损失。

（一）海上风资源评估的特点

陆上风资源评估技术已经十分成熟，各国都已制定了有关的国家标准，海上风资源评估方法与陆上风资源评估方法具有较大的相似性，如风数据整理及校对、不合理数据筛选、数据订正等。但是由于海上风资源的独有特点，因此在进行海上风资源评估是还需要考虑以下因素的影响：

（1）尾流的影响距离和范围。

（2）海洋气候环境对风电机组维护和可利用率的影响。

（3）气温和水温对近海风速的影响范围以及尾流作用距离的影响。

（4）潮位变化对风速垂直分布的影响。

（5）昼夜海风的变化规律。

目前，在海洋风资源评估的研究方面，欧洲风电技术先进国家如丹麦、德国、英国等走在前列，并取得了很大进展。进行过多年观测、分析和数值模拟，初步建立起了海上风资源评估模型如海岸不连续模型（coastal discontinuity model，CDM）等多个风机尾流模型，揭示了一些海上风况所特有的规律和现象，如海岸对海上风资源分布的影响方式、潮汐对海上风速变化的影响、昼夜海风的变化规律等。这对我国的海上风资源评估具有重大的借鉴与学习价值。

（二）海上风资源评估方法

根据风资源评估在海上风电场建设不同时期其服务对象、目的作用及使用方法的不同，可以将其分为宏观风资源评估和微观风资源评估两个阶段。

1.宏观风资源评估

宏观风资源评估处于海上风电开发规划阶段，其应用对象主要是政府和管理部门，风资源评估结果是国家宏观决策、行业发展和开发规划的重要科学依据。宏观风资源评估方法主要有以下几种：

（1）根据海上气象实测资料（如船舶气象观测、石油平台气象观测、浮标、岛屿气象站观测以及科学考察观测），通过数据统计分析方法获得整个海域的风资源分布状况及风资源储量。

（2）借助计算机软件分析系统，利用中尺度数值模式进行高分辨率的模拟计算，获得整个海域的风资源分布状况及风资源储量。

（3）利用卫星遥感资料［星载无源微波（passive microwave）遥感器、高度计（altimeter）、电子散射仪（scatterometer）和合成孔径雷达（SAR）］，通过统计分析获得整个海域的风资源分布状况及风资源储量。

2.微观风资源评估

微观风资源评估处于海上风电场开发可行性研究阶段，其应用对象主要是风电开发管理和审批部门、风电开发商，其分析结果直接应用于风电场风机布局、风机选型、发电量估计和经济概算。微观风资源评估方法主要是根据海上风电场的实测风资源数据，采用微尺度数值模拟软件（如WAsP、Wind Farmer、Wind PRO等）进行高分辨率模拟计算，分析风电场区域的风况分布，绘制风图谱，进行风机选型、风机排布、发电量计算等微观选址操作。

（三）海上风资源评估

风流动特性对风能产业非常重要，应注意到不同时间尺度下风的变化和对风电场不同的影响。必须要考虑的尺度变化有几秒钟内（湍流）、几分钟内、日、月、季节（自然变化）、年（自然变化）和几十年甚至几百年（极端情况）。

1.常规数据组

风电场早期开发阶段，某个站点或区域进行风资源评估的首要步骤之一是调查合适的数据组，从气象站搜集风速数据信息来预报天气。但是大多数气象数据是在标准10m高度下测量的，这是由世界气象组织（WMO）所规定的。还有不同用途的其他数据源，如为保证空中交通安全的机场测量数据、港口测量数据或保证海航航运安全浮标测量数据和海上石油或天然气平台的测量数据，每个数据组的质量均要得到验证。这包括数据历史信息和其他元数据（例如，仪器规格、仪器支架、数据采集协议和观测高度）。

2.公共测风塔（政府拥有）

一些国家的政府机构通过补贴和资助气象测风杆来加速海上风电行业的发展。科学界助推风能知识领域的发展，在其帮助下，测量质量通常很高。然而，这些措施是罕见的，大部分海上测风塔是私人拥有的，其数据是保密的。测风塔为某一地区提供一般性服务，因而这些测风塔事实上不可能恰好位于某个计划中的风电场中。

3.卫星数据

近年来，卫星图像作为另一种海上风速地图得到广泛应用。卫星技术也存在一些问题。例如，基于对图像解释得到的“风速测量”是一种间接计算方法，即使相对精确度（大面积梯度）确实具有说明性，其精确度也还是有限的。某些地区时间和地点的覆盖范围取决于实际的卫星轨迹，所以可解释为长期平均值。然而，人们致力于基于卫星系统的信息，期望其对风能的利用和开发有所帮助。

4.网格数据组

气象机构的常规气象预报使用大型模型得到所谓的数值天气预报（NWP）。虽然最初创建这些模型并不是完全为了用于气象研究，但它们确实能够创造时间序列，得到网格点的气象参数，提供如风速和风向等数据。通过观测值验证后，可创建追报数据组。虽然数据实际上已经由模型得到，但通过与观测值比对，其质量已得到提升。这些模型数据组能覆盖较大面积，但同时空间分辨率很低。这种情况下，还需应用局部内插方法。该方法同样适用于较为粗糙的垂直分辨率（风速）。

5.风能地图

区域风速大小信息往往绘测于风能地图，此形式确实非常吸引人。一方面，风能地图是使用者的信息源；另一方面，它展示了测量活动和建模工作的结果。大型风能地图（海上）已有出版，因而可辅助初期选址现场勘察。由于基本信息和模型造成较低的分辨率，地图精度通常有限。此外，一个有限区域内的详细风能地图（例如，拟议的风场）需花费更多精力，可用于详细的布局设计。例如，近期由中国气象局（2011）出版的中国海上风能地图。

6.专用气象测风塔

取得当地风速数据组的最好方法是在现场矗立专用测风仪。仪器仪表的质量和设计方案最好尽可能地符合IEC要求，因而观测高度应接近轮毂高度，目前可达100m（及以上）。虽然此做法益处颇多，这种气象测风杆费用昂贵（取决于风场，特别是海水深度）。因此，决定安装气象杆前，项目开发人员需要良好的经营状况。特别是在英国，一些开发商已拥有自己的测风塔，但最后，项目规划的数据组的持续记录时间仅限于1年或许几年，这意味着仍然需要其他信息来源以实现对风场的长期了解。

7.新的测量技术

近些年，其他遥感仪器已应用于风能产业。声雷达和光雷达制造商，即声音探测和测距以及光检测和测距的仪器制造商，因对风能产业产生极大兴趣，积极调整其产品规格以适宜于风能测量的需要。即最大测量范围缩减到200～300m，同时提高垂直分辨率。

光雷达尤其具有不错的应用前景。

声雷达（或光雷达）可作为专用海上风能测量工具选择之一。最好的办法是将仪器放在一个固定的结构上，可以是现有的（如石油或天然气平台）或是专门设置的。前者较为便宜（如果有的话），相比传统的海上测风塔，后者仍相当昂贵。然而，该结构尺寸大小可能小于100m气象测风杆。

将光雷达放置于漂浮物上（如浮标）这一方法相当经济。由于其尺寸小、功耗低，几家公司已开始提供此项服务。考虑到浮标在各个方向连续移动，测量质量需得到进一步验证。此外，通达性是有限和/或耗费多的，因此该系统应尽可能多地具有独立操作能力，需要较高的技术可靠度。(www.xing528.com)

一般而言，光雷达首先面对的挑战是作为一般陆上测量工具，接下来作为海上（浮动装置）测量工具。

（四）产能预测

风电场风资源评估拟定后，下一步是计算拟定风电场的产值。优化过程中风力发电场的特性（风电机组的数量和类型、轮毂高度、位置）均可改变，但需了解预期收益（或者年发电量，AEP）。本书介绍了一般优化计算方法，此方法也适用于与海上具体情况不同的陆上风电场。

1.普适方法

图1-3-1展示了如何从风速信息及其他输入量得到最终结果，即风场年发电量的一般计算方法。

风速，地形和风电机组规格是输入信息。风速和地形信息送入气象模型来模拟当地广义风气候。风电机组规格和风气候信息输入到出力模型得到所需的结果。

2.风速

风资源评估结果为产能预测提供基础，不仅仅需要平均风速。虽然普遍认为风速是评判某个地区风能资源好坏的第一指标，但其他特性也不容忽略。首先是风玫瑰图，风频率是风向的函数，影响风电场的布局优化；第二是频率分布，即每个风速区间的发生频率（图1-3-2）。

图1-3-1　一个风电场年发电量计算流程图

3.地形

风的重要特性之一是其值随高度变化，即风廓线。风廓线的形状由两点决定：一是由地球表面的平滑度，更确切地说是表面粗糙度所造成的机械摩擦效应；二是温度廓线的热效应，热效应造成大气有稳定、不稳定或者中性三种状况。根据定义，中性大气是指大气中的热效应相比机械效应（通常是在高风速下）而言可以忽略不计的情况。

粗糙度为表征地球表面摩擦力的大小，地形粗糙度可以被量化，其表现形式可以是粗糙等级或者是粗糙度（单位：m）。事实上，可将海平面看成一个广阔海域，因而其表面粗糙度是由波浪决定的，粗糙度随着风速的增加而增加。然而，大多数情况下，粗糙度均以平均值计算（0.0002m）。

图1-3-2　风玫瑰图表示某个风电场风向的发生频率

相比于陆上风电场，海上地形（高度）是不相关的。某些情况下，障碍物可能影响风电机组附近风的流动。同样，对海上风电场而言，粗糙度不太重要，因而在此不做过多详细说明。

4.气象模型

风速和地形信息输入到气象模型中。气象模型是基于边界层气象领域的科学研究结果。普遍应用的方法是由丹麦科技大学风能中心（之前是Riso实验室）开发的WAsP软件，需要计算的量包括水平和垂直变换值。

最终要考虑的是时间特性。例如，若有一年风速测量值作为基本信息，必须转换为长期特性值（10～20年），因为长期信息才是研究重点。此外，必须注意到所有的数据集仅代表过去（按定义），而对于产业发展而言只对未来感兴趣。

下面以图1-3-3这一理论示例说明这一点。图中给出一个风力发电场10年期间月发电量序列值，且归一化到100%的平均水平。此例显示少于50%以及超过250%的变化值，对欧洲西北地区较为典型，换句话说，风资源最好月份的发电量是风资源最差月份的5倍。类似地，相同数据平均到1年的结果绘制于图1-3-3。

图1-3-3　示例项目平均月产值数据

从图1-3-4中可以很清晰地看到各年份风速有很大不同。通常做法是采取测量-关联-预测（measurement correlate predict，MCP）的计算方法。

此方法为：一年现场测量值与至少10年的长期参考数据组，例如，从邻近的气象站得到的数据做相关性分析，若有足够的相关性（有不同计算方法），一年测量值可以修正为长期值，参看示例图（图1-3-3和图1-3-4），如果一年有至少85%的值，可考虑计算出100%的水平。

5.风气候

风气候提供的最终结果至少包括长期平均风速，风玫瑰图和风速频率分布。理想条件下，还包括湍流值（强度），并可推出极端值。这些参数在制造商评估风电机组是否符合IEC要求时十分重要。

6.技术

图1-3-4　示例项目平均年产值数据

风电机组信息包括风电机组的技术规格，如轮毂高度、现场机位等基本信息。最重要的是功率曲线（或者是P-v曲线），即给出风速与功率输出间的函数关系；其次是C-t曲线（推力曲线），即考虑风轮前后风速值的变化。

7.年发电量

正在开发的项目需要年发电量的计算结果（AEP），也可理解为输送到电网的长期净年平均发电量。结合实际电能的价格，年发电量是项目收入的主要推动因素。确定风气候后，年发电量通过以下步骤计算得到：

（1）理想发电量。理想发电量（该术语没有被广泛使用）指的是仅考虑风电机组P-v曲线的电力生产值。其结果相当理论化（这是其称为理想发电量的原因），这意味着生产过程中没有丝毫损失，当然也没有尾流损失。因而此结果即是将一个风电场假设为一台风力发电机。

（2）总发电量。总发电量包括（计算的）尾流损失。因而该结果考虑到了风电场不同风电机组的具体机位，风气候特性（风玫瑰图）和风电机组的技术参数（C-t曲线）。视具体情况而定，总的尾流损失是相当多的，尤其是海上风电场。10%～20%的尾流损失是相当常见的。目前已有大量关于如何改善尾流模型的研究，因为其是不确定性的主要来源之一，特别针对于海上可用测量数据较少的情况。

（3）净发电量。净发电量包括所有损失因素的计算和估计值。因为有些因素不适于所有情况，对于具体场址，都必须检查各种可能的影响因素。

8.不确定性分析

通常，最终年发电量的不确定性结果逻辑上是基于普适方法。不确定性可归因于数据和模型步骤。测量工具不可能有无限精度，模型是现实的简化，当然有其局限性。对于海上风电项目，有关项目选址和测量持续时间、测量仪器位置的选取均是考查重点。首先计算有一定不确定性的长期平均风速，单位为m/s；接下来得出这种不确定性，确定这种不确定性对出力的影响（以MW·h/a表示）；然后将风速到出力的确定步骤的所有不确定值累加，得到总的不确定度。