丰富的全球风力资源：风力发电的前景和技术预测

全球风力资源很丰富，可以为全球电力提供很大的比重，如图6.4所示。

图6.4 世界风力发电的前景

（来源：EWEA^[3]）

风本身由是太阳辐射到地球表面的热量差异所引起的。当受热的空气上升（例如在赤道）再下降就形成了低压带和高压带，风就是这些压力间流动的空气流。科里奥利力影响着这些风的模式。

在正被选作为风能开发的地方测量风速是合理的要求，在风场项目中典型的做法是在桅杆的不同高度用风速计测量。每8个月或更长时间记录一次数据，或者更多地通过数据记录器记载。用一种叫做测量-相关-预测（MCP）的技术，根据当地气象站的长期数据（10～20年）来修正现场实测数据的相关性。这个做法的最终目标是预测风力发电站所产生的能量。图6.5所示为MCP的流程图和净能量预测过程^[4]。

图6.5 风场能量预测过程

（来源：EWEA^[4]）(www.xing528.com)

在气象站，MCP过程产生了长期风速的预测，必须根据这一预测结果来确定风场周围的风机位置。这项工作是通过风-流模型来完成的，这个模型用到了当地的地形数据和流体动力学。为了使风能发出的电量最大化，尝试了不同的布局（包括风场周围的噪声限制）。很多商业化软件就是用来达到这个目的的。

有些情况下得不到气象数据，结果只有当地数据能用，这将导致风能预测的重大误差，因为当地的风速每年会有很大变化。风能随风速的三次方而改变（也就是说2倍的风速会产生8倍的风力），所以风速预测中很小的误差将导致非常大的风力预测误差。风力预测在近海项目中花费很大，虽然如此，风力预测是必不可少的。MCP通常用于陆地气象站。

因为风能准入容量的增加，风能的预测变得越来越重要，图6.6所示为常用的预测方法。

图6.6 风力发电站输出预测

（来源：EWEA^[4]）

数值天气预测（NWP）模型是一个全球级模型，局部分辨率为几十千米。利用NWP数据作为本地模型的输入，从而得到指定地点的风力预测，这样就将全球风力预测转化为指定风场输出预测。已经证明，这个建模方法具有合理的精度，正被很多输电网运营商应用。这些技术的改进将有助于增加风力发电的准入容量。