風能資源開發利用的氣象技術應用和發展

宋麗莉，周榮衛，楊振斌，朱 蓉

(中國氣象局風能太陽能資源中心，北京 100081)

1 前言

經濟的發展需要足夠的能源供應作為支撐，社會和經濟發展以及提高人類福祉和健康需要能源和相關服務的不斷增長。提供能源服務，特別是各類化石燃料的消耗引起的溫室氣體排放是歷史上大氣溫室氣體濃度增加的主要因素。可再生能源具有很大的減緩氣候變化的潛力，因此可再生能源的使用可為社會和經濟發展、能源獲取、安全的能源供應以及減少對環境和人類健康的負面影響做出貢獻[1]。

中國能源消費總量在未來相當長的時期內仍將保持一定的增長速度。預計到2020、2030和2050年，中國能源消費需求將分別達到45億～50億t標準煤、55億 ～60億 t標準煤、65億 t標準煤。2009年9月，中國政府向世界承諾“爭取到2020年非化石能源占一次能源消費的比重達到15%左右”。綜合考慮經濟、社會、環境的可持續發展、節能減排和減緩氣候變化等因素，以較低的化石能源增長率和大規模開發清潔能源來支撐較高的經濟增長速度應該成為國家能源戰略的必須選擇[2]。國際上，我國人均能源資源擁有量處于較低水平，煤炭、石油、天然氣等化石能源資源量有限，且分布不均衡。為了切實推動能源生產和消費形式的轉變，我國政府正在大力倡導低碳能源戰略，而風能資源開發利用已經開始并將繼續成為實現低碳能源戰略的主力之一。

在綜合分析我國近期以及未來一段時間風能資源開發利用技術實際和可預期的發展趨勢前提下，以70 m高度層年平均風功率密度大于300 W/m2為基本指標，中國氣象局2011年完成并發布了全國風能資源詳查和評估成果。成果顯示，我國陸地(不包括青藏高原)的風能資源技術開發量約為26億kW，近海水深5～50 m的水深線以內的風能資源技術開發量為5億kW。從我國可開發的風能資源規模和資源總量、開發技術成熟程度和經濟性等指標來看，各項指標均符合我國可再生能源發展領域的基本原則[3]，從而使得風能資源成為我國可再生能源發展的重點領域。根據國家能源局發布的國家可再生能源發展目標，至2050年左右，風電總裝機將達到4億～5億kW，屆時風電在國家總體電源結構中所占的比例將達到1/5左右，風電將成為我國電力供應中的主力電源之一[3]。氣象技術作為支撐風電開發利用的主要專業技術之一，其發展水平及其在風能資源開發利用領域的應用水平將是我國從風能大國向風能強國提升發展的重要指標。

2 影響風能資源開發利用的主要氣象技術

氣象技術的應用貫穿了風能資源開發利用的整個過程，從風電發展規劃、風電場選址、項目可行性研究，到項目建成后的運行管理、風電并網等，無不涉及到氣象技術的應用。

風能資源開發利用涉及的主要氣象技術包括:氣象觀測(測量)技術、氣象統計分析技術、大氣數值模擬評估技術和數值天氣預報技術。目前，我國風能資源開發利用領域的氣象技術應用還沒有得到充分重視，還處于比較初步和粗略的水平，主要表現在氣象觀測設置、操作以及觀測數據質量控制不夠規范和嚴謹，氣象統計分析、數值模擬和數值預報技術的專業化應用程度較低。

3 風能資源測量

3.1 風能資源測量技術應用現狀和存在問題

3.1.1 風能資源測量技術應用現狀

在風電發展規劃、風電場項目設計、建設和風電功率預報中均需要相應的、有針對性的現場氣象觀測。

20世紀90年代后期，我國逐漸步入風能大規模開發時期，風電開發企業先后自發建立了4 000多座風能觀測塔(但大部分塔在項目建設后被拆除)，測風儀主要采用進口的杯式風速計。2008年啟動的全國(陸地)風能資源詳查和評估項目采用規范、統一的建設標準建立的400座測風塔，安裝了國產風速計，形成了全國(陸地)風能資源專業觀測網(見圖1)，綜合考慮了我國(陸地)風能資源開發利用區域規劃和大規模風電場選址需求。已獲取的近3年的測風塔觀測數據為全國(陸地)風能資源詳查和評估成果提供了較為可靠的數據基礎。同時，風能觀測數據已用于全國風能數值天氣預報的檢驗、訂正和模式資料同化，效果良好。若該專業觀測網能夠長期持續進行觀測，可為我國風能數值天氣預報的公共服務提供穩定的基礎數據支持。

3.1.2 影響風能資源測量數據質量的因素

目前我國應用最廣泛的風電場項目前期工程場地氣象觀測技術的應用水平已有了一定程度的提高，但仍存在操作不夠規范、嚴謹，專業化程度較低等問題。風電項目工程場地氣象觀測主要為了獲取科學、準確、有代表性的資源總量、資源等級、風機選型、工程安全設計等參數，這是風電項目開發投資決策的關鍵影響因素。影響氣象測量數據準確性的因素主要包括:觀測儀器的性能、儀器是否進行了嚴格的標校、是否根據風電場的地形地貌和風氣候特征合理布設測風塔、測風塔和觀測儀器的安裝質量以及有效的觀測運行管理等。以風速計準確性影響為例，目前風電開發企業普遍采用的進口風速計的儀器原始偏差大多在1.6% ～5%，若不進行風洞檢驗校準，則即使2%的風速儀器誤差，也可導致風功率密度8%的偏差[4];此外，測風塔對風電場(尤其是復雜地形)風況的代表性、測風儀安裝的方位誤差(主導風向參考)、觀測數據有效完整率低和觀測數據質量控制不當等問題，均可導致風能資源測量評估產生較大誤差。我國早期建成的部分風電場的實際運行效益與項目的預期效益相比誤差達20% ～30%，工程場地風測量誤差是重要因素之一。

圖1 全國(陸地)風能資源專業觀測網分布Fig.1 Wind energy resources professional observation network in Chinese mainland area

標準的氣象測風塔要求塔體形狀、結構和安裝等盡量減少對環境風的影響，因此，測風塔多采用桁架結構的桅桿式設置。由于海洋施工安裝條件的限制，用于海上風能資源測量的多為自立式測風塔。與桅桿式拉線塔相比，自立塔塔體龐大，安裝觀測儀器的伸臂長度難以按規范要求(塔體直徑的3倍以上長度)[5]設置，從而影響測風數據的代表性。考慮到我國處于季風氣候區的特點，自立塔測風儀設置應考慮不同季候風主風向影響，應參考冬、夏季風不同的主導風向來設置測風儀;由于自立塔擺動幅度較大(尤其在臺風等強風條件下)，需考慮塔擺動對測風數據的影響，建議加設塔體擺動測量，并依此對觀測數據進行必要的修正，這對觀測三維方向的脈動風尤為重要。

3.2 風能資源測量技術的發展

3.2.1 測量儀器的發展

隨著風電機組向大型化發展，復雜地形的風電場建設、項目設計更精細化和項目后評估以及海上風能資源開發的新需要，使氣象測量技術應用呈現向多元化和高端化發展的趨勢。如，為了探測更高層的風況，研究風機尾流影響和復雜地形風場分布等需求，遙感式測風設備(包括以超聲波、聲波和激光等為介質的多種測風雷達)應用越來越受到重視;為探測導致風機疲勞、致損以及影響其發電效率的三維風況及其脈動風譜特征等，超聲測風儀以其能精確測量自然界三維風況數據而被廣泛應用。

3.2.2 新型探測數據的處理

遙感和超聲波等測風儀器設備在提高風能資源探測高度、擴大探測范圍、獲取更精細的三維風況數據的同時，對測量操作和數據分析提出了更高的技術要求。如:遙感式測風設備(測風雷達)的數據采樣方式與常規的軸式(杯式)測風儀不同，遙感儀器測量的風況數據通常是某一定厚度層(幾米或幾十米)內的整體平均值，而不是儀器傳感器接觸點上的測量數據;遙感式測風儀往往在近地面層存在一定高度的“盲區”(即無數據或數據不可靠)。此外，遙感式測風儀往往在晴好天氣和清潔大氣中使用效果比較好，但在降水、多霧、沙塵等條件下的測量數據的可靠性會不同程度地降低，聲波式遙感設備還受環境噪聲影響，因此，遙感測風數據應用必須對數據進行質量檢驗和必要的修正。超聲測風儀是最準確的測風設備之一，它能精準地捕捉三維空間上氣流的細微波動，但由于超聲測風儀是利用超聲波傳播路徑上的時間差來確定氣流速度，其數據采樣頻率越高，對環境的敏感度也越高，氣流中的雨滴、塵埃、飛蟲等都會干擾聲波對風速的響應，同時，儀器部件在響應和傳輸過程中的短暫故障也會導致信號錯誤而產生野點數據。研究表明，即使風速樣本數據中只有2% ～5%的野點數據，對風譜參數計算精度的影響也很顯著[6]。以風工程脈動風參數分析為目的的氣象測量推薦采用具備有效數據自動識別功能的超聲測風儀，以協助判別由于降水、塵埃等影響而產生的無效數據，但這還不夠，仍需采取進一步的野點數據判別、剔除措施以確保樣本數據的可靠性，工程計算操作一般采取多倍截斷方差法對原始數據進行更細致的處理[7]。

4 風能資源評估

4.1 風能資源點評估技術應用

風能資源點評估是指利用測風塔(站)觀測數據，采用數理統計方法對風能資源各項參數進行直接計算評估，包括:工程場地風機輪轂各高度附近的空氣密度、風功率密度、風速頻率分布、湍流強度、風向頻率和風能方位分布、風速垂直切變等參數。按照國家相關規范要求，風電場項目可行性研究的關鍵依據是工程場地連續1年以上的風能資源觀測數據，以及據此計算分析得到的各項風能資源參數評估成果。因而，風能資源的點評估技術水平可直接影響風電場風能資源利用效率和項目運行效益。

相關規范[8]對風能資源各項參數的計算給出了明確的方法和公式，在工程實踐中，產生不確定因素的主要原因是基礎數據的質量，包括觀測數據的可靠性。由于進行現場觀測的儀器總是會因雷擊、故障等原因導致觀測數據缺失，缺失的數據就需要進行科學的插補訂正。需要指出的是，即使在滿足規范要求的觀測數據有效數據完整率前提下，對用于插補訂正的“參照數據”選擇不當時，仍會對評估結果的準確性產生較大的影響。試驗研究表明，若以夏季(或冬季)的“參照數據”建立的訂正關系去訂正冬季(夏季)一個月的缺漏數據，可導致被訂正時段的平均風功率密度誤差達20%以上，在季風氣候明顯區域的復雜地形上，這一誤差可達50%以上[4]。因此2007年發布的《風電場氣象觀測及資料審核、訂正技術規范》QX/T 74—2007中規定“選取與缺測時段內主導風向相同的相關顯著的測點觀測數據，作為插補訂正的參照數據”[9]，但實際操作中這一技術要點往往被忽略了。

4.2 風能資源區域評估技術應用

風電項目工程場地測風塔觀測只能代表與測風塔所在位置的地形、地貌類似的區域的風況，而風電場設計需要掌握每臺風機位置的風況特性，因此，區域風場評估技術被廣泛應用于風能資源規劃和風電機組微觀選址等。

風能資源區域評估主要依賴大氣數值模擬技術，即基于大氣動力學和熱力學基本原理來描述近地層大氣的運動過程以及地形、地貌對大氣運動的影響作用。目前，我國風電場項目選址和風電機組微觀選址使用的多種商業計算評估軟件，從理論框架和計算模型上可分為兩大類:一是基于線性理論模型，二是基于流體力學模型。

基于線性理論模型的軟件有WAsP、WindPro、WindFarm等，其中WindPro和WindFarm均仍采用WAsP作為風場分布求解器。從WAsP軟件在國內外大量的應用實例來看，其對平坦、均勻地形的風場計算結果較為理想，但對于相對復雜的地形，其風速計算結果往往偏大;雖然目前采用該種求解器的商業軟件已推出針對復雜地形下的應用方法，但仍不能從根本上解決復雜地形風速模擬誤差偏大的問題。基于流體力學模型的軟件有WindSim、Meteodyn/WT等，可以在一定程度上提高對復雜地形風場的模擬準確度和分辨率，同時可給出湍流參量，為微觀選址提供更多風場特征信息，但在應用時需要仔細進行模擬區域和分辨率設置，還應考慮復雜地形的風廓線、大氣穩定度等參數的合理性。除了地形的動力作用外，影響局地風場分布特征的因素還來自更大區域范圍上不同下墊面的熱力效應、隨時間變化的大氣穩定特性和不同物理結構的天氣類型等;上述商業軟件只針對模擬區域內觀測數據計算得到大氣穩定度，再通過改變風廓線冪指數來實現各類大氣穩定度的初邊界條件進行求解計算，而熱力效應的其他作用均沒有被考慮;此外，采用冪指數或對數率分布來描述風速垂直分布的前提是平坦下墊面和中性大氣層結，而在復雜地形或其他大氣層結條件下，風廓線并不滿足冪指數率。可見，大氣熱力效應考慮不全、邊界層參數化的不當描述等是復雜地形和復雜風氣候地區風能資源區域評估的主要誤差來源。

中國氣象局風能太陽能資源中心在大氣邊界層動力學和熱力學基礎上建立的風能資源數值模擬評估系統(WERAS/CMA)，綜合考慮了近地層風速分布是天氣系統與局地地形作用的綜合結果，風速分布及其變化是由天氣系統運動及其演變引起，大氣邊界層存在著明顯的日變化，日最大混合層厚度與天氣系統的性質有關。由此，依據不受局地地形摩擦影響高度上(850 hPa或700 hPa)的風向、風速和每日最大混合層高度，以及評估區歷史觀測資料，將評估區歷史上出現過的天氣系統進行分類，并從各天氣類型中隨機抽取5%的樣本作為數值模擬的典型日，再分別對每個典型日進行數值模擬，并輸出逐時風場，最后根據各類天氣類型出現的頻率，統計分析得到風能資源的氣候平均態。WERAS/CMA系統具有明顯的本地適用性特征，已實現了百米分辨率風能資源精細化評估，模式應對復雜地形的能力大為提高。

4.3 我國風能資源詳查評估結果

2011年完成的全國風能資源詳查和評估，給出了我國陸地風能資源評估的最新成果。該成果利用中國氣象局風能太陽能資源中心建立的風能資源數值模擬評估系統(WERAS/CMA)，以400個測風塔連續兩年的實測數據對數值模擬結果進行檢驗訂正，得出我國陸地上近地面層150 m高度范圍內水平空間分辨率為1 km、垂直分辨率為10 m的各高度層上風能資源參數和資源分布立體圖譜。

根據目前我國風能資源開發的技術水平和主要技術經濟指標，綜合考慮自然、地理和政策等對風電開發的制約因素，結合大型風電場建設對連片風能資源分布的要求，以年平均風功率密度≥300 W/m2、裝機容量系數大于1.5 MW/km2為基本指標，計算得出我國陸地離地面50 m、70 m和100 m等高度層上的風能資源技術開發量分別為20億 kW、26億kW和34億kW。

圖2是我國陸地離地面70 m高度層風能資源、裝機密度達到上述技術開發指標的風能資源豐富區分布(灰度圖例為裝機容量系數，單位:MW/km2)。圖2顯示了我國東北、華北和西北地區風能資源豐富、資源總量大，具備規劃建設大型風電基地的資源條件;云貴高原、東部和南部沿海為風能資源較豐富地區，適宜建設大中型風電場;中部和內陸地區的山脊、臺地、江湖河岸等特殊地形也具有較好的風能資源，適宜建設中小型風電場，或進行分散式風電開發。

圖2 中國陸地70 m高度可技術開發的風能資源分布Fig.2 Technical development distribution of wind energy resource at 70 m height in Chinese mainland area

此外，利用400個測風塔觀測資料，評估得出我國陸地主要風能資源開發區內風電機組選型的主要參數:我國風能資源主要開發區內，約75%的區域可采用抗風標準為Ⅲ類的風電機組，約10%的區域為Ⅱ類，約15%的區域為I類;我國風能資源主要開發區內80%的區域可采用低湍強的C級機型，10%的區域屬于中等湍強，可采用B級風機，只有4%左右的區域為高湍強地區，需要采用A級風機，高湍強區主要分布在山地丘陵和臺風影響地區。

4.4 風能資源評估技術發展

最新風能資源詳查得出我國陸地50 m高度層上年平均風功率密度≥300 W/m2的風能資源理論儲量約73億 kW，與國土面積相當的美國相近(1991年發布的全美50 m高度的風能資源理論儲量約80億kW)。但由于我國地形遠比美國復雜，美國海拔在3 000 m以上的地區僅占其國土面積不足2%，而我國海拔在3 000 m以上的高原和山地占國土面積的25.6%，再加上我國氣候類型多樣(南北縱跨9個氣候帶)，影響我國風能資源開發的臺風、雷電、極端低溫、覆冰等災害性天氣頻發，導致我國風能資源開發利用難度和成本要比美國、歐洲等國家大得多。因此，開展我國因風氣候特點和自然條件而產生的風電利用成本的定量評估，確切掌握這一因素帶來的影響，對我國制定長遠可再生能源發展線路圖，應對國際氣候變化談判具有重要的現實意義。

我國風能資源開發利用趨勢是向更高層空間、風能密度較低、地形更為復雜以及海上等區域發展，風電開發難度和成本逐步加大，因此，應發展更科學、可靠和精細的風能資源數值模擬技術，重視開展臺風、雷電、極端低溫、覆冰等極端天氣對風能資源開發利用的風險評估以及風能資源的質量[10]評估技術研究，為全面、準確評估風能資源開發利用的效益，降低利用成本提供更可靠的技術支持。

5 風能數值天氣預報

5.1 風能數值天氣預報的現狀

由于風速存在很強的間歇性、波動性，導致風電的不穩定性。風電大規模接入電網會增加電力系統運行的不確定性風險，給電網調度帶來壓力和挑戰，風能預報技術的應用是解決這一問題的有效措施之一。歐美等風電技術發達國家，很早就利用先進的風能數值天氣預報技術進行持續、穩定、多元化的風電功率預報服務，有效地提高了風電并網能力，從而成為風電參與電力交易的重要環節。

用于提高風電在電網中可調度性的風能預報主要包括兩個部分，一是風能數值天氣預報，二是風電場電功率預報。后者利用前者提供的背景風場數據，為電網調度做出未來24 h或72 h逐15 min的風電功率預報。目前，風電功率預報服務商大多采用國外網站免費下載或付費購買國外數值天氣預報數據來制作風電功率預報，常會因網絡不穩定或因國際形勢和突發事件等不確定因素影響而難以滿足“不可間斷”的電網調度業務運行需要;此外，國外的預報數據很少同化我國的實時氣象觀測資料，尤其影響其對轉折天氣的預報準確性，也在很大程度上限制了我國在該領域的自主技術創新和業務服務水平的提高。

為滿足國家可再生能源發展新的需求，中國氣象局已在北京奧運精細化數值預報業務系統(BJRUC)基礎上，建立我國的風能(太陽能)數值天氣預報業務系統，可根據不同需求，提供涵蓋全國的水平分辨率9 km(或3 km)、時效72 h逐15 min的氣象要素預報場。該系統(技術框架見圖3)是基于天氣預報(weather research and forecasting，WRF)模式三維變分同化和高分辨率快速更新循環同化預報系統，以全球預報背景場AVN/NCEP資料作為模式邊界條件，同化了全球及我國國家和區域氣象站、衛星、雷達等觀測資料[11]，可使全國背景風場的預報準確性得到基本保障;同時還建立了風電功率預報專業服務業務流程(見圖4)。

圖3 BJ-RUC系統技術框架Fig.3 BJ-RUC systems technology framework

圖4 風電功率預測專業服務流程Fig.4 Professional services process of wind power forecasting

5.2 風電場電功率預報

風電場電功率預報包括超短期預報和短期預報。超短期預報為未來4 h內逐15 min的風電功率預測，短期預報為次日0時至未來24 h、72 h逐15 min的風電功率預測。目前，超短期風電功率預測一般采用統計外推方法來實現，中國氣象局風能太陽能資源中心采用均生函數法進行統計外推，比傳統的自回歸滑動平均(auto-regressive and moving average，ARMA)模型的準確度提高了3% ～10%。國外短期風電功率預測則多采用數值天氣預報模式和理論、統計風電功率預報模型相結合的方法來實現，如丹麥Zephry系統、德國 Previento系統，美國eWind系統等[12]。中國氣象局風能太陽能資源中心采用自適應偏最小二乘回歸法的風電功率預報模型，其均方根誤差介于2.76% ～12.89%。

5.3 風能數值天氣預報技術的發展

從風特性和電網安全運營的關鍵需求來看，轉折性天氣引起的風速突變可導致并網風電對局部電網運行產生較大的沖擊，因而對轉折性天氣的預報能力的提高將是今后風能數值預報技術發展的重點;進一步發展觀測資料同化、集合預報和統計訂正技術是提高預報準確率的有效手段。此外，風能預報專業觀測網的完善和數據共享機制，是逐步提升我國風能數值預報能力和準確度的重要基礎。

6 結語

氣象技術已廣泛應用于我國風電發展規劃、風電場資源勘測和評估、風電項目設計建設以及風電并網等諸多重要環節。隨著我國風能資源開發利用向更科學、精細化方向發展，對氣象技術提出了更高的要求。特別是對風能氣象技術基礎能力提升起關鍵作用的專業探測技術和精細化數值模式技術的科學應用和發展等方面，應給予足夠重視，為保障我國風能資源開發利用提供更為有效和可靠的支持。

[1]OttmarE， Ramon P M，Youba S，et al.Renewable Energy Sources and Climate Change Mitigation[M].Cambridge:Cambridge University Press，2012.

[2]王仲穎，時璟麗，趙勇強.中國風電發展路線圖2050[R].北京:國家發展和改革委員會能源研究所，2011.

[3]杜祥琬，黃其勵，李俊峰，等.我國可再生能源戰略地位和發展路線圖研究[J].中國工程科學，2009，11(8):4-9.

[4]宋麗莉，黃浩輝，植石群，等.風電場風資源測量與計算的精度控制[J].氣象，2009，35(3):73-80.

[5]中華人民共和國國家質量監督檢驗檢疫總局.GB/T 18709—2002風電場風能資源測量方法[S].2002.

[6]宋麗莉，陳雯超，黃浩輝.工程抗臺風研究中風觀測數據的可靠性和代表性判別[J].氣象科技進展，2011，1(1):33-37.

[7]陳紅巖，胡 非，曾慶存.處理時間序列提高計算湍流通量的精度[J].氣候與環境研究，2000，5(3):304-311.

[8]中華人民共和國國家質量監督檢驗檢疫總局.GB/T 18710—2002風電場風能資源評估方法[S].2002.

[9]中國氣象局.QX/T 74—2007風電場氣象觀測及資料審核、訂正技術規范[S].2007.

[10]陳 欣，宋麗莉，黃浩輝，等.中國典型地區風能資源特性研究[J].太陽能學報，2011，32(3):331-337.

[11]范水勇，陳 敏，仲躋芹，等.北京地區高分辨率快速循環同化預報系統性能檢驗和評估[J].暴雨災害，2009，28(2):119-125.

[12]范高鋒.風電功率預測技術及其應用研究[D].北京:中國電力科學研究院，2008.