基于ERA-interim資料中國近海風能資源時空分布

孫稚權，項杰，管玉平

（1.解放軍理工大學氣象海洋學院，江蘇南京211101；2.中國科學院南海海洋研究所熱帶海洋環境國家重點實驗室，廣東廣州510301）

基于ERA-interim資料中國近海風能資源時空分布

孫稚權1，2，項杰1，管玉平2

（1.解放軍理工大學氣象海洋學院，江蘇南京211101；2.中國科學院南海海洋研究所熱帶海洋環境國家重點實驗室，廣東廣州510301）

摘要：未來風能開發的重心將逐漸轉移到風能更為豐富的近海區域，通過1979—2014年的ERA-interim再分析資料，對不同高度和水深條件下的中國近海風能資源的時空分布特征進行了分析研究。結果顯示我國近海風能資源整體呈南高北低分布，大值區位于臺灣海峽、巴士海峽及南海東南部，過去36 a我國近海風能資源沒有顯著變化趨勢。風能資源所研究區域的水深越深、風機高度越高，風電的可開發潛力就越大，100 m高度條件及50 m水深條件下我國近海年平均風功率密度約為160 W/m2。此外我國近海風能資源存在明顯的季節差異，冬季開發條件最好，夏季最差，且與ENSO存在顯著的遙相關關系。

關鍵詞：近海風能資源；ERA-interim再分析資料；ENSO

1　　引言

中國2009年原油消耗22億噸［1］，我國成為全球能源消耗第一大國的同時，傳統能源對環境的惡化只增不減。風能具有安全、無排放、無須燃料、無需運輸、不造成環境污染、可再生、投資周期短、占地小等明顯優點，是極佳的新能源［2］。2005年底，已經有66個國家建起了風電場，10年平均增長率高達28.6%，成為全球發展最快的可再生能源［3］。相比于傳統成熟的陸地風電，海上風電有明顯優勢：海水表面粗糙度低，使風在海面具有更大的風速；海上風的湍流強度低，風具有更好的穩定性，使得海面風的有效使用時數高于陸地風，對風電機組的耗損低于陸地風；海上風電廠對人類的噪聲污染可以被忽略，不占用寶貴的陸地資源［4-5］，此外發展海上風電還可以維護我國的海上權益［6］。中國擁有3× 106km2的巨大海域和1.8×104km的綿長海岸線，距離大陸較遠的海島能源緊缺，制約其經濟和軍事的發展，同時我國沿海地區GDP產值占全國的70%以上，電力消耗量也在全國的一半以上［7］，再加上密集的人口，使我國沿海地區存在巨大的電力需求和二氧化碳排放量。中國有巨大的近海風電潛力，且大部分處靠近電力負荷高的地區，是風能開發和新型清潔能源的未來，但是中國在這個新領域仍處于落后弱小地位，截至2013年底，中國海上風電裝機容量只有0.42 GW，僅占全國風電裝機總容量的0.5%左右，在《海上風電開發建設方案及有關管理要求》中，國家能源局也坦陳中國海上風電在設備制造、工程施工和運行維護等方面仍處于試驗和探索階段［8］。

海上風電場是以風速高、風功率密度大、湍流強度小等優勢來抵消巨大的投資成本，所以準確分析、預測海上風電場風能資源對海上風電場的建設和發展至關重要。但是我國近海風資源普查和詳查工作還相對薄弱。Kalvig［9-10］在對近海風能的研究中，著眼于海洋邊界層，認為傳統上將海表面假設為粗糙度守恒，中性穩定層結的光滑表面會帶來很大誤差，不能忽視大氣穩定度和波浪對海表面氣

2　　資料及研究方法

現有的海上風能資源評估的技術手段主要有基于觀測資料的評估、衛星遙感技術及風能資源評估的數值模擬［3］。中國近海海域常規觀測數據極度匱乏，衛星資料在近海區域會有一部分缺失，都不適合近海風能資源研究。大氣再分析數據憑借其先進的數值模式與完善的數據同化系統，使其具有很高的可靠性和精確性，本文采用歐洲中期天氣預報 中 心（EuropeanCentreforMedium-Range Weather Forecasts，ECMWF）的ERA-interim再分析數據［15］不同垂直高度的風場、溫度場資料，空間分辨率為0.125°×0.125°，時間間隔為6 h，時間跨度為1979年1月—2014年12月。ERA-interim資料作為新一代高分辨率再分析資料具有明顯優勢，其風場數據與衛星觀測資料有著很好的匹配［16］，與中國海海域浮標風場觀測數據也存在很高的相關性［17］，滿足中國近海風場研究精度要求。Etopo1［18］全球地形數據取自NOAA的國家地球物理數據中心（National Geophysical Data Center，NGDC），水平分辨率1′×1′，它提供了整個全球的地形和水深數據，是目前為止比較新的全球地形數據。

風功率密度（Dwp）（W/m2）的計算方法根據《風電場風能資源評估方法》（GB/T18710—2002）如下［19］：

以往研究中將10 m風場通過風廓線公式計算得到的其他高度的風場存在一定誤差，本文直接使用不同高度的再分析數據分別計算分析在10 m、60 m、100 m 3個高度的風功率密度。水深大于50 m的水域的風能開發技術還在不斷探索中［20］，我們將近海水深小于50 m的區域定義為近海風能的可開發區域，將Etopo1全球地形數據插值到ERA-interim再分析數據網格，篩選水深小于50 m的近海海域作為近海風電的可開發利用區域并計算可開發利用區域的風功率密度。一元線性趨勢經過了Mann-Kendal（MK）趨勢檢驗［21］。在單變量的趨勢分析中，MK檢驗法是世界氣象組織推薦并已廣泛使用的非參數檢驗方法。MK統計檢驗方法不受趨勢是否為線性的影響，也不受少數異常值的干擾，適用于不滿足正態分布特征的氣象水文數據，計算簡便。

3　　中國近海風能時空特征分析

3.1中國近海風能空間分布特征

高度越高可承載風機的葉片半徑和功率就越大［22］，隨著海上風電技術的進步，未來海上風機輪轂高度必將朝著更高的方向發展，對不同高度風功率密度的計算十分關鍵。圖1是10 m、60 m和100 m 的3個高度下風功率密度氣候平均分布，由于近地面風速隨高度增加而增加，風功率密度明顯與高度成正比。可以看到3個高度下中國海風功率密度具有相似的分布特征，整體分布均呈南高北低分布形態，臺灣海峽受“狹管效應”和登陸臺風的共同影響使得其平均風功率密度明顯要高于其余海域［23］，其余如巴士海峽及南海東北部海域風電資源也比較豐富，說明我國風能資源最豐富地區為福建省、浙江省和廣東省沿海地區。渤海及黃海海域風功率密度較低，平均風功率密度未達到200 W/m2。

3.2中國近海風能及風場年際時空分布

風能資源的調查估算基礎是對風場的研究分析，需對所選海區風場的時空變化特征有足夠充分的認識［24］，中國海處于西太平洋邊緣，跨越熱帶、副熱帶和溫帶，處于季風變換帶，氣候季節差異顯著，且經常遭受臺風侵襲。將1979年1月—2014年12月中國海100 m高度的風場和風功率密度做季節平均，得到中國海100 m高度風場和風功率密度的四季分布特征（見圖2）。可以看到季節變化是中國海海表面風場變化的最主要特征，總的來看春季、秋季和冬季期間風場分布特征較為接近。其中春季屬季風轉換季節，可以看到春季25°以南海域受東風控制，臺灣海峽風場分布與秋冬兩季相似以東北風為主，渤海、東海海域風場呈反氣旋式分布。夏季期間受西南季風影響，南海以南-西南季風為主，黃海和東海以南風為主；秋冬兩季受亞洲高壓的影響，中國海海域以北風為主，特別是臺灣海峽的強偏北大風十分穩定，南海海域則以東風為主。春夏兩季風功率密度較低，春季風功率密度呈南高北低分布形態，大值區位于臺灣海峽、瓊州海峽東側；夏季風功率密度的大值區位于東海及北部灣海域；秋冬兩季風功率密度較高，秋冬兩季風功率密度的大值區位于臺灣海峽、巴士海峽及東沙群島附近海域，大值區呈東北-西南走向的馬蹄形分布形態，渤海及黃海海域風功率密度較低。

圖1 1979—2014年中國近海10 m，60 m，100 m高度風功率密度（W/m2）氣候平均分布

我們將近海水深小于50 m的海域定義為近海風能的可開發區域，圖3為中國近海小于50 m的水深分布，可以看到我國北方大部分海域屬于陸架海，水深較淺，“長三角”以北海域可開發海域面積明顯大于以南海域。圖4為中國海可開發海域100 m高度風功率密度季節分布，結合圖2可以看到可開發海域內風功率密度明顯的季節差異。可開發海域內風功率密度的季節分布呈‘W'狀分布，春夏兩季明顯低于秋冬兩季，風功率密度在冬季最高可達到450 W/m2，而春夏兩季最低時僅為50 W/m2，再加上夏季東海及南海海域頻發的強熱帶氣旋和極端大氣條件，使得中國近海風電開發條件存在極大的季節差異。高度越高、水越深，風功率密度越大，但成本及技術也要求越高。

3.3中國近海可利用風能估算及變化趨勢

圖5為1979—2014年3種水深篩選條件下，中國海100 m高度風場及風功率密度年變化時間序列。從圖中我們能夠發現水深條件對風功率密度大小有顯著影響，小于100 m水深條件下風功率密度約為小于50 m條件下的1.25倍；小于50 m水深條件下風功率密度約為小于25 m條件下的1.25倍，但水深越深電機的成本及技術要求也就越高。

圖2 1979—2014年中國海100 m高度風場及風功率密度（W/m2）的季節變化

圖3中國近海小于50 m海域水深（m）分布

圖4　1979—2014年中國海100 m高度風功率密度季節變化

我們通過95%置信水平的功率譜檢驗發現中國近海風能可開發海域的風功率密度年變化序列存在顯著的4年周期。我們試圖通過MK趨勢檢驗尋找中國近海風能可開發海域風功率密度年變化序列的變化趨勢，結果發現近幾十年中國近海可開發區域平均風功率密度并沒有明顯變化趨勢，在圖6中國海100 m高度風功率密度變化趨勢分布中可以看到不同海域的風功率密度呈現不同的變化特征，最明顯的是巴士海峽的增長趨勢，臺灣海峽和部分南海東海近海海域的減弱趨勢。中國海是全球范圍內過去幾十年海表溫度增暖最為明顯的海域之一，圖7中國海海表溫度變化趨勢分布中能夠看到中國海大部分呈比較明顯的增暖趨勢，20°N以南近海海域海溫則呈變冷趨勢，由于海氣相互作用的機制，海溫的變化趨勢分布與風功率密度的變化趨勢分布有一定的對應關系，增暖海域風能同樣呈增強趨勢。此外，從圖5中我們可以看到風功率密度的年變化序列對ENSO十分敏感，風功率密度的高值（低值）年對應拉尼娜（厄爾尼諾）年，可以看到如1997年（厄爾尼諾年）的年均風功率密度約為1988年（拉尼娜年）的1/2。在圖8為中國海100 m高度風功率密度與Nino3.4指數相關系數分布中可以看到我國海域風功率密度與太平洋海溫存在明顯遙相關關系，尤其在南海東北部大部分海域二者的相關系數高達-0.7，也就是說厄爾尼諾事件往往伴隨中國海風功率密度的降低，反之拉尼娜事件往往伴隨中國海風功率密度的升高。

圖5 1979—2014年不同水深條件下中國海100 m高度風功率密度年變化時間序列

圖6 1979—2014年中國海100 m高度風功率密度（W/（m2·36 a））變化趨勢分布

圖7 1979—2014年中國海海表溫度（℃/36 a）變化趨勢分布

圖8 1979—2014年中國海100 m高度風功率密度與Nino3.4指數相關系數分布

4　　結論

本文使用不同高度的ERA-interim大氣再分析資料，計算分析了中國近海風能資源的時空分布特征及變化趨勢，規定近海水深小于50 m的海域為風電可開發區域，得到了以下結論：

（1）氣候平均意義上我國海域風功率密度呈南高北低分布，大值區位于臺灣海峽、巴士海峽及南海東北部海域；

（2）中國近海風功率密度受高度和水深條件限制顯著，高度越高、水深越深，風功率密度開發潛力就越大，但同時也伴隨成本和技術要求的增加；

（3）可開發海域內風功率密度的季節分布呈W狀分布，秋冬兩季明顯高于春夏兩季，再加上夏秋兩季頻發的強熱帶氣旋，使得中國近海風電開發條件存在較大的季節差異；

（4）最近幾十年中國近海風功率密度大小沒有明顯的變化趨勢，但變化趨勢分布存在區域差異，巴士海峽及南海東北部呈明顯增強趨勢，臺灣海峽、珠江入海口海域呈明顯減小趨勢；

（5）我國海域風功率密度與太平洋海溫變化存在遙相關關系，與Nino 3.4指數存在顯著負相關關系。

參考文獻：

［1］鄭崇偉.全球海域風能資源儲量分析［J］.中外能源，2011，16（7）：37-41.

［2］Liu T Y，Tavner P J，Feng Y，et al.Review of Recent Offshore Wind Power Developments in China［J］.Wind Energy，2013，16（5）：786-803.

［3］李澤椿，朱蓉，何曉鳳，等.風能資源評估技術方法研究［J］.氣象學報，2007，65（5）：708-717.

［4］周榮衛，何曉鳳，朱蓉，等.中國近海風能資源開發潛力數值模擬［J］.資源科學，2010，32（8）：1434-1443.

［5］Van Bussel G J W.Offshore Wind Energy，the Reliability Dilemma ［C］//Proceedings of the International Conference.2002：2-6.

［6］趙世明，姜波，徐輝奮，等.中國近海海洋風能資源開發利用現狀與前景分析［J］.海洋技術，2010，29（4）：117-121.

［7］白建華，辛頌旭，賈德香.我國風電大規模開發面臨的規劃和運行問題分析［J］.電力技術經濟，2009，21（2）：7-11.

［8］Jiang D，Zhuang D F，Huang Y H，et al.Evaluating the Spatio-Temporal Variation of China's Offshore Wind Resources Based on Remotely Sensed Wind Field Data［J］.Renewable and Sustainable Energy Reviews，2013，24：142-148.

［9］Kalvig S，Gudmestad O T，Winther N.Exploring the Gap Between ‘Best Knowledge'and‘Best Practice'in Boundary Layer Meteorology for Offshore Wind Energy［J］.Wind Energy，2014，17 （1）：161-171.

［10］Kalvig S，Manger E，Hjertager B H，et al.Wave Influenced Wind and the Effect on Offshore Wind Turbine Performance［J］.Energy Procedia，2014，53：202-213.

［11］Nilsson E O，Rutgersson A，Smedman A S，et al.Convective Boundary-Layer Structure in the Presence of Wind-Following Swell［J］.Quarterly Journal of the Royal Meteorological Society，2012，138（667）：1476-1489.

［12］Dvorak M J，Corcoran B A，Ten Hoeve J E，et al.US East Coast Offshore Wind Energy Resources and Their Relationship to Peak-Time Electricity Demand［J］.Wind Energy，2013，16（7）：977-997.

［13］趙喜喜.中國海散射計風、浪算法研究及海面風場、有效波高的時空特征分析［D］.青島：中國科學院研究生院海洋研究所，2006.

［14］武賀，齊鵬，侯一筠.東亞季風區風場異常主要經驗模態及其與ENSO的聯系［J］.海洋科學，2007，31（6）：65-69.

［15］Simmons A，Uppala S，Dee D，et al.ERA-Interim：New ECMWF Reanalysis Products from 1989 Onwards［J］.ECMWF Newsletter，2007，110：25-35.

［16］Dee D P，Uppala S M，Simmons A J，et al.The ERA-Interim Reanalysis：ConfigurationandPerformanceoftheData AssimilationSystem［J］.QuarterlyJournaloftheRoyal Meteorological Society，2011，137（656）：553-597.

［17］Song L N，Liu Z L，Wang F.Comparison of Wind Data from ERA-Interim and Buoys in the Yellow and East China Seas［J］. Chinese Journal of Oceanology and Limnology，2015，33（1）：282-288.

［18］Amante C，Eakins B W.ETOPO1 1 Arc-Minute Global Relief Model：Procedures，Data Sources and Analysis.NOAA Technical Memorandum NESDIS NGDC-24［R］.National Geophysical Data Center，NOAA.2009.

［19］朱瑞兆，薛桁.風能的計算和我國風能的分布［J］.氣象，1981，7 （8）：26-28.

［20］王國松，高山紅，吳彬貴，等.我國近海風能資源分布特征分析［J］.海洋科學進展，2014，32（1）：21-29.

［21］Mann H B.Nonparametric Tests Against Trend［J］.Econometrica，1945，13（3）：245-259.

［22］倪云林，辛華龍，劉勇.我國海上風電的發展與技術現狀分析［J］.能源工程，2009，（4）：21-25.

［23］常蕊，朱蓉，周榮衛，等.高分辨率合成孔徑雷達衛星反演風場資料在中國近海風能資源評估中的應用研究［J］.氣象學報，2014，72（3）：606-613.

［24］Zheng C W，Zhuang H，Li X，et al.Wind Energy and Wave Energy Resources Assessment in the East China Sea And South China Sea［J］.Science China Technological Sciences，2012，55（1）：163-173.

中圖分類號：P743

文獻標識碼：A

文章編號：1003-0239（2016）03-0050-07

DOI：10.11737/j.issn.1003-0239.2016.03.007

收稿日期：2015-11-06

基金項目：國家自然科學基金項目（41275113）；國家重點基礎研究發展計劃（2013CB956201）。

作者簡介：孫稚權（1990-），男，碩士研究生，主要從事海氣相互作用研究。E-mail：sunzhiquan15@sina.com流的影響，當存在涌浪的情況下，風廓線不遵循對數規律，而是和海面狀況相關［11］。Kalvig的觀點指出在以往風能計算中僅用10 m風場通過風廓線公式計算得到的其他高度的風場存在一定誤差，由此風速得到的風功率密度不夠準確，所以在風能資源評估工作中，對數據的選擇最好選擇具有高精度低空垂直分層的資料。Dvorak等［12］總結水深30 m以內海域多使用單樁技術，31—50 m海域多使用多支柱技術，水深50—200 m以上海域不適合上述兩種傳統風電機，適合使用尚不成熟的漂浮式風電機，所以在近海風能資源估算的工作中必須考慮水深的影響。此外中國海海面風場對ENSO有較好的響應［13-14］，但近海風能與ENSO的關系尚沒有較為深入的研究。

Wind energy in the offshore areas of China based on ERA-interim reanalysis data

SUN Zhi-quan1，2，XIANG Jie1，GUAN Yu-ping2
（1.The PLA University of Science and Technology，Institute of Meteorology and Oceanography，Nanjing 211101 China；2.State Key Laboratory of Tropical Oceanography，Guangzhou 510301 China）

Abstract：The focus of wind power industry development is gradually shifting to offshore area.Based on ERA-interim reanalyzed data from 1979—2014，we investigated the wind power resources along China offshore areas in different water depth and height conditions.The results show that the overall distribution of wind energy presents a spatial distribution characteristic which increase from north to south，and has the highest value in the Taiwan Strait，the Bashi Channel and the south-east of the South China Sea.The offshore wind power density has no significant variation trend over the past 36 years.Under the condition of the height of 100 m and the water depth of 50 m，the annual average wind power density along China offshore areas is about 160 W/m2.The offshore wind power in China displayed distinctive seasonal differences，and shows a close connection with ENSO.

Key words：offshore wind energy；ERA-interim reanalysis；ENSO