北極西北航道海洋風能選址建模與評估

錢恒 張韌

研究論文

北極西北航道海洋風能選址建模與評估

錢恒 張韌

(國防科技大學氣象海洋學院, 江蘇 南京 211101)

風能開發價值度等級區劃是風能發電、能源基地等工程選址的主要依據。針對北極西北航道海上風能選址的困境, 建立了一套具有極區特色的風能開發價值度等級評估體系, 并結合基于三角模糊數隨機模擬的綜合評估模型(CA-SSTFN)展開分析。通過該模型與層次分析法和模糊層次分析法評估技術的對比試驗結果來看, CA-SSTFN能夠客觀地實現多源環境信息的融合和推理, 而且以置信區間形式表示的評估結果比現有常規方法的結果提供了評價結果可靠性方面的更多信息, 評價結果更符合實際情況, 具有良好的評估性能, 同時該模型還具有基于信息檢測的更新能力, 基于此可實現價值度的實時或準實時評估。最后以阿蒙森灣中部海域進行實例分析: 從結果來看該海域風能開發價值整體較高, 特別是夏季, 而夏季也是當前西北航道的最佳通行期, 更添風能開發的價值。綜合來看, 推薦的開發先導點為: (124°W,70.5°N)。

西北航道 風能開發 三角模糊數 等級區劃 宏觀選址

0 引言

北極作為北美、歐亞、亞太三個大陸的“交點”, 隨著北極航道的開通, 可能會改變目前的世界航運格局, 并產生巨大經濟效益。近年來由于全球氣候變化導致北極海冰加速融化以及全球政治經濟格局變動, 使得北極地區自冷戰后, 再次成為全球關注的焦點。北極航道, 主要分為3條航道: 東北航道、西北航道以及中央航道。近些年隨著中俄兩國關系快速發展, 以及在俄羅斯的大力推介下, 在國內外掀起了一陣東北航道研究熱潮[1-3], 而對于西北航道則研究較少, 特別是針對北極西北航道海洋新能源的研究更是少之又少, 但事實上, 西北航道同樣存在較大的經濟利用價值。Borgerson[4]指出, 通過西北航道使得從西雅圖到鹿特丹的航程比經巴拿馬運河這一傳統航線縮短2 000 n mile, 節省25%航程。2014年, “NUNAVIK”號從迪塞普申灣出發, 獨自穿行西北航道, 到達中國營口港。這次成功嘗試說明西北航道作為中國與北美間的貿易往來新通道的可行性。研究表明, 通過西北航道, 中國與北美之間的貿易航程將縮短40%, 減排1 300 t, 費用節省也很可觀[5]。相比于傳統航道, 西北航道存在航道距離短、地緣政治簡單、海盜襲擊風險低等諸多優勢, 但必須指出因為地處高緯地區, 這條航道同時又面臨著基礎設施不完善、能源保障能力弱、應急響應及救援能力差等劣勢。而解決這些問題, 首先便是解決好能源供給關, 特別是電力保障問題。放眼全球, 隨著資源危機、環境危機愈加嚴重, 出于能源的需要, 人類將目光投向了海洋, 而儲量豐富、發電利用小時數高、單機容量大、不過多占用土地等諸多優點使得海上風能成為新能源開發中的熱點[6-7]。資源開發, 研究先行。相關研究表明北極地區風能資源豐富, 技術可開發量約1 000億kW, 約占全球風能資源的20%[8]。Chade等[9]指出在北極偏遠地區使用柴油發電費用昂貴, 故而提出了風力發電的供電模式, 并認為所提方案可行且在4年內可收回成本。Boute[10]則考慮到北極地區的生態脆弱性, 如果采用柴油發電會對北極自然生態環境造成破壞, 因此也提出了在北極地區開發風能資源的觀點, 以應對潛在的環境問題。對于生態環境脆弱的西北航道, 積極開發海上風能首先一點便是對環境影響小, 更重要的是有益于緩解其沿線地區資源危機, 提高沿線居民生活質量, 助力基礎設施建設, 增強航線通航性。在以往開發海洋風能資源的過程中, 海上風電場帶來了諸如影響沿海地區后續各項海洋開發活動、與生態自然保護區重疊沖突等問題, 同時海上風電場的運行維護等也與其所在的海洋環境密切相關[11-13]。這些問題凸顯了海上風電場選址的重要性。風電場的選址通常包括兩個部分: 宏觀選址以及微觀選址。作為風電場微觀選址的基礎, 風電場宏觀選址至關重要, 引起很多學者的廣泛關注。

風能分布直接影響著風電場的選址, 對風能分布特點的研究, 早期主要是以風能流密度(Wind Power Density, WPD)的大小來展示風能特征。隨著數據日益豐富、研究手段不斷進步, 逐漸開啟從WPD的大小、資源可利用率等多個方面的研究為風能選址提供依據。相關學者利用風場再分析資料繪制了覆蓋全球海域的風能等級區劃圖, 較好地從整體上反映了全球的風能等級, 但是風能等級的區域性差異不明顯, 比如北極西北航道大范圍海域都屬于 4級以上風能, 不能精細地為西北航道的風能選址提供科學依據[14]。在風電場宏觀選址模型方面, 目前的方法主要為層次分析法(Analytic Hierarchy Process, AHP)以及層次分析法的改進方案, 比如結合GIS的層次分析法和模糊層次分析法等。呂雪芹[15]以創建的指標體系和風電地理數據庫為基礎, 構建了合理的風電場宏觀選址綜合評價模型, 該模型利用層次分析法確定各指標的權重, 然后結合GIS空間分析模型對各指標數據做標準化和量化處理, 最后采用多級加權求和的方法來實現宏觀選址的定量化評價。游欣佩和馬平[16]在層次分析法中引入模糊數學的相關研究成果, 充分考慮問題的模糊因素, 各指標評分采用模糊概念, 即引入三角模糊數, 并將其應用于風電場的宏觀選址決策, 一定程度上提高了層次分析法的有效性和準確性。

正如前文所說, 當前研究多集中在中低緯度地區且主要針對風能的氣候態分布特征進行研究[14-16], 鮮有涉及極地。而且現有研究仍有可改進之處: 1)評價指標體系不夠全面, 不能全面反映風能質量, 特別是針對北極西北航道的深海風能資源開發選址除了需要考慮風能資源的可利用性, 還需要考慮極寒天氣、海床地質結構、海冰分布、環境生態保護等多領域、多因素對其影響; 2)大多是將風能各要素的特征進行簡單的羅列, 沒有將各要素進行有機融合進而形成等級區劃; 3)模型評估決策確定方式相對單一, 過于依賴專家經驗, 主觀性強, 經驗依賴度高, 對評估結果準確性有影響。因此本文將充分利用前人研究成果, 梳理風能選址的關注點及研究進展, 探索構建一套能夠全面考慮資源特征和成本效益[17-19]同時帶有極區特色的西北航道海上風電開發價值度評估方案, 將風能一系列復雜的要素特征進行整合, 以風能開發價值度(Wind Energy Development Value, WEDV)的定量形式呈現, 形成使用便捷的風能等級區劃圖, 助力西北航道海洋風能開發。

1 北極西北航道風電場選址評估指標選取及數據來源

本文所選區域, 遠離城市, 人口較少, 可以預計短期內將以就地消納、小規模為主要特點的分散式風電開發為主, 當前高緯度國家比如丹麥就主要采用這種模式利用風能[20], 故而在極區開發風電的社會影響較小。極區開發風能的主要意義在于增強航道的可航性, 以及對周邊能源供應現狀的改善, 所以經濟性因素影響也較小。考慮到本文不針對任何具體工程, 因此根據各項指標對選址的重要性以及北極西北航道的特殊背景和指標數據資料的可獲取性, 結合已有的研究成果, 選取影響西北航道海上風電場選址的10個關鍵指標。

1.1 風能資源評估指標體系

風能開發選址, 必須首先定量化評估風能資源, 本節結合前人研究成果[21-22], 遴選出6個指標, 分別刻畫風能的風功率密度、資源的可利用率、富集程度、穩定性、有效儲量等要素, 同時給出計算方法與數據來源。

1.1.1 風功率密度(Wind Power Density, WPD)

WPD為垂直于氣流的單位截面上風的功率, 其計算公式[21]:

式中,D為平均WPD(單位: W·m–2),為在設定時間段內的記錄數,為空氣密度(單位kg·m–3),=/,為西北航道相關海域16 a平均海平面氣壓(單位: Pa),為氣體常數,為西北航道相關海域16 a平均開氏溫標絕對溫度(單位: K),v為第次記錄的風速值(單位: m·s–1)。

數據來源及簡介: 利用2003—2018年逐 6 h 的 ERA-Interim 海表10 m再分析風場資料, 空間分辨率0.25°×0.25°, 根據WPD 的計算方法, 計算得到近 16 年逐 6 h 的 WPD數據。

1.1.2 有效風速出現頻率(Effective Wind Speed Occurrence, EWSO)

在風能開發過程中, 通常認為風速在5~25 m·s–1有利于風能資源的采集與轉換[21], 并將這個區間的風速定義為有效風速, 顯然, 有效風速頻率反映了風能的可利用率。

1.1.3 200 W·m–2以上能級頻率(Rich Level Occurrence, RLO)

通常認為風能密度在200 W·m–2以上為資源豐富[14]。顯然200 W·m–2以上能級頻率反映了風能的富集程度。

1.1.4 WPD 的變異系數( Coefficient of Variation,C)

資源的穩定性密切關系到裝置的采集和轉換效率、裝置的壽命等, 當能流密度變化較大時, 會減少輸出功率, 還可能引起極端荷載(引起風能轉換系統的震蕩和載荷的不均勻), 最終削弱和破壞風電機組[22]。為此引入變異系數(Coefficient of Variation,C)。C主要是反映月尺度以內的資源穩定性, 值越小, 月尺度以內的穩定性越好。

變異系數的計算公式為:

1.1.5 WPD 的有效儲量(Effective Reserves, ER)

有效儲量密切關系到風能的產出, 有效儲量為年平均風能流密度和全年可用風速小時數的乘積, 或總儲量和可用風速頻率的乘積, 有效儲量對于風能開發更具實用的指導價值[21]。根據資源的有效儲量, 工程人員可以很直觀地得到不同區域的全年發電量。此外, 在實際的風能開發中, 還需要提高時間分辨率, 計算每個月風能資源的有效儲量, 為電力調度、風能不足情況下的能源補充等提供科學依據。

單位面積的風能資源有效儲量的計算公式為:

1.1.6 極值風速: (Extreme Wind Speed, EWS)

極值風速是海上施工安全關注的要素之一。傳統研究大多只關注 EWS 的年極值特征, 很少有計算各個月份的極值[23-24]。但在實際的工程應用中, 往往更為關注各月的極值。例如, 在特定的月份執行海上施工或航海任務, 在制定中長期計劃時, 以該月的極值作為參考更為科學, 而不是一概籠統地以年極值為準。在極值偏低的月份, 如果仍然用較大的年極值為指導, 往往會造成資源浪費、增加海洋工程的成本。

由于大面積海域、長時間序列的陣風資料極為稀少, 以往在計算大面積海域的極值風速時, 多是基于平均風速資料, 往往出現計算極值風速偏低的現象。本文在此利用近年(2003—2019年6月)逐6 h的ERA陣風資料, 采用Gumbel曲線法[25],計算了各格點50年一遇各月的極值風速。

1.2 自然環境評估指標體系

風能選址必須考慮施工地的氣象水文地質條件, 這些與海上施工安全和成本密切相關, 所以本節根據西北航道的這一特殊施工地情況, 一共篩選了4個指標加以刻畫, 同時給出相應要素的數據來源。

1.2.1 海冰密集度(Sea Ice Concentration, SIC)

海冰密集度值越高, 海面冰情越嚴重, 對海上施工以及風能設備的威脅程度就越大。數據來自ECMWF的ERA高精度日平均再分析資料, 空間分辨率0.25°×0.25°。

1.2.2 2 m氣溫(2-meter Temperature, T2m)

目標區域氣溫過低將會對海上施工、人員安全以及風能設備帶來很大挑戰。2m氣溫數據同樣來自ERA高精度日平均再分析資料, 空間分辨率0.25°×0.25°。

1.2.3 水深( Water Depth, WD)

該指標密切關系到海上施工的成本、難度、發電并網的難度等, 是風能開發最關注的要素之一。高程數據采用ETOP1數據, 空間分辨率0.0167°×0.0167°。

1.2.4 離岸距離( Distance to Coast, DC)

離岸距離密切關系到海上施工的成本、難度以及發電并網的難度。隨著觀測手段的飛速發展, 目前已經可以利用來自GSHHS(Global Self-consi-stent Hierarchical High-resolution Shore line database)的高分辨率海岸線數據(0.1 km)來計算DC[17]。

1.3 西北航道風電場選址評估體系

在識別了風電場選址影響因素后, 考慮到影響因素較多, 為便于選擇最優方案, 建立風電場選址3層決策框架: 目標層、決策準則層和影響因素層。其中決策準則層包括2個決策準則, 分別是風能資源、自然環境, 各決策準則包含的影響因素見表1。

其中, 指標屬性為效益型表示指標取值越大, 該地進行風能開發期望值越高; 成本型表示指標取值越大, 進行風能開發期望值越低。在實際操作中, 首先利用2003年1月—2019年8月的月空間分辨率為0.25°×0.25°的逐6 h的ERA-interim風場再分析資料結合WPD的計算方法(式1), 計算得到逐6 h的WPD。基于GSHHS海岸線數據、ETOP1水深數據, 分別計算/統計得到月平均的WPD、EWSO、RLO、WD、DC、EWS等。

表1 西北航道風電場選址指標體系

1.4 指標要素離散化標準

海上風電項目發展的主要趨勢有兩點: 其一是離岸越來越遠; 其二是功率越來越大。2012年以前, 歐洲海上風機離岸距離和工作水深項目基本處于“20—20曲線”內, 即離岸20 km, 工作水深20 m, 而隨后的幾年項目提升至“60—60曲線”[6]。由于水深條件會影響到風電場運營成本, 從現有的發展經驗來看, 水深20 m左右對風電場的影響較小, 將其作為最優的語言變量(非常淺), 選定水深100 m以上作為最差的語言變量(非常深)同理根據前述的各參考文獻, 結合工程實際, 建立數據離散標準, 對指標集進行處理,如表2所示。

表2 指標等級劃分

2 三角模糊數隨機模擬綜合評估模型

目前風能選址主要采用的模糊層次分析法(Fuzzy Analytic Hierarchy Process, FAHP), 是通過耦合指標狀態等級得到目標海區風能開發的綜合價值度, 其在AHP中引入模糊數學的相關研究成果, 充分考慮問題的模糊因素, 各指標評分采用模糊概念, 提高了層次分析法的有效性和準確性, 當下主要用基于三角模糊數的模糊語義變量描述各指標狀態等級的差異[16,26]。但由于現有的三角模糊數的乘法、除法和函數運算[27-28]等尚不夠嚴謹、實現過程比較復雜, 基于三角模糊數的系統綜合評估現有方法的實現過程較為復雜[26], 所得綜合評估值只是一個實數值, 沒有反映出風能開發的綜合價值度本身所具有的不確定性。為此, 本文在綜合考慮風能質量因素和自然環境因素的西北航道風能開發價值度綜合評價指標體系基礎上, 采用隨機模擬方法(又稱Monte Carlo方法)模擬三角模糊數, 把三角模糊數的運算簡化為普通的實數之間的運算[29], 建立基于三角模糊數隨機模擬的西北航道風能開發價值度評估模型 (Comprehensive Assessment method for Wind energy development value using Stochastic Simula-tion and Triangular Fuzzy Numbers, CA-SSTFN), 據此模型可構造西北航道阿蒙森灣中部海區風能開發價值度的置信區間并開展應用實例分析。

建立CA-SSTFN過程包括如下4個步驟。

步驟1: 基于上文所建立的阿蒙森灣中部海區風能開發價值評估體系, 確定體系中各要素的權重。考慮到指標要素的變化具有時間差異, 而熵權法是基于指標值變異程度大小來確定權重, 它從數據本身出發, 可以降低人為主觀判斷對權重的干擾, 是一種利用指標值信息量之間的差異性來確定指標權重的客觀定權方法, 故本文將熵權法作為確定權重的方法之一, 具體實現步驟參考文獻[30]。但純粹的主觀或客觀定權方法都有不足之處, 若采用主客觀方法相結合則既能避免過度依賴專家知識和經驗, 又能減少數據差異較小而實際重要性較大的不匹配情況的發生。故本文同時采用應用范圍廣、效果好的主觀方法: G1法, 最終權重值為該兩種方法各自所確定權重加權求和得到, 其中主客觀方法的占權分別取0.8和0.2。

步驟2: 定量描述和模擬各指標的狀態等級。一般可采用具有5級劃分標準的模糊語義變量描述風能開發綜合評價系統各指標的狀態等級的大小, 并且以相應的三角模糊數R=(a,b,c)定量表征, 見表3。

表3 狀態等級的標準及其三角模糊數[26]

根據三角模糊數(a, b, c)的隨機模擬公式[29]:

其中,為區間[0,1]上的均勻分布隨機數, 進而可得到基于狀態等級三角模糊數R=(a,b,c)可能值的大量模擬樣本系列, 分別為x1, x2, x3, …,x,為隨機模擬的試驗次數。

步驟3: 產生研究區域風能開發綜合價值度的模擬值系列, 即

式中x(,,)分別為第準則、第指標等級的三角模糊數可能值變量的第次模擬值。

步驟4: 構造研究區域風能開發價值度值的置信區間, 對模擬系列{Z|=1~|}進行降序排列, 根據隨機變量的經驗累積頻率的數學期望公式:

P=1/(+1) (=1~) (6)

可構造研究區域風能開發價值度在置信水平?下的置信區間為:

[ZINT([1–0.5(1–?)](N+1),ZINT([0.5(1–?)](N+1))) (7)

式中,P為按從大到小排序、序號為對應Z的經驗累積頻, INT()為取整函數。

3 CA-SSTFN模型準確性和有效性驗證

本節以阿蒙森灣海域一點A(123°W,70.5°N)為例, 將CA-SSTFN模型與AHP以及FAHP綜合評估技術進行對比, 同時針對指標數據更新這一情景, 進行CA-SSTFN模型更新推理預測實驗以驗證該評估技術的可靠性與優越性。

3.1 指標權重計算結果

以阿蒙森灣海域A點為例, 利用主客觀方法所確定的權重值以及最終組合權重值, 如表 4所示。計算結果表明, 權重較大的有風能的月有效儲量、海冰密集度、有效風速的頻率、2 m處氣溫、200 W·m–2以上能級頻率等。由此可見, 風能的月有效儲量是風能開發的最主要因素, 這也與實際情況吻合。在指標權重的計算過程中, 可以看出熵權法和G1法計算結果存在較大差異, 這是在于: 熵權法是根據數據本身信息量的差異來定權的, 海冰密集度和2 m處的氣溫月變化較大, 所以通過熵權法計算, 權重值較大, 而WPD、EWSO、RLO的結果相對較小, 則從側面反映風能質量月際變化較小, 穩定性高。但不可否認這些指標的重要性, 因此G1法的存在一定程度上削弱了客觀定權方法的定權結果與現實情況的不匹配性。組合權重的最終結果與前人研究和工程經驗較為吻合。

表4 指標權重計算結果

3.2 對比層次分析法以及模糊層次分析法評價模型

本節首先利用CA-SSTFN模型對A點2018年7—12月及2019年1—6月共12個月的風能開發價值度進行評估(結果采用95%下的置信區間形式呈現)2018年7—12月的結果為: [0.4655,0.5723]、[0.5631,0.6697]、[0.5927,0.6996]、[0.4125,0.5193]、[0.3111,0.4104]和[0.2978, 0.3971]。再應用目前較為成熟的AHP評價模型以及FAHP法分別評估12個月風能開發價值度, 得到AHP評價模型的結果為(5;5;5;4;3;3;2;2; 4;5;5;5)而基于三角模糊數的FAHP法的結果為(0.5050; 0.6132;0.6470;0.4441;0.2950;0.4091;0.2783;0.2804; 0.4763;0.5143;0.5485;0.5993), 其中2019年1—6月3種方法的評估結果對比如圖1所示。

由圖1所知, CA-SSTFN模型能夠較為準確、快速地評估出風能開發價值度的狀態, 與AHP評價模型以及FAHP評估模型所得結論基本一致, 符合專家經驗判斷。而相比于AHP評價模型, CA-SSTFN模型充分考慮問題的模糊因素, 各指標評分采用模糊概念, 并將其應用于風電場開發價值度評估分析, 一定程度上提高了層次分析法的有效性和準確性。而在與FAHP評估值的對比中, 雖然兩者最終評估狀態基本一致(CA-SSTFN模型選取平均價值度作為對比), 但以置信區間形式表示的評價結果比現有常規方法的結果提供了評價結果可靠性方面的更多信息, 評價結果更符合實際情況[16,28], 而FAHP方法的評價結果只是一個確定的實數值, 不能更好地反映受多種不確定性因素綜合影響的西北航道風能開發綜合價值度的客觀實際情況。例如2019年2月A點的風能開發綜合價值度的CA-SSTFN評價結果為有95%的可能性處于[0.2473,0.3416],這比現有常規方法的評價結果只是0.2804這一單個值更為合理。

圖1 A點評估結果對比(2019年1—6月)

Fig.1. Comparison of A point evaluation results (2019.1—6)

3.3 CA-SSTFN模型更新推理實驗

假設上述樣本中的自然環境要素數據是通過中長期數值預報產品并結合經驗推理得來, 隨著預報間隔變短, 不確定因素減少, 模式對A點的部分氣象水文環境要素進行了更為準確的預報, 由于全球氣候變暖加劇, 導致2019年2月的氣溫和海冰密集度狀態出現變好現象, 更新修正了2019年2月的要素數據, 如表5所示。采用CA- SSTFN評估模型進行更新推理, 風能開發價值度的狀態很快進行了調整, 相應結果如表6所示。

表5 2019年2月評估指標數據更新(以A點為例)

表6 風能開發價值度狀態更新結果

由于全球氣候變暖加劇, 北極西北航道2月的自然環境狀態出現較大幅度的提升, 海冰密集度下降, 冰情減輕, 對海上施工以及設備帶來較大利好, 對比結果可以看出, 信息更新后, 2月的評估結果調整到[0.3301,0.4376], 平均提升9%。總的來說, 風能開發價值度的上升, 顯然與自然環境要素狀態轉好是相符的。上述計算結果不但驗證了CA-SSTFN模型具有良好的價值度評估性能, 也驗證了其強大的更新能力, 基于此可實現風能開發價值度的實時或準實時評估。

4 基于三角模糊數隨機模擬綜合評估模型的風能開發價值度區劃

4.1 目標區域情況介紹

阿蒙森灣(Amundsen Gulf)位于加拿大西北部的馬更些區和富蘭克林區之間,將加拿大大陸與北部的班克斯島分隔開,屬于北冰洋中波弗特海(Beaufort Sea)的東南延伸部分。長400公里, 目前阿蒙森灣可通航時間段較長, 從8月持續到11月上旬, 隨著氣候變暖, 通航期大大變長, 同時阿蒙森灣存在豐富的海洋生物資源, 而且處于整個西北航道的端口位置, 屬于關鍵節點, 地理位置突出[31], 而海洋新能源開發有利于增強關鍵節點的生存能力, 進一步提升阿蒙森灣的價值。在此將前文設計的風能開發價值度評估模型應用于阿蒙森灣中部海域(70.25°N~71.00°N,125°W~120°W), 以便于進行價值度等級區劃, 助力阿蒙森灣中部海域風能開發, 其具體位置見圖2。根據前文公式計算得阿蒙森灣中部海域平均空氣密度為1.3428 kg·m-3。

4.2 風能開發價值度等級區劃

由于本文所使用數據多數空間分辨率為0.25°×0.25°, 故而將阿蒙森灣中部海域一共可以分成84個格點, 輸入2018年7—12月到2019年1—6月這12個月評估指標的測試樣本, 推理得到近12個月各點的風能開發價值度在置信水平95%下的置信區間, 計算其平均值作為最終推理結果, 得到這84個評估對象近12個月以來開發價值度趨勢變化。分別以1、4、7、10月作為冬春夏秋四季的代表月, 計算分析西北航道阿蒙森灣中部海域風能開發價值度的季節特征, 見圖3(a—d)。從結果來看。冬季(1月), 整體的價值度0.3以下。到了春季, 整體價值度有所增加, 區域內存在多個大值點, 比如123°W、124°W經線上, 價值度的空間分布呈南低北高分布, 大值區域價值度達到了0.5以上。到了夏季, 阿蒙森灣中部海域風能開發價值度整體在0.5以上, 部分區域超過0.6, 到了秋季價值度稍有下降, 空間分布則呈南高北低分布, 在70.5°N緯度線以下存在多個高值區域(價值度>0.5)。從全年的角度來看, 存在多個大值點, 分別在125°W、124°W、123°W、122°W經線上。從全年綜合來看, 阿蒙森灣中部海域風能開發價值度較好, 特別是夏季, 而夏季也是當前西北航道的最佳通行期, 可見風能開發的價值, 推薦的開發先導點為: (124°W,70.5°N)處, 該處在春夏兩季均為最高等級, 而在其他季節, 價值度也不是很低, 適宜開發期較長, 應該重點關注。

圖2 西北航道阿蒙森灣中部海域相對位置圖. 左圖為西北航道風功率密度的16 a平均分布圖, 單位: W·m–2; 右圖為阿蒙森灣周圍的地形圖

Fig.2. Relative position map of the central waters of the Amundsen Gulf in the Northwest Passage. The left picture shows the 16 a average spatial distribution of wind power density in the northwest channel, Unit: W·m–2; and the right picture shows the topographic map around Amundsen Gulf

Fig.3. Monthly characteristics of wind energy development value in the central waters of Amundsen Gulf

5 結論

1. 依據客觀事實和前人成果,構建了西北航道風能開發價值綜合評估體系, 并利用主客觀結合的方法界定了10個指標的相對重要性, 結果顯示風能的有效儲量這一指標最為重要。

2. 以阿蒙森灣海區A點為例, 應用CA-SSTFN評估模型分析其2018年7—12月到2019年1—6月風能開發價值度的變化情況, 發現A點在2018年8—12月到2019年的1—2月開發價值度在逐月下降, 而在2018年的7—10月價值度以及來年的3—6月價值度評價較好, 為最佳風能開發期, 而到了冬季(11、12和1月), 開發價值度較低, 風能開發較為不利, 評估結果與實際較為符合。

3. 通過CA-SSTFN綜合評估技術與AHP和FAHP評估技術的對比試驗結果來看, CA-SSTFN綜合評估技術能夠客觀地實現多源環境信息的融合和推理, 而且以置信區間形式表示的CA-SSTFN評價結果比現有常規方法的結果提供了評價結果可靠性方面的更多信息, 評價結果更符合實際情況, 能更好地反映受多種不確定性因素綜合影響的西北航道風能開發綜合價值度分析的客觀實際情況。

4. 通過CA-SSTFN綜合評估技術更新推理實驗, 驗證了CA-SSTFN模型具有良好的風能開發價值度綜合評估性能和基于信息檢測的強大更新能力, 基于此可實現風能價值度的實時或準實時評估。

5. 從阿蒙森灣中部海域風能開發價值度區劃結果來看冬季(1月), 整體的價值度為0.3以下。到了春季, 整體價值度有所增加, 存在多個大值區, 價值度的空間分布呈南低北高分布, 大值區域價值度達到了0.5以上。到了夏季, 阿蒙森灣中部海域風能開發價值度整體在0.5以上, 部分區域超過0.6, 到了秋季價值度整體稍有下降, 空間分布則呈南高北低分布, 在70.5°N線以下存在多個高值區域(價值度>0.5)。綜合來看, 阿蒙森灣中部海域風能開發價值度較好, 特別是夏季, 而夏季也是當前西北航道的最佳通行期, 可見風能開發的價值, 推薦的開發先導點為: (124°W, 70.5°N)。

1 KIISKI T, SOLAKIVI T, T?YLI J, et al. Long-term dynamics of shipping and icebreaker capacity along the Northern Sea Route[J]. Maritime Economics & Logistics, 2018, 20(3): 375-399.

2 王相宜, 周春霞, 劉帥斌. 2005—2015年北極東北航道可通航性研究[J]. 華東交通大學學報, 2017, 34(6): 72-81.

3 王志民, 陳遠航. 中俄打造“冰上絲綢之路”的機遇與挑戰[J]. 東北亞論壇, 2018, 27(2): 17-33,127.

4 BORGERSON S G. Arctic meltdown: The economic and security implications of global warming[J].Foreign Affairs, 2008, 87(2): 63-77.

5 李珍. 北極航道開通與中國的潛在經濟利益研究[D]. 上海: 上海海洋大學, 2016: 2-16.

6 王邵萱, 高健, 劉依陽. 美國海上風電產業發展現狀與對策分析[J]. 海洋經濟, 2017, 7(2): 49-54.

7 佚名. 海上風電熱開發機遇來臨充滿挑戰[J]. 能源與環境, 2012(6): 74.

8 劉振亞. 全球能源互聯網[M]. 北京: 中國電力出版社, 2015.

9 CHADE D, MIKLIS T, DVORAK D. Feasibility study of wind-to-hydrogen system for Arctic remote locations–Grimsey island case study[J]. Renewable Energy, 2015(76): 204-211.

10 BOUTE A. Off-grid renewable energy in remote Arctic areas: An analysis of the Russian Far East[J]. Renewable and Sustainable Energy Reviews, 2016(59): 1029-1037.

11 王晴勤. 廣東省海上風電場選址制約因素探討[J]. 武漢大學學報(工學版), 2011(44): 6-10.

12 曾鍇. 渤海灣海上風能發電陸地維保地的選址分析[D]. 天津: 天津大學, 2010.

13 李星. 江蘇沿海低層風場精細化分析模擬研究[D]. 南京: 南京信息工程大學, 2012.

14 鄭崇偉, 潘靜. 全球海域風能資源評估及等級區劃[J]. 自然資源學報, 2012, 27(3): 364-371.

15 呂雪芹. 基于GIS的風電場宏觀選址綜合評價方法及應用[D]. 廣州: 中山大學, 2007.

16 游欣佩, 馬平. 基于模糊層次分析法的風電場優化選址方法研究[J]. 電力科學與工程, 2012, 28(12): 45-49.

17 鄭崇偉, 李崇銀. 關于海洋新能源選址的難點及對策建議——以波浪能為例[J]. 哈爾濱工程大學學報, 2018, 39(2): 200-206.

18 ZHENG C W, LI C Y, XU J J. Micro-scale classification of offshore wind energy resource: A case study of the New Zealand[J]. Journal of Cleaner Production, 2019(226): 133-141.

19 ZHENG C W, XIAO Z N, PENG Y H, et al. Rezoning global offshore wind energy resources[J]. Renewable Energy, 2018(129): 1-11.

20 王彩霞, 李瓊慧. 促進我國分散式風電發展的政策研究[J]. 風能, 2013, (9): 46-52.

21 ZHENG C W, PAN J, LI J X. Assessing the China Sea wind energy and wave energy resources from 1988 to 2009[J]. Ocean Engineering, 2013(65): 39-48.

22 鄭崇偉. 海上可再生能(波浪能、風能)資源利用的理論研究[D]. 長沙: 國防科學技術大學, 2018.

23 閻俊岳, 黃愛芬. 中國近海大風極值計算方法研究[J]. 氣象學報, 1996, 54(2): 233-239.

24 張德天, 鄭崇偉, 石嶺琳, 等. 1999—2009年QN風場對中國海海表風場的研究[J]. 海洋預報, 2011, 28(4): 58-64.

25 ZHENG C W, ZHOU L, JIA B K, et al. Wave characteristic analysis and wave energy resource evaluation in the China Sea[J]. Journal of Renewable and Sustainable Energy, 2014, 6(4): 502-512.

26 LEE H M. Applying fuzy set theory to evaluate the rate of aggregative risk in software development[J]. Fuzy Sets and Systems.1996, 79(3): 323-336.

27 GIACHETTI R E, YOUNG R E. Analysis of the error in the standard approximation used for multiplication of triangular and trapezoidal fuzzy numbers and the development of a new approximation[J]. Fuzzy Sets and Systems, 1997, 91(1): 1-13.

28 RONALD E G, ROBERT E Y. A parametric representation of fuzzy numbers and their arithmetic operators[J]. Fuzzy Sets and Systems, 1997, 91(2): 185-202.

29 金菊良, 吳開亞, 李如忠. 水環境風險評價的隨機模擬與三角模糊數耦合模型[J]. 水利學報, 2008, 39(11): 1257-1261, 1266.

30 毛毅鋼. 基于熵權法的高校體育教師評價指標體系的建立[J]. 重慶理工大學學報(自然科學), 2015, 29(1): 150-154.

31 李翔, 趙進平, 李濤, 等. 北極阿蒙森灣冬季冰下海水結構及對流混合研究[J]. 極地研究, 2010, 22(4): 404-414.

MODELING AND EVALUATION OF OCEAN WIND ENERGY LOCATIONS IN THE ARCTIC NORTHWEST PASSAGE

Qian Heng, Zhang Ren

(College of Meteorology and Oceanography, National University of Defense Technology, Nanjing 211101, China)

The grade division of wind energy development is the main basis of site selection for wind power generation. To address the problem of offshore wind energy location in the Arctic Northwest Passage, a set of evaluation systems of wind energy development grades with polar region characteristics was established, which was analyzed by combining with a comprehensive evaluation model (CA-SSTFN) based on triangular fuzzy number stochastic simulation. According to the comparison test results between the model and the evaluation technologies of analytic hierarchy process (AHP) and fuzzy AHP, CA-SSTFN can objectively realize the fusion and reasoning of multi-source environmental information, and the evaluation results expressed in the form of confidence intervals provide more information on the reliability of the evaluation results than do the results of existing conventional methods. The evaluation results are more consistent with the actual situation and have good evaluation performance. At the same time, the model also has updating capability based on information detection, which can realize real-time or quasi-real-time evaluation of value. Finally, the central sea area of Amundsen Bay was taken as an example for analysis. The results indicate that the value of wind energy development in this sea area is generally good, especially in summer, which is also the best passage period for the current Northwest Passage, adding value to wind energy development. Overall, the recommended development pilot area is in the region of 70.5°N, 124°W.

Northwest Passage, wind energy development, triangular fuzzy number, grade zoning, macro-site selection

2019年9月收到來稿, 2020年2月收到修改稿

國家自然科學基金(41976188)資助

錢恒, 男, 1996年生。碩士研究生, 主要從事北極西北航道研究。E-mail:2085451516@qq.com

張韌, E-mail: zrpaper@163.com

10. 13679/j.jdyj.20190053