海外風電項目開發中風能資源和發電量評估的不確定性分析

摘 要：國內針對風電項目的投資評估一般采用發電量折減系數的概念，但在海外風電項目的開發投資中，國際金融機構在盡職調查過程中通常將P80～P90的發電量作為財務關鍵指標來把控項目投資的風險水平，以確定項目貸款額度、利息、年限等，進而會影響項目的收益率。以哈薩克斯坦西部某風電項目評估案例為例，基于該項目的實際資料，在傳統的采用折減系數取值方法計算發電量的基礎上，對其風能資源和發電量評估的不確定性進行了分析研究，對評估過程中各損耗折減項與不確定性項進行了細化分類，并對其取值對項目發電量的影響進行了研究。研究結果表明：同一個風電項目在P50和P90下的等效滿發小時數相差較大，因此采用不同的發電量參照對項目收益率的測算結果影響較大。風電項目的不確定性越大，風險越大；對不確定性影響較大的因素主要為前期測風時段風數據的可靠性、氣候的長期變化，以及風電機組的選型和性能等。綜合來看，海外風電項目的開發投資決策僅參考P50發電量帶來的不確定性和風險較大，建議項目前期開發階段以P50發電量來判斷項目的基礎收益能力，以P80～P90發電量作為財務關鍵指標來判斷項目投資的風險水平。期望研究結果可為其他海外風電項目開發投資過程中的風能資源和發電量評估提供決策參考和指導，提高項目評估結果的可靠性和準確性，從而降低項目的投資風險和融資風險。

關鍵詞：海外風電項目；風電投資；風能資源評估；發電量；不確定性；超越概率

中圖分類號：TK89 文獻標志碼：A

0 "引言

風電項目投資的成敗與該項目所在地的風能資源及發電量的評估結果密切相關。風能資源評估是風電場可行性研究的關鍵部分，只有當風能資源評估的發電量結果達到一定條件時才能決策項目是否推進。但在風能資源評估過程中存在多方面的不確定性，其受多個獨立或相互交叉因素的綜合影響[1-3]，比如：測風塔代表性、軟件仿真結果、環境氣候變化等。一般情況下，平均風速和年發電量是判斷風電場價值的重要參數，但是評估得到的風速和發電量結果的準確性和可靠性卻存在一定的不確定性，因此，量化評估結果的不確定性對風電場開發商及投資機構而言具有一定的說服力和意義。文獻[4-5]提出，需要用統計學的方法對風電場風能資源評估的不確定性進行分析和量化，以探究風能資源評估過程中各類因素和步驟對評估結果的影響程度，盡量用數字化方式來量化這種不確定性，從而減少在風電場投資過程中的風險、提高評估結果的可靠性，為風電項目的投資決策提供科學依據。

風電行業中一般采用超越概率的概念來表示某特定風電場的實際發電量超越其計算發電量值的概率[4]，比如：將超越概率為50%的計算發電量記為“P50發電量”，表示該風電項目的實際發電量有50%的概率大于其計算值，50%的概率小于其計算值；同理，將超越概率為80%和90%的計算發電量分別記為“P80發電量”和“P90發電量”。國際金融機構在盡職調查過程中通常將P80～P90的發電量作為財務關鍵指標來把控項目投資的風險水平。因此，對于海外風電項目開發投資決策來說，僅參考P50發電量帶來的不確定性和風險較大。

基于此，本文以哈薩克斯坦西部某風電項目評估案例為例，在基于傳統的采用折減系數取值方法進行發電量評估的基礎上，細化和分類評估過程中的各種不確定性項，并通過分析各損耗折減項、不確定性項的取值對發電量和項目收益的影響，探討海外風電項目開發投資決策的考量因素。

1 "不確定性的計算原理

在針對某個風電項目的風能資源及發電量評估的不確定性分析中，一般包含損耗折減項和不確定性項兩部分。通常假設風電項目評估中風速和發電量的隨機不確定性都遵循正態分布特征[6]，則對風能資源及發電量不確定性的評估計算就轉變為通過各損耗折減項求解風電場發電量正態函數的平均值，以及通過對各不確定性項進行分類及計算來求解風電場發電量正態函數的標準差的過程，即計算風電場年發電量的總不確定性[7-9]。

風電場發電量的概率密度函數f （x）可表示為：

（1）

式中：x為風電場未來實際年發電量；μ為風電場計算年發電量評估的均值，對具體項目而言其為常數值，μ=0時f（x）為標準正態分布；σ為風電場計算年發電量評估的標準差，即風電場年發電量的總不確定性。

不同參數取值下的風電場發電量概率密度函數曲線如圖1所示。

風電場實際年發電量超越計算年發電量的概率，即為該計算年發電量所對應的超越概率F（x），其為正態分布的累計函數，可表示式為：

（2）

一般通過各損耗折減項求解的風電場發電量正態函數的平均值即為風電場凈發電量，記作超越概率為50%的P50發電量，但P50發電量中未考慮不確定性的影響。因此在進行風能資源和發電量評估計算時，應考慮損耗折減與不確定性的影響，將各損耗折減項和不確定性項分別綜合成總折減系數和總不確定性[7]進行分析。

損耗折減項的總折減系數D的計算式為：

（3）

式中：di為第i項損耗折減項的具體取值；r為損耗折減項的總項數。

不確定性項的總不確定性的計算式為：

（4）

式中：σq為第q項不確定性項的具體取值；m為不確定性項的總項數。

根據正態分布特性和超越概率的定義，n%超越概率下風電場計算年發電量Pn的計算式為：

（5）

式中：P50為超越概率為50%的P50發電量，即考慮各損耗折減項后風電場的年凈發電量；Pσ為由不確定性引起的風電場計算年發電量的標準偏差；Nn為n%超越概率下的標準差倍數，其值隨著n%的增大而增大，可通過標準正態分布函數表查詢獲得。

從式（5）可以看出：超越概率越大，對應的標準差倍數越大，風電場計算年發電量越少，則評估的年發電量值相對越保守，風險越低。

2 "不確定性計算案例

以哈薩克斯坦西部某風電項目評估案例為例進行計算分析。該項目擬采用16臺3.2 MW風電機組；測風塔100 m輪轂高度處的1年時長的實測年平均風速為7.6 m/s，威布爾分布的形狀參數k為2.321（形狀參數表示風頻分布的集中度，其值越大，表示風速越集中于平均風速兩側）、尺度參數a為8.578（尺度參數表示平均風速的大小，其值越大，表示平均風速越大）。根據以上條件，計算得到該項目未經任何修正和折減的年均理論發電量為2.48195億kWh。

2.1 "損耗折減項的分類

按照導致損耗折減的不同因素（即尾流效應、可用性、風電機組性能、電氣、環境、各種限制）對其進行分類，具體類型及取值如表1所示。

將各損耗折減項取值代入式（3），可計算得到該風電項目的總折減系數為80%。則該風電項目的P50發電量為2.48195×（1–20%）=1.98556億kWh。

2.2 "平均風速-發電量敏感度

風能資源評估中，對發電量不確定性的影響可分為直接影響和間接影響，即直接影響發電量的不確定性和通過對風速的影響間接影響發電量的不確定性。因此需要將影響年平均風速的不確定性轉換為間接影響發電量的不確定性，即進行平均風速-發電量敏感度分析。

將平均風速-發電量敏感度定義為：保持風速威布爾分布的形狀參數值不變，當平均風速降低1%時對應的凈發電量的降低比例。平均風速-發電量敏感度S的計算式為：

（6）

式中：E1、E2分別為平均風速降低1%前、后該平均風速對應的凈發電量。

已知該風電項目所在地的測風塔100 m輪轂高度處1年時長的實測年平均風速為7.600 m/s，威布爾分布的形狀參數為2.321、尺度參數為8.578。當年平均風速降低1%后，其值為7.524 m/s，威布爾分布的形狀參數保持不變，根據Γ函數計算式可倒推得出此時對應的尺度參數為8.492。

Γ函數的計算式為：

（7）

式中：vave為年平均風速。

該風電項目采用的3.2 MW風電機組在年平均風速變化前后對應的發電量計算結果如表2所示。表中：P為風頻占比；v為平均風速。

當年平均風速為7.600 m/s時，計算得到全場年毛發電量約為248195227.4 kWh；保持威布爾分布的形狀參數不變，年平均風速降低1%時（為7.524 m/s），計算得到的全場年毛發電量約為245093083.7 kWh。根據式（6），可計算得到該風電項目的平均風速-發電量敏感度為1.25，即平均風速降低1%時，年計算發電量降低1.25%。

2.3 "不確定性分類

按照導致不確定性的不同因素（即風數據[10-11]、風流模型[12-15]、功率轉化、損耗折減、其他），對其進行分類；然后根據前文計算得到該風電項目的平均風速-發電量敏感度（1.25），將風速不確定性傳遞到發電量不確定性，得到各發電量不確定性項的取值，具體如表3所示。

根據式（4），可計算得到該風電項目發電量的總不確定性為13.38%。

年發電量的總不確定性標準偏差的計算式為：

Pσ=P50?σ " " " " " " " " " " " " " " " " " " " " " " " " " " " " "（8）

根據式（8），可計算得到該風電項目年發電量的總不確定性標準偏差為0.26566億kWh。

2.4 "發電量的不確定性計算結果

根據式（5），結合前文分析計算結果，可計算得到不同超越概率下的發電量，并將其折合成等效滿發小時數，具體如表4所示。

從表4可以看出：同一個風電項目在P50和P90下的等效滿發小時數可相差665.1 h。

根據前文分析結果，一般風電項目的總損耗折減在15%～20%之間，總不確定性在10%～15%之間，平均風速-發電量敏感度在1.0～1.5之間。同一個風電項目若采用不同的發電量參照，由于等效滿發小時數相差較大，對項目收益率的測算結果也會產生較大影響。

3 "結論和建議

本文以哈薩克斯坦西部某風電項目評估案例為例，對其風能資源和發電量評估的不確定性進行了研究，對評估過程中各損耗折減項、不確定性項進行了細化分類，并對各損耗折減項與不確定性項的取值對項目發電量的影響進行了分析，得出以下主要結論：

1）一般風電項目的總損耗折減在15%～20%之間，總不確定性在10%～15%之間，平均風速-發電量敏感度在1.0～1.5之間。同一個風電項目在P50和P90下的等效滿發小時數相差665.1 h，因此采用不同的發電量參照對項目收益率的測算結果影響較大，甚至可能引起顛覆性的決策結果。

2）風電項目的不確定性越大，風險越大；對不確定性影響較大的因素主要為前期測風時段風數據的可靠性、氣候的長期變化，以及風電機組的選型和性能等。

綜合來看，海外風電項目的開發投資決策僅參考P50發電量帶來的不確定性和風險較大，建議項目前期開發以P50發電量來判斷項目的基礎收益能力，以P80～P90發電量作為財務關鍵指標來判斷項目投資的風險水平。中國在“一帶一路”沿線國家可再生能源項目的投資總體呈增長趨勢，為了更好的在國際市場上拿到優質資源，期望本研究結果可為其他海外風電項目開發投資過程中的風能資源和發電量評估提供決策參考和指導，提高項目評估結果的可靠性和準確性，從而降低項目的投資風險和融資風險，提高項目的可靠性及綜合品質。

[參考文獻]

[1] 張洋，劉雪楓，李強. 風資源評估綜述[J]. 水利電力機械，2007，29（5）：72-75.

[2] 李偉，姚暉，王煥奇，等. 發電量估算不確定性對風電項目投資決策的影響[J]. 風能，2014（9）：78-81.

[3] 王道欣，蔡創彬，張云超，等. 基于理論折減系數的測風塔代表性分析[J]. 水電與新能源，2022，36（1）：28-33.

[4] 趙歆. 風資源評估的不確定性分析[J]. 科技創新與應用，2016，6（4）：16.

[5] 盛科，劉超，楊佳元. 基于風電場后評價的風能資源評估不確定度研究與應用[J]. 風能，2015（1）：72-75.

[6] 張雪芝. 風電場風資源評估與發電量敏感度研究[D]. 烏魯木齊：新疆大學，2018.

[7] 張懷全. 風資源與微觀選址：理論基礎與工程應用[M]. 北京：機械工業出版社，2013.

[8] LACKNER M，ROGERS A，MANWELL J F. Uncertainty analysis in wind resource assessment and wind energy production estimation[C]//45th AIAA Aerospace Sciences Meeting and Exhibit，January 08-11，2007，Reno，Nevada. [S.l.：s.n.]，2007.

[9] 馬友林. 風速不確定度的分析和計算[J]. 風能，2018（8）：102-115.

[10] 周強，丁宇宇，程序，等. WT軟件在風電場測風塔選址及風能資源評估中的應用[J]. 風能，2012（8）：72-75.

[11] 匡禮勇，周海，程序，等. 風能資源開發利用中測風塔的應用研究[C]//中國氣象學會. 第27屆中國氣象學會年會論文集. 北京：中國氣象學會，2010.

[12] AMR M，PETERSEN H，HABALI S M. Assessment of windfarm economics in relation to site wind resources applied to sites in Jordan[J]. Solar energy，1990，45（3）：167-175.

[13] AL-ABBADI N M. Wind energy resource assessment for five locations in Saudi Arabia[J]. Renewable energy，2005，30（10）：1489-1499.

[14] 姜波，楊學聯，張松，等. 基于MM5模式的我國近海海洋風能資源評估[J]. 風能，2013（3）：80-85.

[15] LUMBRERAS S，RAMOS A. Offshore wind farm electrical design：a review[J]. Wind energy，2013，16（3）：459-473.

UNCERTAINTY ANALYSIS OF EVALUATION OF WIND ENERGY RESOURCES AND POWER GENERATION CAPACITY IN

OVERSEAS WIND POWER PROJECT DEVELOPMENT

Chen Huanxin，Chen Hongzhi

（1. Envision Energy Co.，Ltd，Shanghai 200001，China；2. Universal Energy Co.，Ltd，Shanghai 200001，China）

Abstract：The investment evaluation of domestic wind power projects generally adopts the concept of power generation capacity reduction coefficient. However，in the development and investment of overseas wind power projects，international financial institutions usually use the P80～P90 power generation capacity as a financial key indicator in the due diligence process to control the risk level of project investment，in order to determine the project loan amount，interest，term，etc.，which in turn affects the project's yield. This paper takes the evaluation case of a wind power project in western Kazakhstan as an example. Based on the actual data of the project，the uncertainty of wind energy resources and power generation capacity evaluation is analyzed and studied on the basis of the traditional method of calculating power generation capacity using reduction factor values. The various loss reduction and uncertainty items in the evaluation process are classified in detail，and the impact of their values on the project's power generation capacity is studied. The research results show that there is a significant difference in the equivalent full load hours of the same wind power project under P50 and P90. Therefore，using different power generation capacity references has a significant impact on the calculation results of project profitability. The greater the uncertainty of wind power projects，the greater the risk. The factors that have a significant impact on uncertainty are mainly the reliability of wind data during the early wind measurement period，long-term climate changes，and the selection and performance of wind turbines. Overall，the development and investment decisions of overseas wind power projects rely solely on P50 power generation capacity，which brings significant uncertainty and risks. It is recommended to use P50 power generation capacity to judge the basic profitability of the project in the early stage of development，and P80～P90 power generation capacity as a financial key indicator to judge the risk level of project investment. The expected research results can provide decision-making references and guidance for the evaluation of wind energy resources and power generation capacity in the development and investment process of other overseas wind power projects，improve the reliability and accuracy of project evaluation results，and thereby reduce investment and financing risks of the project.

Keywords：overseas wind power projects；wind power investment；evaluation of wind energy resource；power generation capacity；uncertainty；exceeding probability