冯 放,李 岩,李元强
(1.东北农业大学理学院,哈尔滨 150030;2.东北农业大学工程学院,哈尔滨 150030)
当前能源建设,尤其是农村能源建设是农业发展及农村基础设施建设的重要环节,关系着农业经济持续快速的发展和农民生活水平的迅速提高。黑龙江省作为著名的农业大省有着丰富的能源,但是广大农民生产生活能量消耗高,能量需求量大也是不可忽视的问题,广大农村迫切需要新的能源技术来建设和优化农村能源结构,发展农业生产,而发展可再生能源,可以在一定程度上减少能源的消耗量,减轻环境污染,促进农业循环发展以至在农业生产生活中获得综合效益。黑龙江省的能源储量尤以生物质能、风能和太阳能最为丰富。针对这一特点,东北农业大学工程学院的可再生能源研究团队开发以生物质能源为主,风能和太阳能为其提供辅助能源的“风-光-沼”综合利用系统,以期建立寒冷地区的可再生能源综合开发与利用的新模式,实现能源利用系统的能量平衡,提供农村能源建设的新技术,改善农民的生活问题,推动农业生产持续健康的发展。
但是在“风-光-沼”综合利用系统中需要导入风力发电,利用风能提供能源,这首先需要对校园内的风能资源进行评估,分析风力发电的可行性。然而,黑龙江省地处高寒地区,传统的机械式风能资源测量系统会因积雪和结冰等问题影响测量精度和准确度。为此,本研究采用了适用于寒冷地区风资源测量的超声波式风速风向测量系统,采集了东北农业大学校园内一年的风能资源数据,利用风资源评估理论[2]对寒冷地区的风资源分布特点进行了分析,计算了风力机年发电量和设备利用率,论证了导入风力发电的可行性。同时,本研究也确立了在寒冷地区进行风能资源调查的方法和模式,为寒冷地区风资源的测量与评估提供了新的借鉴和思路。
本研究测量仪器采用适用于寒冷地区的超声波式风速风向仪(英国Gill公司生产),测量装置设置在黑龙江省南部哈尔滨市(东经126°38′,北纬45°45′)市郊的东北农业大学校园内,测量装置距地面高度为17 m。测量系统的主要构成如图1所示。
图1 测量系统构成Fig.1 Measuring system constitutes
在2009年1月至12月期间,利用上述测量系统,全天24 h实时采集了风速和风向数据,数据采集时间间隔为1 s。采集到的数据送至计算机进行数据转换和运算,并根据风资源评估理论中本研究所需计算的主要参数(平均风速、平均风向、风速频率、风功率密度等)对每秒钟的风速数据进行了处理,并根据所计算的主要参数计算了风力机年发电量及其设备利用率,论证了导入风力发电的可行性。
平均风速是最直观简单表示风能储量大小的指标,主要包括年平均风速和月平均风速[2]。前者是一年中各次观测的风速之和除以观测次数,后者则是将各月观测的风速之和除以观测次数。本研究将测量系统采集的全年风能资源数据导入自行开发的处理程序中,通过数据库计算功能,计算出了年平均风速和各月平均风速。并以此为基础,利用风速随高度变化的指数公式(1)[2],推算出了离地高度为70 m处的年平均风速和月平均风速,计算结果如表1所示。
表1 2009年全年离地17 m和70 m高度处平均风速统计Table 1 Height of 17 m and 70 m from the ground at an average speed statistics the year of 2009(m·s-1)
从表1中可以看出校园内离地17 m高度处,全年平均风速为3.09 m·s-1,其中2、3、4、5、11、12月的平均风速都高于3 m·s-1;而离地70 m高度处全年各月风速都高于3 m·s-1,全年平均风速达到了6.08 m·s-1。另外通过分析图2所示的2009年5月30这一天的每小时风速变化情况,可知风速在一天内的变化范围也是较大的。因此,可以说,在70 m高度处东北农业大学校园内有较丰富的风能资源可以利用。根据导入风力发电的最低风速要求在3.5 m·s-1以上这一原则,在校园内70 m以上高度导入风力发电是具有很高的可行性的。
风向频率玫瑰图是根据风向的测量数据,按16个方向进行统计,用出现方向的时间除以总的观测时间,从而确定主导风向,这对于风电场机组位置排列可以起到关键的指导作用[3]。图3所示为利用本研究观测到的风向数据得到的风向频率玫瑰。由图3可知,校园内全年风向频率出现的最大值是SWW和W,其风向出现率分别占全年的12.1%和9.9%,占有较大百分比,即该地区主导风向是偏西风,这与黑龙江省的季风气候和高纬度的地形特征有关。因此,风电场中风力发电机组的风轮方向应面向偏西风方向排列。
图2 2009年5月30日每小时风速变化曲线Fig.2 May 30,2009 hourly wind speed curve
图3 2009年风向频率玫瑰Fig.3 Direction frequency rose diagram of 2009
风速频率是以1 m·s-1为一个风速区间,统计每个风速区间内风速出现的次数[4]。它是风能利用中反映风的统计特性的一个重要指标。如图4所示为2009年离地17 m高度处全年风速频率分布图,全年中风速为3 m·s-1附近的风速出现频率23.4%为最高峰,全年分布规律为单峰形式,峰值出现在风速3 m·s-1附近的区域,可知校园内风能储量稳定。
通过求得的风速频率分布,利用最小二乘法可以计算出风速统计的概率密度。一般来说,拟合风速分布的威布尔分布被认为是适用于风速统计描述的分布函数[2],并且如果知道了一个高度风速的威布尔分布参数,便可求出任意高度的威布尔参数,所以威布尔分布拟合风速要比其他分布拟合要方便。本文利用风速频率分布数据和公式(2)(概率密度函数的计算公式[2]),可以计算出在离地70 m高度处的威布尔参数,即k=1.3,c=3.7。图4中的实线即为威布尔分布曲线。
图4 2009年风速出现频率分布与威布尔分布Fig.4 Frequency distribution of 2009 and the Weibull wind speed distribution
公式(2)为
风功率密度是气流垂直通过单位面积的风能,它是表征一个地方风能资源多少的指标[2]。由于风速是一个随机性很大的量,所以一定要观测考察平均情况,即平均风功率密度,其计算公式为(3)[3],本文将全年风速数据利用数据库计算得东北农业大学校内离地70 m高度处年平均风功率密度为393.4 kW,根据风能评估理论,可知处于风能可利用区范围[3]。
从以上风资源评估理论中的主要参数(平均风速、平均风向、风速频率、风功率密度等)的计算可知,东北农业大学校园内70 m以上高度处的风资源达到了风资源评估的标准,论证了导入风力发电的可行性。
根据风资源评估理论中的主要参数计算结果及风速概率密度,通过进一步计算可得到该地的风能可利用时间和风力机的设备发电量和利用率。
利用公式(4)[2]可求得东北农业大学离地70 m高度处全年风能可利用时间为5 365 h,约占全年时间的61.2%。
现在以一台风能利用系数为0.45的2 000 kW的风力发电机为例,利用风力发电量计算公式(5)[3],可以计算出其全年的发电量为3.59×106kWh。
利用公式(6)[4],可计算出其设备利用率(容量系数)为21%。
通过风能利用时间和设备利用率的估算,可以推知此地全年风可能利用时间符合风资源可利用区域的要求,如果选择适合的风力机其设备利用率是比较理想的。
综上可见,在地处寒冷地区的东北农业大学校园内70 m以上高度处的风资源非常丰富,处于风能可利用范围内,十分适合导入风力发电,为农业生产生活需要能源提供补充。图5所示即为以沼气生产为主,风能和太阳能为其提供辅助动力的寒冷地区“风-光-沼”综合利用系统的示意图。由于寒冷地区冬季时间长,沼气发酵需要大量能量来保温,导致系统能量不平衡。而风力发电的导入可以有效地解决这一问题,因此,可以预见该系统具有非常广阔的应用前景。
图5“风-光-沼”综合利用系统Fig.5 “Wind-Light-biogas”reuse system
本研究通过对位于寒冷地区的东北农业大学校园中2009年全年内的风资源数据的采集、统计、计算和分析,确立了在寒冷地区进行风资源测量与评估的一种方法和模式,以此计算了各项风能评估参数,论证了风力发电的可行性,为在高寒地区导入风力发电,建立以生物质能利用为主,风能和太阳能为辅的“风-光-沼”可再生能源综合利用系统提供了重要实践基础。为地处寒冷地区的农业大省减少能源的消耗量,减轻环境污染,促进农业循环发展以至在农业生产生活中获得综合效益,探索农村能源发展利用的新技术,进行可再生资源综合利用提供了依据。
[1] 何英.黑龙江省农村能源结构现状分析及优化建议[J].农场经济管理,2008(3):50-51.
[2] 宫靖远.风电场工程技术手册[M].北京:机械工业出版社,2004:16-26.
[3] 汪青春,秦宁生,朱西德,等.基于气象站资料的青海省风能资源评估分析[J].青海科技,2008(2):26-31.
[4] 牛山泉.风能技术[M].刘薇,李岩,译.北京:科学出版社,2009:1-20.
[5] 张丽敏,李光一,张继赢,等.葫芦岛沿海地区风资源分析[J].节能,2008(7):11-13.
[6] 杨柏松,李岩,冯放,等.直线翼垂直轴风力机静态叶片结冰的观测与分析[J].可再生能源,2009(6):20-23.
[7] 陈文章,荣士壮.我国新能源和可再生能源现状、问题及对策的探讨[J].辽宁农业职业技术学院学报,2008(1):34-35.
[8] Li Y,Fang F,Zhang Y G,et al.Investigation of wind energy resources and feasibility analysis of wind power in the campus of Northeast Agricultural University of China[C].2010 International Conference on Advanced Energy Engineering,ICAEE Proceedings,2010:99-102.
[9] Acker T L,Williams S K,Earl P N.et al.Wind resource assessment in the state of Arizona:Inventory,capacity factor,and cost[J].Renewable Energy,2007,32(9):1453-1466.
[10] Burlando M,Preliminary estimate of the large-scale wind energy resource with few measurements available:The case of montenegro[J].Journal of Wind Engineering and Industrial Aerodynamics,2009,97(11-12):497-511.