基于GIS-PPE模型的我国风能资源开发宏观选址评价

路正南，王 健

（江苏大学 a.管理学院；b.财经学院，江苏 镇江 212013）

风能作为一种无污染、可再生的清洁能源资源，是改善能源结构、促进经济可持续发展的新型战略性能源，已经受到各国政府的高度关注。2000—2011年间，我国风电累计装机容量从341.6MW增长到62364.2MW，年均增长60.5%。风电市场化进程、风电技术研发、风电比重等方面均取得显著进步。但与世界风电强国相比，我国风电产业的发展还非常不成熟，还处于不断地摸索我国国情下风电发展规律的初级阶段。风电快速发展的同时还存在诸如风电设备产能过剩、场网规划不协调、风电并网困难、风电政策不连贯等诸多隐患。

在风能资源开发的各环节中，首先是选址问题，即在哪里开发风能资源。火力发电的电源选址一般都靠近用电负荷中心、远离电煤产地，以最大限度的满足输电和用电效率，并通过运输电煤来解决发电动力与发电场所的空间错位。与常规能源发电相比，风力发电的一个显著特征是发电动力的不可运输性，必须在风能资源富裕地进行就地开发，只能将可以流动的生产要素配置到不能转移的风能资源要素所在的地理区位上，实现要素的配置和组合并产生有效的生产力。风能资源开发选址的科学性，将从源头决定生产要素的配置效率和最终生产效能的实现。

风能资源的选址可分为宏观选址和微观选址两个层次。前者主要以国家或大区域为背景，从宏观上把握风能资源开发的区位选择、价值判断、开发顺序等；后者主要以具体的地域为背景，从微观上研究地形地貌、气候气象等因素对风能资源特性的影响以及开发的可行性。

Lackner等[1]强调了风能资源评估对风电开发选址的重要意义，认为风能资源开发过程中存在多种不确定性，而正确地判断风能资源评估过程中的不确定性，是影响风能资源开发效果的关键，也是风电场选址的前提。Thomsen等[2]研究发现伴随风电场选址不同而产生的空气动力学因素的差异是影响发电量的主要因素，发电量差异甚至会超过50%。

Ciaccia等[3]从社会影响和环境影响的角度研究了风电场的选址，认为有必要综合评估风电场建设的收益和负外部性，并尽量消除或转换其负外部性。Ladenburg[4]认为环境成本的上升加大了陆基风电场选址的难度，发现离岸风电由于显著降低了环境成本而越来越受到重视，但其潜在环境成本可能高于陆基风电。Fuglsang等[5]比较了1.5MW容量的陆基和离岸风电场，发现离岸风电场的建设成本下降了4.6%～10.6%，发电量增加了28%。

Lee等[6]运用层次分析法建立了BOCR模型（收益、机会、成本和风险），为风电场选址构建了新的多准则决策模型。邓院昌等[7]对我国已建成风电场的地形起伏度和坡度数据进行了统计分析，得出地形起伏度、坡度、地形适宜度专题图，为风电场宏观选址系统中地形条件的评价提供了量化指标和简单的实现方法。

国内外学者从风电开发的技术特性、资源评估、环境影响、社会经济因素等多个方面研究了风能资源开发过程中的选址问题，但在我国国情下对风能资源开发过程中的宏观选址问题的研究还相对薄弱。我国风能资源和用电负荷的分布存在较为明显的逆向分布格局，两者分布的耦合性较差。侧重于风能资源进行选址，可能面临当地电力消费能力差，或者电网建设滞后制约电力并网等一系列次生问题；侧重于用电负荷进行选址，又可能存在风能资源贫瘠的局面。如何综合考虑风能资源和用电负荷及其分布错位，是关乎我国风能资源开发效果的首要问题。本文利用地理信息技术，对风能资源储量的分布图谱与用电负荷的分布图谱进行耦合，确定若干风能资源开发选址价值较大的区域，避免了因直接研究现有风电布局区而忽略了考量是否具有选址价值。

一、我国风能资源开发宏观选址的区域设计

（一）风能资源分布图谱

年平均风速、有效风能功率密度、有效风能利用小时、容量系数等指标，分别从不同侧面反映风能资源特征，是衡量风能资源富裕度、开发价值的重要指标，风能资源开发选址时应综合考虑这些指标。

本文利用全国平均风速分布图、中国有效风功率密度分布图、中国全年风速大于3m/s小时数分布图，对我国风能资源宏观分布的区位特征进行度量。利用ArcGIS 9.0和ERDAS IMAGINE 9.1对上述三幅图进行同位叠加，同时综合表征风能资源的三个方面特性。具体步骤如下：

1.影像配准

将三幅图片的初始影像载入ArcMap，进行影像校正与配准，手动设置多个精确控制点后输入其实际坐标位置，更新后获得其真实坐标，完成影像校准。

2.图层矢量化

新建ArcGIS 9.0面元图层，并根据初始影像各自的区间值，划分不同的面元区域。并对栅格图面元区域进行识别，形成矢量图层。

3.添加属性表

添加面元图层属性表中的组别数，并根据划分各图区间的等级标准，将图层区域划分成四个等级。

4.面元图层栅格化

根据各象元赋值，将面元图层转化为栅格图层，并将栅格设置为1000m×1000m规格，再统一将图层投影转换为Kra⁃sovsky_1940_Albers格式。

5.图层叠加

运用ERDAS IMAGINE 9.1中的conditional函数，对图层进行叠加建模，实现图层叠加。三幅初始图像叠加后的分布图谱见图1。

图1 我国风能资源分布等级图

（二）电力消费分布图谱

鉴于风能资源开发需综合考虑发电源的风能资源分布状况和用电源的电力负荷分布状况，同样运用GIS技术将我国区域电力消费数据转化成电力消费分布等级图。

由于全国各市的电力消费数据难以获得，很难制成精确的电力消费分布图。以省域为单位的电力消费分布图也可满足宏观选址的耦合要求。将各省份近三年的电力消费数据取均值，并把北京、天津与河北，四川与重庆进行合并。并根据数据特征，分别以1000KWh、1500KWh、2000KWh为分界点，将各省市划分为四个组别。等级图见图2。

图2 我国省域电力消费等级图

（三）风能资源开发宏观选址区域的备选方案

以上述风能资源分布图谱和电力消费分布图谱为母版图层，以省域为空间尺度单元，进行同位投影叠加分析。并对叠加规则进行定义，以减少输出等级。

先将电力消费等级1000亿KWh以下区、1000～1500亿KWh区、1500～2000亿KWh区、2000亿KWh以上区分别记为电力消费Ⅰ区、Ⅱ区、Ⅲ区、Ⅳ区。定义风能资源丰富区与电力消费Ⅲ区、Ⅳ区的叠加区域为开发价值优异区；风能资源丰富区与电力消费Ⅱ区，风能资源较丰富区与电力消费Ⅲ区、Ⅳ区，风能资源可利用区与电力消费Ⅳ区的叠加区域为开发价值优良区；风能资源较丰富区与电力消费Ⅱ区，风能资源可利用区与电力消费Ⅱ区、Ⅲ区的叠加区域为开发价值一般区；风能资源欠缺区或者电力消费Ⅰ区的叠加区域为开发价值欠缺区。最终叠加图谱见图3。

图3 我国风能资源开发价值等级图

根据开发价值等级图、国家公布的风能资源开发规划以及各区域风场建设的实际情况，拟选择新疆北部与内蒙古西部地区、内蒙古中部地区、东北地区、东部沿海地区和东南沿海地区为我国风能资源开发宏观选址的五大重点区域。

二、我国风能资源开发宏观选址价值评价

（一）风能资源开发宏观选址指标体系及量化方法

风能资源开发的选址除了应考虑上述的资源条件和电力负荷，还应考虑其他诸如研发制造、运输条件、电网建设、政策扶持等多个因素。本文将主要的相关因素归纳为资源条件、消费能力、制造能力和保障能力四个方面，分别反映发展风电的可行性、必要性、硬件配套能力和软件支撑能力。

1.资源条件

年平均风速：是一年中各次观测风速之和的平均值，是最直观简单表示风能大小的指标之一。一般要求风电场建设地10m高处的年平均风速至少在6m/s左右。

有效风能功率密度：是介于切入风速与切出风速之间的可利用风能在单位风轮面积上的平均风能功率。

有效风能利用小时数：是一年内介于切入风速与切出风速之间的累计可利用时间，用以衡量风电场全年累计可发电时间。

极端气候频率：对正常的风力发电，以及风机寿命、维修成本等都有重要影响，也是需要考量的一个重要指标。

2.消费能力

区域电力消费总量：风电的发展离不开辐射区电力消费市场的支撑，较大的电力消费能力能够从输出端保证风电发展的良性循环。

区域电力净输入量：用以表征该区域的电力短缺情况，是衡量风电发展生存空间的重要指标。

区域经济发展水平：当前的发展模式对能源消费量、能源消费增速具有显著的拉动作用，该指标有助于了解风电辐射区当期和未来的电力需求。

区域高耗能产业发展状况：高耗能产业集聚与季节性生产高峰是导致区域电力结构性短缺的主因。风电与高耗能产业的耦合对于发展非并网风电、缓解结构性电力短缺都具有重要意义。以石油加工业、化学制品制造业、黑色金属冶炼业、有色金属冶炼业、非金属矿物制品业等五个行业的工业总产值来衡量辐射区高耗能产业的发展状况。

区域居民生活水平：居民生活水平的提高与居民用电需求呈现较显著的正相关关系，且有明显的季节波动趋势，居民生活用电已经成为电力消费结构的重要一极。以辐射区城镇居民生活消费支出来衡量其居民生活水平。

3.制造能力

现有制造水平：风电技术是多学科多领域交叉的高新技术，对机械设备的制造加工能力和工业基础都有较高的要求。用待评估区域的制造业产值比重来衡量其制造水平，考察配套发展风电设备制造的技术水平。

零部件配套能力：风机设备大都超长、超高、超宽、超重，运输不易，就近生产对于降低运输成本、缩减维护时间、增加发电时间具有积极作用。用辐射区风电设备配套生产厂商的数量来衡量其零部件配套能力，相关数据来自中国农业机械工业协会风能设备分会公布的2009年全国最新风力发电装机企业基本情况统计表。

交通运输条件：风电设备的运输严重依赖于交通运输条件。铁路与等级公路的覆盖密度以及运输能力对于风电项目的建设、后期维护等都有重要影响。

电网建设投资水平：电网的建设水平对接纳风电以及电网的安全稳定运行具有十分重要的意义，是建设风电必须要考虑的电力输出环节。用辐射区电力投资占地区生产总值的比重来衡量其电网建设投资水平。

4.保障能力

风电激励政策：风电产业目前相对脆弱，风电成本大大高于常规电力，严重抑制了民间资本的投资积极性。我国风电产业的生存和发展严重依赖于国家政策的扶持与激励。用辐射区风电上网标杆价来衡量其风电激励政策。

投资环境：商业、人文、服务和创新环境等软环境对于吸引投资、推进项目持续开发都具有重要意义。以辐射区外资企业投资总额占GDP的比重来衡量其投资环境。

居民环保意识：对于接纳风电项目、理性对待风电负外部性、消费绿色电力等方面都有重要意义。教育是提升居民环保意识和认知的重要方面，以15岁及以上人口的受教育率衡量居民环保意识。

（二）投影寻踪模型及实证分析结果

对风能资源开发选址问题进行最优综合评价属于高维度、多目标的评价问题，主观评价方法往往容易受人为因素的干扰而出现误判，因而选择投影寻踪评价方法（Projection Pursuit Evaluation），由样本数据驱动进行探索性数据分析。通过把高维数据投影到低维子空间上，采用投影指标函数来衡量投影特征，继而寻找出使投影指标函数达到最优的投影值，来探索高维数据结构或特征[8]。采用实数编码的加速遗传算法（Real Coding Based Accelerating Genetic Algorithm，RAGA）来简化投影寻踪的建模，可以克服投影寻踪技术计算复杂、编程实现困难的缺点[9]。

记评价指标体系中各指标值的样本集为{xij|i=1,2,…,n; j=1,2,…,m}，其中xij为第i个样本的第j个指标值。投影寻踪评价主要步骤如下：

1.数据预处理

将评价指标数据阵进行归一化处理，消除指标值之间的量纲差异，并统一各指标值的变化范围。

2.构建投影指标函数

设α=(α1,α2,…αm)为m维单位向量，即各指标在投影方向上的一维投影值，则一维线性空间上第i个样本的投影特征值z(i)可表示为：并要求投影特征值z(i)散布疏密区分显著，形成若干个投影点团。则投影指标函数表示为：Q(α)=SzDz。

其中：Sz为投影特征值z(i)的标准差，Dz为投影特征值z(i)的局部密度，zzˉ为序列 {(i)|(i=1,2,…,n)}的均值；R为局部密度的窗口半径，取值范围为与数据特性有关，通常可取R=m；为单位阶跃函数，当R≥rik时取1，否则为0。

3.估计最佳投影方向

投影方向α可以反映数据结构的特征，最佳投影方向α∗就是最有可能暴露高维数据某类特征结构的方向，且当投影指标函数Q(α)最大时取得。即可通过求解投影指标函数的最大化来估计最佳投影方向。

4.优序排列与综合评价

将最佳投影向量α∗代入z(i)中，得到投影特征值z∗(i)，可以反映各评价指标的综合信息，对z∗(i)进行排序后再作综合评价分析。

根据上述建模步骤，得到我国风能资源开发宏观选址评价模型的最佳投影方向：

样本投影值z∗(i)=（1.5203，1.2813，1.0436，4.2079，1.0114）。

根据样本投影值判断风能资源开发宏观选址的价值，按降序排列为：东部沿海地区、新疆北部内蒙古西部地区、内蒙古中部地区、东北地区、东南沿海地区。

（三）结论分析

1.东部沿海地区风能资源储量与风电消费市场的双重优势明显，综合开发价值最高

仅长三角地区地面10m高度的陆上理论可开发储量就达53GW，技术可开发储量达5.5GW，占全国1.5%；海岸到近海20m等深线以内的近海风能资源理论可开发储量更高达180.4GW，技术开发量为115.9GW[10]。东部沿海地区的经济实力、高新技术产业基础、人力资源储备、资本市场发育等方面都处于全国领先水平，为风电产业的发展提供了坚实支撑。能源资源储量贫瘠、电力短缺明显、风能资源丰富等又极大地扩宽了风电的市场空间。绵延的海岸线和丰富的浅海沙洲资源也为发展离岸风电提供了优越的地理条件。发改委发布的《可再生能源中长期发展规划》和《可再生能源发展“十一五”规划》将苏沪沿海确定为风电建设的重点区域，也证明了其巨大的开发价值。

2.新疆北部内蒙古西部地区是我国风能资源最丰富的地区，开发价值较高

仅新疆地区的风能资源理论储量就高达957GW，技术可开发储量为234GW；理论上全年可提供风电27673×108kWh，技术可开发风电为6771×108kWh。新疆作为我国风电的先行者却在近几年逐渐放慢了发展步伐，2011年新增装机容量仅位列第7，累计装机容量位列第9。该地区常规能源资源极其丰富，对消费大规模风电电力的现实需求和主观愿望都不强烈。电网建设滞后和并网条件欠缺，进一步限制了大规模风电并网。本地电力消费市场不大与电力输出通道不畅，是影响该地区风能资源开发选址价值的主要瓶颈。解决短板后的开发价值将相当可观。

3.从投影值看，其他三大区域的选址价值差异不大

内蒙古中部地区因其丰富的风能资源和京津地区的巨大电力消费市场而居三者之首，东北地区和东南沿海地区紧随其后。

[1]Lackner M A，Rogers A L，Manwell J F.Uncertainty Analysis in MCP-Based Wind Resource Assessment and Energy Pro⁃duction Estimation[J].Journal of Solar Energy Engineering，2008，130（3）.

[2]Thomsen K，Fuglsang P，Schepers G.Potentials for site-specif⁃ic design of MW sized wind turbines[J].Journal of Solar Ener⁃gy Engineering，2001，123（4）：304-309.

[3]Ciaccia G，Doni N，Fontini F.Auctioning wind power sites when environmental quality matters[J].Energy Policy，2010，38（4）：1734-1740.

[4]Ladenburg J.Stated Public Preferences for On-land and Off⁃shore Wind Power Generation：A Review[J].Wind Energy，2009，12（2）：171-181.

[5]Fuglsang P，Thomsen K.Site-specific design optimization of 1.5-2.0 MW wind turbines[J].Journal of Solar Energy Engi⁃neering，2001，123（4）：296-303.

[6]Lee AHI，Chen HH，Kang H-Y.Multi-criteria decision mak⁃ing on strategic selection of wind farms[J].Renewable Ener⁃gy，2009，34（1）：120-126.

[7]邓院昌，余志，钟权伟.风电场宏观选址中地形条件的分析与评价[J].华东电力，2010，（8）：1244-1247.

[8]金菊良，刘永芳，丁晶，等.投影寻踪模型在水资源工程方案优选中的应用[J].系统工程理论方法应用，2004，（1）：81-84.

[9]金菊良，汪淑娟，魏一鸣.动态多指标决策问题的投影寻踪模型[J].中国管理科学，2004，（1）：64-67.

[10]祁巍锋.长江三角洲地区风能资源开发与大规模非并网风电产业基地建设[J].资源科学，2008，（11）：1648-1657.