基于ERA-interim资料中国近海风能资源时空分布

孙稚权，项杰，管玉平

（1.解放军理工大学气象海洋学院，江苏南京211101；2.中国科学院南海海洋研究所热带海洋环境国家重点实验室，广东广州510301）

基于ERA-interim资料中国近海风能资源时空分布

孙稚权1，2，项杰1，管玉平2

（1.解放军理工大学气象海洋学院，江苏南京211101；2.中国科学院南海海洋研究所热带海洋环境国家重点实验室，广东广州510301）

摘要：未来风能开发的重心将逐渐转移到风能更为丰富的近海区域，通过1979—2014年的ERA-interim再分析资料，对不同高度和水深条件下的中国近海风能资源的时空分布特征进行了分析研究。结果显示我国近海风能资源整体呈南高北低分布，大值区位于台湾海峡、巴士海峡及南海东南部，过去36 a我国近海风能资源没有显著变化趋势。风能资源所研究区域的水深越深、风机高度越高，风电的可开发潜力就越大，100 m高度条件及50 m水深条件下我国近海年平均风功率密度约为160 W/m2。此外我国近海风能资源存在明显的季节差异，冬季开发条件最好，夏季最差，且与ENSO存在显著的遥相关关系。

关键词：近海风能资源；ERA-interim再分析资料；ENSO

1　　引言

中国2009年原油消耗22亿吨［1］，我国成为全球能源消耗第一大国的同时，传统能源对环境的恶化只增不减。风能具有安全、无排放、无须燃料、无需运输、不造成环境污染、可再生、投资周期短、占地小等明显优点，是极佳的新能源［2］。2005年底，已经有66个国家建起了风电场，10年平均增长率高达28.6%，成为全球发展最快的可再生能源［3］。相比于传统成熟的陆地风电，海上风电有明显优势：海水表面粗糙度低，使风在海面具有更大的风速；海上风的湍流强度低，风具有更好的稳定性，使得海面风的有效使用时数高于陆地风，对风电机组的耗损低于陆地风；海上风电厂对人类的噪声污染可以被忽略，不占用宝贵的陆地资源［4-5］，此外发展海上风电还可以维护我国的海上权益［6］。中国拥有3× 106km2的巨大海域和1.8×104km的绵长海岸线，距离大陆较远的海岛能源紧缺，制约其经济和军事的发展，同时我国沿海地区GDP产值占全国的70%以上，电力消耗量也在全国的一半以上［7］，再加上密集的人口，使我国沿海地区存在巨大的电力需求和二氧化碳排放量。中国有巨大的近海风电潜力，且大部分处靠近电力负荷高的地区，是风能开发和新型清洁能源的未来，但是中国在这个新领域仍处于落后弱小地位，截至2013年底，中国海上风电装机容量只有0.42 GW，仅占全国风电装机总容量的0.5%左右，在《海上风电开发建设方案及有关管理要求》中，国家能源局也坦陈中国海上风电在设备制造、工程施工和运行维护等方面仍处于试验和探索阶段［8］。

海上风电场是以风速高、风功率密度大、湍流强度小等优势来抵消巨大的投资成本，所以准确分析、预测海上风电场风能资源对海上风电场的建设和发展至关重要。但是我国近海风资源普查和详查工作还相对薄弱。Kalvig［9-10］在对近海风能的研究中，着眼于海洋边界层，认为传统上将海表面假设为粗糙度守恒，中性稳定层结的光滑表面会带来很大误差，不能忽视大气稳定度和波浪对海表面气

2　　资料及研究方法

现有的海上风能资源评估的技术手段主要有基于观测资料的评估、卫星遥感技术及风能资源评估的数值模拟［3］。中国近海海域常规观测数据极度匮乏，卫星资料在近海区域会有一部分缺失，都不适合近海风能资源研究。大气再分析数据凭借其先进的数值模式与完善的数据同化系统，使其具有很高的可靠性和精确性，本文采用欧洲中期天气预报 中 心（EuropeanCentreforMedium-Range Weather Forecasts，ECMWF）的ERA-interim再分析数据［15］不同垂直高度的风场、温度场资料，空间分辨率为0.125°×0.125°，时间间隔为6 h，时间跨度为1979年1月—2014年12月。ERA-interim资料作为新一代高分辨率再分析资料具有明显优势，其风场数据与卫星观测资料有着很好的匹配［16］，与中国海海域浮标风场观测数据也存在很高的相关性［17］，满足中国近海风场研究精度要求。Etopo1［18］全球地形数据取自NOAA的国家地球物理数据中心（National Geophysical Data Center，NGDC），水平分辨率1′×1′，它提供了整个全球的地形和水深数据，是目前为止比较新的全球地形数据。

风功率密度（Dwp）（W/m2）的计算方法根据《风电场风能资源评估方法》（GB/T18710—2002）如下［19］：

以往研究中将10 m风场通过风廓线公式计算得到的其他高度的风场存在一定误差，本文直接使用不同高度的再分析数据分别计算分析在10 m、60 m、100 m 3个高度的风功率密度。水深大于50 m的水域的风能开发技术还在不断探索中［20］，我们将近海水深小于50 m的区域定义为近海风能的可开发区域，将Etopo1全球地形数据插值到ERA-interim再分析数据网格，筛选水深小于50 m的近海海域作为近海风电的可开发利用区域并计算可开发利用区域的风功率密度。一元线性趋势经过了Mann-Kendal（MK）趋势检验［21］。在单变量的趋势分析中，MK检验法是世界气象组织推荐并已广泛使用的非参数检验方法。MK统计检验方法不受趋势是否为线性的影响，也不受少数异常值的干扰，适用于不满足正态分布特征的气象水文数据，计算简便。

3　　中国近海风能时空特征分析

3.1中国近海风能空间分布特征

高度越高可承载风机的叶片半径和功率就越大［22］，随着海上风电技术的进步，未来海上风机轮毂高度必将朝着更高的方向发展，对不同高度风功率密度的计算十分关键。图1是10 m、60 m和100 m 的3个高度下风功率密度气候平均分布，由于近地面风速随高度增加而增加，风功率密度明显与高度成正比。可以看到3个高度下中国海风功率密度具有相似的分布特征，整体分布均呈南高北低分布形态，台湾海峡受“狭管效应”和登陆台风的共同影响使得其平均风功率密度明显要高于其余海域［23］，其余如巴士海峡及南海东北部海域风电资源也比较丰富，说明我国风能资源最丰富地区为福建省、浙江省和广东省沿海地区。渤海及黄海海域风功率密度较低，平均风功率密度未达到200 W/m2。

3.2中国近海风能及风场年际时空分布

风能资源的调查估算基础是对风场的研究分析，需对所选海区风场的时空变化特征有足够充分的认识［24］，中国海处于西太平洋边缘，跨越热带、副热带和温带，处于季风变换带，气候季节差异显著，且经常遭受台风侵袭。将1979年1月—2014年12月中国海100 m高度的风场和风功率密度做季节平均，得到中国海100 m高度风场和风功率密度的四季分布特征（见图2）。可以看到季节变化是中国海海表面风场变化的最主要特征，总的来看春季、秋季和冬季期间风场分布特征较为接近。其中春季属季风转换季节，可以看到春季25°以南海域受东风控制，台湾海峡风场分布与秋冬两季相似以东北风为主，渤海、东海海域风场呈反气旋式分布。夏季期间受西南季风影响，南海以南-西南季风为主，黄海和东海以南风为主；秋冬两季受亚洲高压的影响，中国海海域以北风为主，特别是台湾海峡的强偏北大风十分稳定，南海海域则以东风为主。春夏两季风功率密度较低，春季风功率密度呈南高北低分布形态，大值区位于台湾海峡、琼州海峡东侧；夏季风功率密度的大值区位于东海及北部湾海域；秋冬两季风功率密度较高，秋冬两季风功率密度的大值区位于台湾海峡、巴士海峡及东沙群岛附近海域，大值区呈东北-西南走向的马蹄形分布形态，渤海及黄海海域风功率密度较低。

图1 1979—2014年中国近海10 m，60 m，100 m高度风功率密度（W/m2）气候平均分布

我们将近海水深小于50 m的海域定义为近海风能的可开发区域，图3为中国近海小于50 m的水深分布，可以看到我国北方大部分海域属于陆架海，水深较浅，“长三角”以北海域可开发海域面积明显大于以南海域。图4为中国海可开发海域100 m高度风功率密度季节分布，结合图2可以看到可开发海域内风功率密度明显的季节差异。可开发海域内风功率密度的季节分布呈‘W'状分布，春夏两季明显低于秋冬两季，风功率密度在冬季最高可达到450 W/m2，而春夏两季最低时仅为50 W/m2，再加上夏季东海及南海海域频发的强热带气旋和极端大气条件，使得中国近海风电开发条件存在极大的季节差异。高度越高、水越深，风功率密度越大，但成本及技术也要求越高。

3.3中国近海可利用风能估算及变化趋势

图5为1979—2014年3种水深筛选条件下，中国海100 m高度风场及风功率密度年变化时间序列。从图中我们能够发现水深条件对风功率密度大小有显著影响，小于100 m水深条件下风功率密度约为小于50 m条件下的1.25倍；小于50 m水深条件下风功率密度约为小于25 m条件下的1.25倍，但水深越深电机的成本及技术要求也就越高。

图2 1979—2014年中国海100 m高度风场及风功率密度（W/m2）的季节变化

图3中国近海小于50 m海域水深（m）分布

图4　1979—2014年中国海100 m高度风功率密度季节变化

我们通过95%置信水平的功率谱检验发现中国近海风能可开发海域的风功率密度年变化序列存在显著的4年周期。我们试图通过MK趋势检验寻找中国近海风能可开发海域风功率密度年变化序列的变化趋势，结果发现近几十年中国近海可开发区域平均风功率密度并没有明显变化趋势，在图6中国海100 m高度风功率密度变化趋势分布中可以看到不同海域的风功率密度呈现不同的变化特征，最明显的是巴士海峡的增长趋势，台湾海峡和部分南海东海近海海域的减弱趋势。中国海是全球范围内过去几十年海表温度增暖最为明显的海域之一，图7中国海海表温度变化趋势分布中能够看到中国海大部分呈比较明显的增暖趋势，20°N以南近海海域海温则呈变冷趋势，由于海气相互作用的机制，海温的变化趋势分布与风功率密度的变化趋势分布有一定的对应关系，增暖海域风能同样呈增强趋势。此外，从图5中我们可以看到风功率密度的年变化序列对ENSO十分敏感，风功率密度的高值（低值）年对应拉尼娜（厄尔尼诺）年，可以看到如1997年（厄尔尼诺年）的年均风功率密度约为1988年（拉尼娜年）的1/2。在图8为中国海100 m高度风功率密度与Nino3.4指数相关系数分布中可以看到我国海域风功率密度与太平洋海温存在明显遥相关关系，尤其在南海东北部大部分海域二者的相关系数高达-0.7，也就是说厄尔尼诺事件往往伴随中国海风功率密度的降低，反之拉尼娜事件往往伴随中国海风功率密度的升高。

图5 1979—2014年不同水深条件下中国海100 m高度风功率密度年变化时间序列

图6 1979—2014年中国海100 m高度风功率密度（W/（m2·36 a））变化趋势分布

图7 1979—2014年中国海海表温度（℃/36 a）变化趋势分布

图8 1979—2014年中国海100 m高度风功率密度与Nino3.4指数相关系数分布

4　　结论

本文使用不同高度的ERA-interim大气再分析资料，计算分析了中国近海风能资源的时空分布特征及变化趋势，规定近海水深小于50 m的海域为风电可开发区域，得到了以下结论：

（1）气候平均意义上我国海域风功率密度呈南高北低分布，大值区位于台湾海峡、巴士海峡及南海东北部海域；

（2）中国近海风功率密度受高度和水深条件限制显著，高度越高、水深越深，风功率密度开发潜力就越大，但同时也伴随成本和技术要求的增加；

（3）可开发海域内风功率密度的季节分布呈W状分布，秋冬两季明显高于春夏两季，再加上夏秋两季频发的强热带气旋，使得中国近海风电开发条件存在较大的季节差异；

（4）最近几十年中国近海风功率密度大小没有明显的变化趋势，但变化趋势分布存在区域差异，巴士海峡及南海东北部呈明显增强趋势，台湾海峡、珠江入海口海域呈明显减小趋势；

（5）我国海域风功率密度与太平洋海温变化存在遥相关关系，与Nino 3.4指数存在显著负相关关系。

参考文献：

［1］郑崇伟.全球海域风能资源储量分析［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］李泽椿，朱蓉，何晓凤，等.风能资源评估技术方法研究［J］.气象学报，2007，65（5）：708-717.

［4］周荣卫，何晓凤，朱蓉，等.中国近海风能资源开发潜力数值模拟［J］.资源科学，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］赵世明，姜波，徐辉奋，等.中国近海海洋风能资源开发利用现状与前景分析［J］.海洋技术，2010，29（4）：117-121.

［7］白建华，辛颂旭，贾德香.我国风电大规模开发面临的规划和运行问题分析［J］.电力技术经济，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］赵喜喜.中国海散射计风、浪算法研究及海面风场、有效波高的时空特征分析［D］.青岛：中国科学院研究生院海洋研究所，2006.

［14］武贺，齐鹏，侯一筠.东亚季风区风场异常主要经验模态及其与ENSO的联系［J］.海洋科学，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.风能的计算和我国风能的分布［J］.气象，1981，7 （8）：26-28.

［20］王国松，高山红，吴彬贵，等.我国近海风能资源分布特征分析［J］.海洋科学进展，2014，32（1）：21-29.

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

［22］倪云林，辛华龙，刘勇.我国海上风电的发展与技术现状分析［J］.能源工程，2009，（4）：21-25.

［23］常蕊，朱蓉，周荣卫，等.高分辨率合成孔径雷达卫星反演风场资料在中国近海风能资源评估中的应用研究［J］.气象学报，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.

中图分类号：P743

文献标识码：A

文章编号：1003-0239（2016）03-0050-07

DOI：10.11737/j.issn.1003-0239.2016.03.007

收稿日期：2015-11-06

基金项目：国家自然科学基金项目（41275113）；国家重点基础研究发展计划（2013CB956201）。

作者简介：孙稚权（1990-），男，硕士研究生，主要从事海气相互作用研究。E-mail：sunzhiquan15@sina.com流的影响，当存在涌浪的情况下，风廓线不遵循对数规律，而是和海面状况相关［11］。Kalvig的观点指出在以往风能计算中仅用10 m风场通过风廓线公式计算得到的其他高度的风场存在一定误差，由此风速得到的风功率密度不够准确，所以在风能资源评估工作中，对数据的选择最好选择具有高精度低空垂直分层的资料。Dvorak等［12］总结水深30 m以内海域多使用单桩技术，31—50 m海域多使用多支柱技术，水深50—200 m以上海域不适合上述两种传统风电机，适合使用尚不成熟的漂浮式风电机，所以在近海风能资源估算的工作中必须考虑水深的影响。此外中国海海面风场对ENSO有较好的响应［13-14］，但近海风能与ENSO的关系尚没有较为深入的研究。

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