深远海域海上风电场定量选址方法研究*

唐征歧 江建平 李子林 施岐璘

(1.上海绿色环保能源有限公司 上海 200433；2.上海东海风力发电有限公司 上海 200433)

0 引 言

我国海上风能资源丰富，具备大规模发展海上风电的风资源条件，在节能减排、应对气候变化、能源短缺、能源供应安全形势日趋严峻的大形势下，海上风电作为重要的清洁能源越来越受到重视。与陆地风电场开发相比，海上风电具有不占用土地、风力资源更稳定、风速更高的优点，效能明显优于陆上风电场。深远海域风电与近海风电开发，风资源更好，同时有利于近海海洋环境和资源保护，海域也更宽阔，深远海风电开发正在成为未来全球风电研究开发的重要方向。

2016年4月，国家发改委、国家能源局联合发布《能源技术革命创新行动计划(2016—2030)》，明确要求风电技术发展将“深海风能”提上日程。在政策的指引下，我国众多公司和机构启动深远海域海上风电的研究。而深远海风电开发的前提就是风电场的选址研究。

国内外对海上风电场选址的研究主要包括对场址的风能分布及密度分析，社会环境等因素分析以及基于GIS的宏选址系统的研究。主要体现以下2点:①把风电场的成本效益比例、可能的安装容量、与电网连接的是否便利等作为评价指标来综合选择最佳的场址[1]；②制定了一套适合性标准，划分海洋区域等[2]。创建了GIS层，并构建了基于该标准的加权叠加GIS模型，以识别用于新的海上风力发电场的合适站点[3]。在风电场选址领域。一般是根据备选地区的风资源评估情况以及地形条件[4]，考虑地理、技术、经济、环境等因素[5-6]，协调各方利益选定备选地点[7],对每个具体的选好风电场场址，充分利用有利于加大风速的地形进行优化，确定风电机组的最佳安装位置。

综上所述，根据国内外文献及海上风电场建设实例分析，大多数研究都是针对陆地上的风电场或者近海风电场选址，缺少在深远海海域海上风电项目的研究及案例。笔者开展深远海海域海上风电场选址研究，并以上海深远海域海上风电场示范项目的开发与建设为例介绍了深远海海域海上风电场选址方法。

1 基于模糊逻辑的风电场选址决策模型

1.1 建立风电场选址3层决策框架

和其他多准则决策方法类似[8]，在对风电场选址进行最优决策前需要识别其主要影响因素。根据已有的研究成果，风电场的影响因素主要包括平均风速、风功率密度、有效风时等11个因素，各影响因素选取的原因及其相应的文献依据见表1。

表1 风电场选址影响因素及其内涵

在识别了风电场选址影响因素后，考虑到影响因素较多，为便于选择最优方案，建立风电场选址3层决策框架：目标层、决策准则层和影响因素层。其中决策准则层包括4个决策准则，分别是风能资源、自然环境、交通环境和风机条件，各决策准则包含的影响因素见图1。

图1 风电场选址三层决策框架

(1)

为获取该决策矩阵，将各影响因素采用模糊数学进行合成见图2。

图2 风电场选址模糊逻辑推理过程

1.2 模糊化输入和输出变量

在模糊推理过程中，首先需要对输入和输出变量进行模糊化[12-13]，考虑到三角隶属度函数较为简单且非常直观，其在实际应用中最为广泛。拟采用三角隶属度函数对各输入和输出变量进行模糊化。根据前述的各参考文献，结合工程实际，建立模糊隶属度函数见表2。此外，为便于去模糊化，各输出变量统一采用如图3所示的三角模糊隶属度。需要注意的是，在模糊化各输入变量时，由于水深条件会影响到风电场运营成本，从现有的发展经验来看，水深10 m左右对风电场的影响较小，将其作为最优的语言变量(非常浅)，但是考虑到本模型针对深远海风电场选址，因此,选定水深40 m以上作为最差的语言变量(非常深)；浪高则是根据已有的研究表明[11]，10 m以上的浪会对风电场风机造成非常大的影响；此外，离岸距离会影响到风电场的并网条件，大幅度增加运营成本。

表2 模糊化各输入变量

图3 输出变量的标准三角形隶属度函数

1.3 建立风电场选址模糊推理规则

风电场选址影响因素模糊化后，需要建立模糊推理机，本文采用Mamdani推理方法，该方法的原理见式(2)。各个决策准则的模糊推理机见图4，其中将各决策准则作为模糊推理机的输出变量，通过将其相对应的各个影响因素进行模糊推理，获取各决策准则的则。

(2)

图4 风电场选址模糊推理机

在建立模糊推理机的过程中，需要建立其相对应的模糊推理规则库，该规则库由模糊推理规则组成，模糊推理规则常用的格式为IF-THEN规则。见式(3)。

(3)

在建立上述模糊推理规则后，即可获得各决策准则的模糊输出变量，为进一步获取决策准则的精确值，需要对模糊输出变量进行解模糊化，本文采用重心法，其计算见式(4)。解模糊化后即可获得决策准则值。

表3 风能资源模糊推理规则库

(4)

1.4 利用语言变量获取决策准则权重

表4 语言变量与三角模糊数对应表[15]

fi=(fix,fiy,fiz)=

(5)

利用式(6)求取合成后的三角模糊数值算数平均值，然后利用式(7)对其进行归一化处理，即可获得各决策准则的权重值。

(6)

(7)

2 海上风电场选址实验验证

2.1 上海深远海风电场选址方案

由于近海风电场场址距离岸线较近，开发时经常与其他海域使用功能产生矛盾，相互影响、制约性因素较多，协调工作量大，因此，上海市拟在长江口开展深远海海域海上风电场选址，初步选定区域有5处，其位置见图5。其中，1#区域风电场规划总装机容量25万kW，2#区域风电场规划总装机容量25万kW，3#区域风电场规划总装机容量35万kW； 4#区域风电场规划总装机容量50万kW， 5#区域风电场规划总装机容量230万kW。

图5 风电场初步选址地理位置

此外,其他详细信息见表5。其中平均风速、风功率密度和有效风时来自于历史观测数据；水深来自于海图图示水深数据并取其最浅处水深；波浪来自于长江口统计数据；锚地距离分别是距离长江口1#、2#和3#锚地的距离；航道距离则是距交通运输部全国沿海航路规划中的长江口航路距离；渔区距离则是距离长江口渔场的距离；离岸距离是指场址中心点距离岸的距离。

表5 风电场详细影响因素

2.2 获取风电场选址决策矩阵

根据这5个风电场选址的影响因素，利用建立的模糊推理模型，通过模糊推理和去模糊化后，可分别获得各方案下的影响因素值，从而获得决策准则矩阵，如表6所示。

表6 不同备选风电场决策准则矩阵

如表5所示，1#和2#场址由于其条件较为接近，评价结果也基本相同，在这5个场址中，5#场址由于处于深远海水域，风能资源更为丰富，决策准则风能资源评价结果最好；而1#和2#场址由于离岸较近，水深相对较浅，海浪也较小，自然环境条件最好；5#场址避开了长江口的航道、锚地、渔区等其他用海需求，故其交通环境结果最好；1#、2#和3#场址由于距离岸边较近，容易并网，其风机条件最好，而5#场址尽管装机功率大，但是离岸太远，其风机条件最差。从以上决策准则值可以看出，1#和2#场址的自然环境和风机条件最好，而5#场址的风能资源和交通环境最好，因此为选出最优的风电场选址方案，还需要考虑各个决策准则的权重，从而得出最优的风电场场址方案。

2.3 专家决策准则权重评价

为获取最优的风电场方案，需要获取各决策准则的权重。根据实际专家评价情况，专家往往希望采用模糊语言变量对各个决策准则进行评价。选取了4位专家对决策准则的权重进行评价，分别为R1，R2，R3和R4。考虑到各位专家在理论知识和工作经验方面存在差异，因此，4位专家的权重为wn=(0.3,0.3,0.2,0.2)。各个专家决策准则权重的语言变量评价结果见表7。

表7 风电场选址决策准则专家评价结果

根据式(5)，可分别获得各决策准则权重的三角模糊数如下。

风能资源为f1=(0.475,0.725,0.900)

自然环境为f2=(0.450,0.700,0.857)

交通环境为f3=(0.275,0.525,0.775)

风机条件为f4=(0.225,0.475,0.725)

进一步根据式(6)和式(7)，将各决策准则进行算数平均和归一化后，可获得wj=(0.296,0.282,0.222,0.200)。从该决策准则权重可以看出，专家认为这4个决策准则均较为重要，各决策准则的权重均超过了0.2，这也可以证明本文选取的各个影响因素较为合理。但是这4个决策准则又有所差异，其中风能资源和自然环境的权重值略大于交通环境和风机条件，这是由于风能资源和自然环境在很大程度上难以对其进行修正，而风机条件权重相对较小，这是由于并网条件和装机容量可通过一定的手段进行调节，本文3.5节将对其进行介绍。

2.4 选择最优风电场方案

在获取了各方案的决策准则矩阵和权重后，利用式(1)即可获得各决策方案的评价值，见表8，同时也易得各决策方案的排序。

表8 风电场备选方案评价值及排序

从表5可以看出，风电场5#方案为最优方案，这是由于其风能资源和交通环境较好，不与其他用海需求相冲突，对过往船舶的影响较小，而1#和2#风电场尽管其自然环境和风机条件较好，但是由于其会占用现有航道或锚地，会严重影响交通安全，因此整体来看，其方案并不可取。而从实际情况来看，该方案为长江口水域最合适的风电场选址，目前该方案已经通过多方论证，正在上报相关主管部门审批，这也能说明本文提出的模糊选址模型选出的方案具有较好的准确性。

3 结束语

深远海海域海上风电场的选址，会影响到风电场建成后的经济和环境效益。还会严重影响风电场周围的船舶通航安全及影响海上水上水下活动的实施。在风电场建设之前对风电场的场址进行论证以及优化工作可以减少这些不利影响，所以，科学合理的选址方法有非常重要的意义。本文提出的模糊推理选址模型与实际选址方案一致，具有较好的准确性，该模型也可推广到其他深远海风电场工程的选址。

参考文献

References

[1] KIM J Y, OH K Y, KANG K S, et al. Site selection of offshore wind farms around the Korean Peninsula through economic evaluation[J]. Renewable Energy,2013,54(6):189-195.

[2] 王晴勤.广东省海上风电场选址制约因素探讨[J].武汉大学学报(工学版),2011,44(增刊1):6-10.

WANG Qingqin. Restricting factors of offshore wind power farm′s location in Guangdong province[J]. Engineering Journal of Wuhan university,2011,44(Sup.1):6-10. (in Chinese)

[3] LATINOPOULOS D, KECHAGIA K. A GIS-based multi-criteria evaluation for wind farm site selection. A regional scale application in Greece[J]. Renewable Energy,2015,78:550-560.

[4] 曾昭强.基于模糊层次分析法的分散式风电场宏观选址研究[D].沈阳:东北大学,2014.

ZENG Zaoqiang. Research on dispersed wind farm macro-sitting based fuzzy analytic hierarchy process[D]. Shenyang: Northeastern University,2014. (in Chinese)

[5] 娜仁花.基于模糊综合评价模型的风电场选址研究[D].北京:华北电力大学,2015.

NA Renhua. Research on location of wind power farm based on fuzzy comprehensive evaluation method[D]. Beijing: North China Electric Power University,2015. (in Chinese)

[6] 王照亮.基于模糊层次分析法的风电场选址优化研究[D].北京:华北电力大学,2013.

WANG Zhaoliang. The research of wind farm optimal location based on fuzzy analytic hierarchy process[D]. Beijing: North China Electric Power University,2013. (in Chinese)

[7] 何 杰,赵 鑫,杨家胜.海上风电场规划的主要影响因素分析[J].中国工程科学,2010,12(11):16-18.

HE Jie, ZHAO Xin, YANG Jiangshen. Analysis of the main influencing factors on the offshore wind farm plan[J]. Engineering Sciences,2010,12(11):16-18. (in Chinese)

[8] 吴 兵,严新平,汪 洋,等.不确定性信息下的内河失控船应急决策方法[J].哈尔滨工程大学学报,2016, 37(7):908-914.

WU Bing, YAN Xinping, WANG Yang, et al. Emergency decision-making method for handling an out-of-control ship in inland water in case of uncertain information. Journal of Harbin Engineering University,2016,37(7):908-914. (in Chinese)

[9] FETANAT A, KHORASANINEJAD E. A novel hybrid MCDM approach for offshore wind farm site selection: A case study of Iran[J]. Ocean & Coastal Management,2015(109):17-28.

[10] SULAIMAN O O, MAGEE A, BAHRAIN Z, et al. Mooring analysis for very large offshore aquaculture ocean plantation floating structure[J]. Ocean & Coastal Management,2013(80):80-88.

[11] DICORATO M, FORTE G, PISANI M, et al. Guidelines for assessment of investment cost for offshore wind generation[J]. Renewable energy,2011,36(8):2043-2051.

[12] 王燕青,刘媛媛.X光机操作员视觉搜索作业疲劳模糊综合评价[J].交通信息与安全,2016,34(4):78-84.

WANG Yanqing, LIU Yuanyuan. A Fuzzy Synthetic Evaluation Method to Visual Fatigue for X-Ray Machine Operators[J]. Journal of Transport Information and Safety,2016,34(4):78-84.(in Chinese)

[13] 杜红兵,高大磊.民用机场安全文化水平模糊综合评估[J].交通信息与安全,2016,34(4):121-126.

DU Hongbing, GAO Dalei. An integrated fuzzy evaluation of level of safety culture at civil airports[J]. Journal of Transport Information and Safety,2016,34(4):121-126.(in Chinese)

[14] LIU H C, LIU L, LIN Q L. Fuzzy failure mode and effects analysis using fuzzy evidential reasoning and belief rule-based methodology[J]. IEEE Transactions on Reliability,2013,62(1):23-36.

[15] LIU H C, LIU L, BIAN Q H, et al. Failure mode and effects analysis using fuzzy evidential reasoning approach and grey theory[J]. Expert Systems with Applications,2011,38(4):4403-4415.