2. 河口海岸学国家重点实验室, 上海 200062;
3. 中国科学院 大气物理研究所LASG国家重点实验室, 北京 100029;
4. 海军大连舰艇学院 航海系, 辽宁 大连 116018
2. State Key Laboratory of Estuarine and Coastal Research, Shanghai 200062, China;
3. National Key Laboratory of Numberical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics(LASG), the Chinese Academy of Sciences, Beijing 100029, China;
4. Navigation Department, Dalian Naval Academy, Dalian 116018, China
随着资源危机、环境危机愈演愈烈,海洋资源将是21世纪人类社会赖以生存和可持续发展的有力保证。安全、无污染、储量大、不占用陆地资源等诸多优点使得海上风能成为时代的宠儿[1-3]。积极开发海上风能有益于“21世纪海上丝绸之路”(简称“海上丝路”)沿线国家和地区缓解资源危机,提高沿线居民生活质量,助力战略支点克服电力和淡水困境,无疑将成为“海上丝路”建设的新亮点。资源开发,评估先行[4]。毛慧琴等[5]研究发现广东省风能的潜在开发区分布于沿海和河口一带。黄世成等[6]利用观测资料计算了江苏省的风能,发现沿海和海岛比较丰富,内陆贫乏。郑崇伟等[7-8]分析了南海关键岛礁的风候、风能资源特征,成果有益于“海上丝路”战略支点建设、增强我国对南海局势的掌控能力。郑崇伟等[9-10]曾预先对瓜达尔港的风能资源气候特征展开系统性研究,并对风能各要素展开了中长期预测,成果可为未来瓜达尔港风能工程的业务化运行、中长期规划提供决策支持。瓜达尔港不仅是“21世纪海上丝绸之路”的重要节点,同样也是“丝绸之路经济带”的重要节点,积极评估、开发风能资源,可在保护生态环境的情况下,增强瓜达尔港的生存能力,助力迈向深蓝。
前人对中国近海的风能研究做出了巨大贡献,但目前关于整个“海上丝路”的风能研究仍极为稀少。本文基于来自欧洲中期天气预报中心(ECMWF)的ERA-Interim风场资料,综合考虑风能密度大小、资源可利用率、富集程度、稳定性、资源储量等,对“海上丝路”的风能展开详查,为战略支撑点建设、缓解资源危机和环境危机等提供科技支撑、辅助决策。
1 资料与方法介绍 1.1 方法介绍利用1979-2015年逐6 h的ERA-Interim风场数据,根据风能密度的计算方法[11],计算得到“海上丝路”近37年逐6 h的风能密度。基于该风能密度数据,分别以2、5、8、11月作为冬春夏秋的代表月,首先分析风能密度的季节特征。此外,在风能开发过程中,通常认为风速在5~25 m/s有利于风能资源的采集与转换[12],并将这个区间的风速定义为有效风速;通常认为风能密度在200 W/m2以上为资源丰富[13-14]。显然,有效风速频率、200 W/m2以上能级频率分别反映了风能的可利用率、富集程度。利用近37年逐6 h的ERA-Interim风场数据、风能密度数据,统计了“海上丝路”的有效风速频率、200 W/m2以上能级频率。风能资源的稳定性、资源储量也是风能评估的重点,本文通过计算变异系数(coefficient of variation, Cv)、月变化指数(monthly variability index, Mv)、季节变化指数(seasonal variability index, Sv)对风能的稳定性进行分析。最后,计算了每个格点(0.25°×0.25°)的风能资源总储量、有效储量和技术开发量。通过上述要素分析,详查“海上丝路”的风能资源。
1.2 资料简介ERA-Interim再分析资料来自ECMWF,是继其早期产品ERA-40之后的新产品, 使用了分辨率更高的气象模式, 在观测资料的应用及同化方法方面也有很大改进。ERA-Interim使用最新的12 h窗口四维变分同化技术,同化的资料包括卫星资料、常规观测资料以及模式数据, 其作用在于提供ECMWF早期产品与新一代产品之间的衔接, 目的是对ERA-40和更早的数据进行完善。ERA-Interim风场的空间范围为90°S~90°N, 180°W~180°E; 空间分辨率有0.125°×0.125°, 0.25°×0.25°, …, 2.5°×2.5°; 时间序列为1979年1月1日00:00至今。本文选择的空间分辨率为0.25°×0.25°,时间序列为1979-2015年。整体来看,该资料具有较高精度[15],得到广泛运用。
2 “海上丝路”的风能特征 2.1 风能的月变化特征利用1979-2015年逐6 h的风能密度,分别以2、5、8、11月作为冬春夏秋四季的代表月,计算分析“海上丝路”风能密度的季节特征,见图 1。
2月(代表冬季,下同),冬季冷空气对南海的影响较为明显,造成了明显的东北-西南向的大值区,南海大部分区域的风能密度在200 W/m2以上;大值中心分布于中南半岛东南海域(传统的南海大风区)、吕宋海峡,风能密度可达500~600 W/m2。冷空气对北印度洋的影响较弱,北印度洋大部分区域的风能密度都在20 W/m2以内,相对大值区位于索马里东部近岸,风能密度在300 W/m2左右。
5月(代表春季,下同),阿拉伯海和孟加拉湾的冷空气基本消退,西南季风逐渐盛行,风能密度基本都在100 W/m2以上,大值区位于索马里东部海域、斯里兰卡周边海域,大值中心的风能密度可达500 W/m2。南海冷空气基本消退,西南季风尚未盛行,导致南海该季节的风能密度整体偏低。
8月(代表夏季,下同),西南季风已经完全盛行,阿拉伯海的风能密度基本都在400 W/m2以上(中心可达1 600 W/m2以上),孟加拉湾次之(在200 W/m2以上),南海的风能密度则明显低于北印度洋,仅中部区域在200 W/m2以上。此外,还发现8月和5月在斯里兰卡东部近海存在一较为明显的风能密度低值中心,这是由于斯里兰卡的地形对西南季风的阻挡作用造成的,在海上风能选址过程中需要对这个现象加以考虑。
11月(代表秋季,下同),北印度洋的西南季风基本消退,冷空气出现,大部分区域的风能密度在200 W/m2以内。南海的冷空气已经逐渐频繁,风能密度明显高于北印度洋,南海中北部的风能密度基本在200 W/m2以上,中心可达800 W/m2以上。
从年平均风能密度来看,阿拉伯海的风能密度最大,基本在200 W/m2以上,中心可达600 W/m2以上,等值线呈东北-西南走向;南海大部分区域的风能密度在100 W/m2以上,等值线呈东北-西南走向;孟加拉湾则小于阿拉伯海和南海,但也基本都在100 W/m2以上。存在3个显著的大值中心:索马里海域(400 W/m2以上,中心600 W/m2以上)、传统的南海大风区(中南半岛东南海域,350 W/m2以上)、吕宋海峡(350 W/m2以上)。值得注意的是,位于斯里兰卡和印度半岛之间的马纳尔海、斯里兰卡东南部海域也是风能密度的相对大值区,在250 W/m2以上。在风能开发过程中,风能密度大于200 W/m2认为是风能富集区,上述3个大值中心、相对大值区都在200 W/m2以上,此外,这几个区域都是“海上丝路”的重要区域,这对“海上丝路”建设是乐观的。
2.2 风能的可利用率利用1979-2015年逐6 h的ERA-Interim风场数据,统计了“海上丝路”的有效风速频率,见图 2。
2月,南海的有效风速频率整体较高,大部分区域在70%以上,表明风能的可利用率很高。阿拉伯海一半以上区域的有效风速频率在40%以上,大值区分布于索马里附近海域,中心可达95%以上。孟加拉湾的有效风速频率明显低于南海和阿拉伯海,湾顶的频率基本在30%以内,相对大值区分布于马纳尔海(斯里兰卡和印度半岛之间)、孟加拉湾的湾底,在60%左右。
5月,有效风速频率由西向东逐渐降低。无论阿拉伯海、孟加拉湾,还是南海,都是西北部海域的有效风速频率明显高于东南部。热带南印度洋的有效风速频率整体较高,中心可达90%以上。
8月,在强劲的西南季风影响下,整个阿拉伯海、索马里海域的有效风速频率基本都在95%以上;孟加拉湾的有效风速频率基本都在70%以上;南海的西南季风强度低于阿拉伯海和孟加拉湾,该海域的频率在50%以上。热带南印度洋的有效风速频率继续增大,基本在95%以上。
11月,南海10°N以北的有效风速频率基本在70%以上,大值区为吕宋海峡(90%以上);阿拉伯海和孟加拉湾的有效风速频率明显低于南海。热带南印度洋依然是有效风速频率的相对大值区。
从全年有效风速频率来看,阿拉伯海、孟加拉湾、南海的频率基本都在50%以上。存在3个显著的大值中心:索马里海域(70%以上,中心85%以上)、传统的南海大风区(70%以上)、吕宋海峡(70%以上)。马纳尔海、斯里兰卡东南部海域也是有效风速频率的相对大值区,在65%以上。
2.3 风能的富集程度利用1979-2015年逐6 h的风能密度,统计了“海上丝路”的200 W/m2以上能级频率,见图 3。
2月,南海200 W/m2以上能级频率整体较高,大部分海域在40%以上;孟加拉湾和阿拉伯海则明显低于南海。存在3个明显的大值区:中南半岛东南海域、吕宋海峡、索马里的附近海域,在60%以上。马纳尔海、斯里兰卡东南部海域为相对大值区,在30%以上。
5月,随着冷空气频率降低,南海200 W/m2以上能级频率较2月份明显降低,10°N以南基本在10%以内,南海中北部多在10%~20%。该季节北印度洋的西南季风逐渐盛行,阿拉伯海西部、孟加拉湾大部在20%以上。大值中心为:马纳尔海(60%~70%)、斯里兰卡东南部海域(60%~80%)、索马里附近海域(50%~70%)。
8月,阿拉伯海200 W/m2以上能级频率整体较高,基本都在90%以上,孟加拉湾大部分区域在50%以上,南海大部分区域在20%以上。热带南印度洋200 W/m2以上能级频率整体较高。
11月,随着西南季风消退,北印度洋200 W/m2以上能级频率迅速降低至40%以内。南海由于冷空气逐渐盛行,200 W/m2以上能级频率则明显高于北印度洋,中北部出现频率在50%以上。
从全年来看,“海上丝路”大部分区域的200 W/m2以上能级频率在30%以上,存在3个显著的大值中心:索马里海域(50%以上,中心60%以上)、传统的南海大风区(50%以上)、吕宋海峡(50%以上)。马纳尔海、斯里兰卡东南部海域为相对大值区,出现频率在40%以上。
2.4 风能的稳定性利用1979-2015年逐6 h的风能密度,计算了“海上丝路”风能资源的变异系数、月变化指数、季节变化指数。数值越小,代表稳定性越好。
变异系数(图 4):11月的变异系数明显高于其余代表月,即风能在11月的稳定性相对最差。2月,中纬度的稳定性好于热带海域。5月,稳定性整体好于2月,南海的稳定性比阿拉伯海和孟加拉湾差。8月,阿拉伯海的稳定性最好,这应该是由于索马里海域强劲而又稳定的西南季风所致;孟加拉湾的稳定性次之,南海相对最差。11月,中纬度的稳定性好于赤道附近海域。
月变化指数(图 5):阿拉伯海的月变化指数最大,孟加拉湾次之,南海最小。在阿拉伯海和孟加拉湾,西南季风的强度明显大于冬季冷空气,因此,这两个区域风能的月尺度差异主要是由于强劲的西南季风形成的。在南海,冬季冷空气的强度大于西南季风,因此,该区域风能的月尺度差异主要是由于冬季冷空气造成的。
季节变化指数:空间分布特征与月变化指数较为接近,只是数值上普遍比月变化指数小0.5~0.9。成因与月变化指数的成因基本相同。
2.5 风能的资源储量资源储量密切关系到发电量,前人对资源储量做了很多研究,但多是笼统给出大范围的总体储量。本文在此定量计算了每个格点(0.25°×0.25°)的风能资源总储量、有效储量和技术开发量。有效储量与总储量的空间分布特征保持了较好的一致性,这应该是由于“海上丝路”的有效风速频率整体较高所致。根据技术开发量的计算公式,技术开发量为有效储量的0.785,在此仅给出了技术开发量,见图 6。阿拉伯海的风能技术开发量相对最高,基本在0.8×103 kW·h/m2以上,索马里海域更是高达2.4×103 kW·h/m2以上;南海的技术开发量次之,大部分区域在0.4×103 kW·h/m2以上,中部区域在2.0×103 kW·h/m2以上,赤道附近海域、泰国湾相对较低,在0.4×103 kW·h/m2以内;孟加拉湾的技术开发量明显低于阿拉伯海和南海,基本在0.4×103 kW·h/m2以上,相对大值区为马纳尔海(1.2×103 kW·h/m2以上)、斯里兰卡东南部海域(1.6×103 kW·h/m2以上)。
1)“海上丝路”的风能密度整体乐观:阿拉伯海的年平均风能密度基本在200 W/m2以上,南海基本在100 W/m2以上,孟加拉湾则小于阿拉伯海和南海,但也基本都在100 W/m2以上。存在3个显著的大值中心:索马里海域(400 W/m2以上)、南海大风区(350 W/m2以上)、吕宋海峡(350 W/m2以上),马纳尔海、斯里兰卡东南部海域为相对大值区。
2) 阿拉伯海、孟加拉湾、南海的年有效风速频率整体较高,基本都在50%以上,对风能开发时有利的;存在3个显著的大值中心:索马里海域(70%以上)、传统的南海大风区(70%以上)、吕宋海峡(70%以上)。位于斯里兰卡和印度半岛之间的马纳尔海长年为有效风速频率的相对大值区。
3)“海上丝路”大部分区域的200 W/m2以上能级频率在30%以上,存在3个显著的大值中心:索马里海域(50%以上)、南海大风区(50%以上)、吕宋海峡(50%以上)。马纳尔海长年为200 W/m2以上能级频率的相对大值区。
4) 从变异系数来看,索马里附近海域、斯里兰卡附近海域、南海大风区在各个季节都属于相对稳定的区域;从月变化指数和季节变化指数来看,阿拉伯海和孟加拉湾在月际尺度、季节尺度的稳定性处于相对劣势区域。
5) 阿拉伯海的风能技术开发量基本在0.8×103 kW·h/m2以上,索马里海域更是高达2.4×103 kW·h/m2以上;南海的技术开发量次之,大部分区域在0.4×103 kW·h/m2以上;孟加拉湾的技术开发量明显低于阿拉伯海和南海,在0.4×103 kW·h/m2以上。
综上,南海-北印度洋蕴藏着较为丰富、利于“海上丝路”建设的风能,其中优势区域为索马里海域、南海大风区、吕宋海峡,其次是马纳尔海、斯里兰卡东南部海域。
[1] |
辛海升, 田德, 陈松利. 600 W浓缩风能型风力发电机运行特性分析[J]. 哈尔滨工程大学学报, 2013, 34(10): 1321-1327. XIN Haisheng, TIAN De, CHEN Songli. Analysis on the operational characteristics of 600 W concentrated wind-driven power generator[J]. Journal of Harbin Engineering University, 2013, 34(10): 1321-1327. (0) |
[2] |
丁红岩, 孙琪晶, 张浦阳, 等. 导管支架基础和单桩相结合的新型复合风电基础[J]. 哈尔滨工程大学学报, 2013, 34(11): 1379-1384. DING Hongyan, SUN Qijing, ZHANG Puyang, et al. A new composite wind turbine foundation combining the jacket and monopile foundations[J]. Journal of Harbin Engineering University, 2013, 34(11): 1379-1384. (0) |
[3] |
张晓蕊, 刘利琴, 王凤东, 等. 海上浮式垂直轴风力机的气动特性研究[J]. 哈尔滨工程大学学报, 2017, 38(6): 859-865. ZHANG Xiaorui, LIU Liqin, WANG Fengdong, et al. Study on the aerodynamic characteristics of offshore floating vertical axis wind turbine[J]. Journal of Harbin Engineering University, 2017, 38(6): 859-865. (0) |
[4] |
ZHENG Chongwei, WANG Qing, LI Chongyin. An overview of medium-to long-term predictions of global wave energy resources[J]. Renewable and sustainable energy reviews, 2017, 79: 1492-1502. DOI:10.1016/j.rser.2017.05.109 (0)
|
[5] |
毛慧琴, 宋丽莉, 黄浩辉, 等. 广东省风能资源区划研究[J]. 自然资源学报, 2005, 20(5): 679-683. MAO Huiqin, SONG Lili, HUANG Haohui, et al. Study on the wind energy resource division in Guangdong Province[J]. Journal of natural resources, 2005, 20(5): 679-683. DOI:10.11849/zrzyxb.2005.05.006 (0) |
[6] |
黄世成, 姜爱军, 刘聪, 等. 江苏省风能资源重新估算与分布研究[J]. 气象科学, 2007, 27(4): 407-412. HUANG Shicheng, JIANG Aijun, LIU Cong, et al. Reassessment and study on distribution of wind energy resource in Jiangsu[J]. Scientia meteorologica sinica, 2007, 27(4): 407-412. (0) |
[7] |
郑崇伟, 李崇银. 中国南海岛礁建设:重点岛礁的风候、波候特征分析[J]. 中国海洋大学学报(自然科学版), 2015, 45(9): 1-6. ZHENG Chongwei, LI Chongyin. Development of the islands and reefs in the South China Sea:Wind climate and wave climate analysis[J]. Periodical of Ocean University of China(natural science edition), 2015, 45(9): 1-6. (0) |
[8] |
郑崇伟, 李崇银. 中国南海岛礁建设:风力发电、海浪发电[J]. 中国海洋大学学报(自然科学版), 2015, 45(9): 7-14. ZHENG Chongwei, LI Chongyin. Development of the islands and reefs in the South China Sea:Wind power and wave power generation[J]. Periodical of Ocean University of China(natural science edition), 2015, 45(9): 7-14. (0) |
[9] |
郑崇伟, 李崇银, 杨艳, 等. 巴基斯坦瓜达尔港的风能资源评估[J]. 厦门大学学报(自然科学版), 2016, 55(2): 210-215. ZHENG Chongwei, LI Chongyin, YANG yan, et al. Analysis of wind energy resource in the Pakistan's Gwadar Port[J]. Journal of Xiamen University (natural science edition), 2016, 55(2): 210-215. (0) |
[10] |
郑崇伟, 高悦, 陈璇. 巴基斯坦瓜达尔港风能资源的历史变化趋势及预测[J]. 北京大学学报(自然科学版), 2017, 53(4): 617-626. ZHENG Chongwei, GAO Yue, CHEN Xuan. Climatic long term trend and prediction of the wind energy resource in the Gwadar Port[J]. Acta Scientiarum Naturalium Universitatis Pekinensis(natural science edition), 2017, 53(4): 617-626. (0) |
[11] |
郑崇伟, 周林, 宋帅, 等. 中国海风能密度预报[J]. 广东海洋大学学报, 2014, 31(1): 71-77. ZHENG Chongwei, ZHOU Lin, SONG Shuai, et al. Forecasting of the China Sea wind energy density[J]. Journal of Guangdong Ocean University, 2014, 31(1): 71-77. (0) |
[12] |
MIAO W W, JIA H J, WANG D. Active power regulation of wind power systems through demand response[J]. Science China technology science, 2012, 55: 1667-1676. DOI:10.1007/s11431-012-4844-3 (0)
|
[13] |
ZHENG Chongwei, LI Chongyin, PAN Jing, et al. An overview of global ocean wind energy resources evaluation[J]. Renewable and sustainable energy reviews, 2016, 53: 1240-1251. DOI:10.1016/j.rser.2015.09.063 (0)
|
[14] |
ZHENG Chongwei, PAN Jing. Assessment of the global ocean wind energy resource[J]. Renewable and sustainable energy reviews, 2014, 33: 382-391. DOI:10.1016/j.rser.2014.01.065 (0)
|
[15] |
BAO X H, ZHANG F Q. Evaluation of NCEP-CFSR, NCEP-NCAR, ERA-Interim, and ERA-40 reanalysis datasets against independent sounding observations over the Tibetan Plateau[J]. Journal of climate, 2013, 26: 206-214. DOI:10.1175/JCLI-D-12-00056.1 (0)
|