大型风电场对局地气候的影响研究

2020年10月14日，国家电投风电产业创新中心电力气象研究所所长马文通在2020北京国际风能大会暨展览会（CWP 2020）上作了题为《大型风电场对局地气候的影响研究》的演讲。

以下为发言实录：

马文通：我今天给大家介绍的是御风系统的应用，它的单位是法国美迪、美国NCAR国家气候中心共同研发出来的成果，御风系统三个板块，第一个板块是风电项目规划和精细化的设计，第二个板块是风电场大数据智能运维，风电场的运营，第二个板块是海上风电的这些海上气象的预报，技术的支撑整个全面全覆盖。

现在我们做的这个高分辨率的评估，考虑两个因素，工程造价到数据的成果，气象大数据成果。这两个板块捏在一起，能够形成我们做风电项目规划的时候，精细化的设计。完成精细化设计以后集团做大基地的时候，有一个自动化的规划。大基地目标用电城市之间最优的配比，这样保证我们大基地外送的时候，可盈利的用电成本是最高的。

然后另外一个就是做电力气象预报，围绕我们海洋的陆上风电的预报来开展一些气象预报的工作，第三块御风风电场大数据的智能运维，和我们行业内其他厂商做的也差不太多，我们出发点和切入点不一样，关心的比较多的是能效分析这些算法，挖掘我们自己风电场发电的潜力，还有寻找潜在的故障。

介绍一下大范围高分辨率资源普查的技术。已经在行业里边提了有好多年了，所谓高分辨率，在不同的应用场景下，它的分辨率的要求也是不一样的。在我们做这个大范围的风电场规划和大基地，所以现在介绍的一些所谓的高分辨率基于我们集团为了做大基地规划的时候所用，这个分辨率达到250米左右，LCOE算出来后再去结合我们各个地方的火电的标杆电价，得到我们剩余电价，不能重复开发的区域，最后得到规划区域。其中这个平准化度电成本，第一个是造价的分析，第二发电水平的分析，第三个技经的条件。

一块一块给大家介绍一下，造价主要考虑的还是地形地貌，对整个风电场的影响，我们在国内做风电场开发，大致的水平，越蓝的价格越低，越红的暖颜色区，价格高的区域，把它能做出来，基础就是要辨识地形复杂程度，风电朝造假受影响最大的就是受周围的地形的起伏影响最大，如果地形很复杂，像一些山区，像高原，像西藏这种海拔很高的这些区域，它的造价也会相应的变高。做关联以后再反过来把地形起伏转换成工程造价。这张图我们全国的路网图基本上都能够满足叶片还有风机的运速条件，主干道路实际上如果做大基地规划，如果有一些在西北，比较偏僻的地区，离主干道路很远，要去新建道路，这也会折算到我们造价度电去分摊的。

我们国家主干电网的分布，基本上能够满足我们大基地接入能不能消纳，基本上在接入的时候就是这个结构，围绕现有电网做大基地分布，它离电网距离，离的越远我们要自己，这个电网我们已经有的如果新建设一般条线，跟这个成本也是差不太多，跟已有电网连起来，这个线路成本，从这张图可以给它算出来，这个成本算出来，得到我们子风电厂投资建设，所有的各个方面的成本的汇总，另一方面就是我们算收益，靠天吃饭，首先算风速的分布，风速分布，我们国内现在做到250米风速的分布，把这个风速分布，我们算出来的，肯定会有误差，为了弥补误差，我们用自己集团的测风塔，实测的数据，数字模拟出来的图，所以这里边就要提到我们御风系统自己的模块，测风塔的管理系统，这个管理系统，收到我们集团里边，一千来个塔，这些数据有在实时观测，这个数据通过系统自动给它录入进来，包括数据的清洗还有筛查，右下脚做玫瑰图分析都是在自动完成的，清洗过的数据，跟数字模拟结果图并在一起做矫正，矫正以后，我们就可以得到一个比较准确的一个风速分布的图谱，就是我们在做后续的所有的衍生计算最基础的一个底子，有了风速图谱，再结合国内主流的厂商的主流机组的功率曲线，总结CT值的分布，然后再根据我们平均风速的比方说6.5，7.5，等等这几个分解点，去把风速对应风机，自动选择机型。有了发电小时数，刚才也提到，把成本算出来，到最后的话，用度电成本，比较复杂的公式，这张图也不是很全，像我们西藏海拔超过5000米的地区，平准华度电成本很低。我们这张图取了这些彩色的数据的边界，按照0.45，四毛五度电成本，全国火电的电价，最贵的广东省四毛五，某个地区平准化高于四毛五，外送电没办法实现平价消纳。四毛五也是针对广东做的，对于全国各个省份来说，每个省标杆电价也是不一样的，这样的话我们把平准化度电成本，得到一个生育电价这张图片在于各个省去开发大基地，做平价消纳，能够多挣钱。这张图可以看出来，我们今天没讲那么细，前面讲规划的系统，后续我们把跨省之间消纳的这些测算做出来，现在这张图描述的做省内消纳，它和开发区这么大，如果跨消纳可开发区会稍微变大一些。

另外一个影响我们大基地开发的，最主要的因素，限制性因素，风能大会呼吁我们同行有机会和国家能够说上话也是要反映反映，和行业里面呼吁一下，现在生态红线这么换下去，对风电行业打击还是比较重的。我们看的这张图都是一些不能够去做工业开发的用地，水域分布就是我们内陆的一些河流还有湖泊区域分布，交通线路，像现在看到我们国家级的自然保护区。国家级的自然保护区分布并不是很大，还留了很多留白，按照现在国家细化，我拿到数据个个审核，打算画这个红线，基本上没有什么可开发的地方，全国一片红，后续做大基地开发，要提高这个资源选址还有资源评估的水平才行。在后边我们开发因素已经开发掉的风电场，今年8月27号国家发了征求意见稿，水火风光储，源网荷储两个一体化，要做后续的话，国家还是要新能源的行业往多元开发多能互补这个角度，这个方向去走，实现突破点，有了需求的话，我们把光伏电站，燃煤电站数据收集过来，燃气轮机和汽轮机，锅炉型号，将来做风光水火储是什么情况。

中国小水电站也比较多，像这几种板块，调峰最快的就是小水电站，所以一般还不会说全都关机。下面我们就介绍一下大基地风电场对局地气候的影响，不可避免的涉及到的问题，这个大基地开发是我们自己的风电场，在园区20万的风电场，实际上并不是真正的大基地，按现在来看并不是，当时做的时候，2万还是很大的风电场。

wrf的方式做的，在模式设置上，垂直高度层，一公里我们设了二十层，这样做了一个加密，后续的敏感性实验，把过去的2014年，2016年运行的数据和我们模拟所在的数据做了相关，实际上我们现在参数条件，算出来风速相比数据还是要小半米一米，一方面，整个模式在选择这个物理模型参数的时候有一些偏差，另外更大来源，中尺度算出来风速，测出来单点的风速，不是一个东西，风速是周围一公里范围内平均的风速，测风塔单点的风速，它俩之间有偏差很正常的，风速模拟，时间相关性是不是够高，像右边就是我们观测，实际上还是比较接近的，对于风速比较稳定的这个偏差，从左边大家能看出来，观测的值中阻，纠偏偏差直接弥补到。另外我们大基地这块在做精密气温模拟的时候，两者的相关性是能够达到0.96，这样相关性比较好，代表我们在模式和实测的过程里边一致性还是比较有保证。后边我们底下风电场，对风电来说最关心的是风速，我们左边这几张彩色的图，各个月份，1到12月份，平均风速总体的大小，然后右边就是我们建风电厂和没有间风电场的区别，越蓝的地方我们建风电场以后这个地方区域风速衰减的程度，然后红颜色就是它的周围比较远的地方风速有可能受风电场挤压会增加。建了风电场以后对气候的影响是比较大的，风小的月份影响比较小，影响比较大的到0.2米美妙，是在风电场的周边，不是在核心，在核心会到0.5，更大一些。另外对气温的影响也是，我们对周围气温的影响，几乎包括对风电厂本地的气温因素影响，可以忽略不记的，对一个20万千瓦的风电场，但是这个气温的偏差，它从长期来看也会稍稍引起降水其他的气象要素的区别，但对我们风电来说比较关心的还是，风速，我们六七月份湿度比较大，建风电场，因为对风有遮挡，挡住我们水系输送的总量会稍稍下降，这样导致我们当地的湿度也会下降，但是表现的并不会特别明显，降水相应来讲有减少，我们8月份月均减少2毫米，稍稍会有些区别，不会像其他行业黑风电的时候，风电把风挡住不会有那么大的影响。

后面我们就简单做一下案例分享，我就讲一下乌兰察布做的项目，实际上乌兰察布最开始规划的时候，并不是单独乌兰察布一个，它实际上把乌兰察布和张家口风电基地并到一起送到河北，主要考虑这两个基地因为空间上有距离，所以对电网冲击连在一起，可以一定程度降低在受端电网的冲击，当时我们掌握的数据，横轴是时间，纵轴测风塔塔号，后边做的时候通过潜逃技术，把测风塔的数据，插补和延长，到全期就基本上从2008年到2010全覆盖。不管平台还是山区通过当地地标去倒算每个测风塔对周围概率分布，离得越近代表性就越强，蓝颜色的这个区域，它红心那一块，红颜色代表测风塔当地代表性强的区域，蓝颜色代表性弱，选的边界上基本上风素误差控制3%，平均来说控制在3%，测风塔代表边界，通过这些我们把其他的测风塔，因为这里边在规划的时候，是拿到旧的测风塔，工程在实践的时候，这样我们通过测风塔代表性，没有被测风的区域我们多观测区域。涉及到比较重要，宏观尾流，像这个风电场就是我们乌兰察布开始规划的三块基地，最中间的幸福基地这一块，蓝颜色的就是风速降低的这个区域，红颜色就是受风电场阻挡挤压。总体来看在大基地核心的话，它的风速衰减很正常，其他的集团厂商协助做大基地，大基地开发起来不是像几十万的小风电场，风机布的特别密，风机和风机之间是没有足够的缓冲区缓冲这个尾流，确实对当地气候变成影响。

另外要做的，最核心的出力特性的分析，出力特性要着重看乌兰察布是680风电场，外送的600万还是建多少，削峰能损失多少电。现在这两张图最上面那张图乌拉插补，最下面是张家口，上网容量满且超过85%当时是，再往上的话，出现概率是很小的，风机有利用率，一般我们场上承诺95%，利用率高温处出现的纪律比较大，有一个风速一下吹到二十多米，30米，全场好多风机停掉了，这种情况下，我们现在算的是84%，我们凑个整，当80%，我们480万的外用通道，把六百万的所有电都输送，损失掉的这一块小三角形面积，占总面积百分比的发电量，我们削峰的损失，我们在投大基地，投资很大的项目的时候，做一个工程上的优化，不应该指望把600万风电场发的所有电都送出去，送多少电，它的总投资之间找到一个平衡，为了找这个平衡，我们做的出力特性分析的主要的目的，也有些月度分布和日分布变化的规律，对我们投资来说是比较次要的分析。

然后另外一个乌兰察布和张家口，乌兰察布风比较大，张家口风没有乌兰察布那么高，出力比较高的区域，白颜色的概率密度比较低，我们损失5%的削峰的电量，80%降到60%，80%降到70%，张家口损失5%，80%降到60%，最右边小三角张家口那三角从右边是比较尖，可以同样面积向左让得更多，另外一点乌兰察布，削峰的时候损失比较大。这个时候它最右边的这个峰值的概率它的概率密度就变小了，主要还是张家口和乌兰察布在空间上有一个距离，不太可能它俩都大风，那种概率是比较小的，这样通过异地跨区域连接起来，能达到出力特性。后面主要是出力特性对电网冲击的东西。谢谢大家。

（根据速记整理，未经本人审核）

相关阅读：

测风数据插补对发电量的影响