王国松1,高山红1*,解以扬2
1
物理海洋教育部重点实验室,海洋大气相互作用与气候实验室,中国海洋大学,青岛,266100
2
天津市气象科学研究所, 天津,300074
Ocean-air Interaction and Climate Laboratory, Ocean University of China,Qingdao 266100, China
Abstract: The National Centers for Environmental Prediction (NCEP) Climate Forecast System Reanalysis
(CFSR) 10 m reanalysis wind speed(0.3°×0.3°, hourly, simply for CFSR wind)of over the 20-year period
from 1991 to 2010 is used for research and assessment of the wind energy resource over the Chinese regional sea.
The CFSR wind speed is examined based on the offshore observation station of platform-A in the Bohai Sea.
The results showed that the root-mean-square-error (RMSE) and mean absolute difference (MAD) are 2.28 ms-1
项目资助:黄渤海高影响天气预报中的关键技术研究(GYHY201106006), 国家自然科学基金(No.40706004),恶
劣天气对渤海海事安全的影响及对策研究(GYHY201006034)
* 通讯作者: 高山红,男,湖北省人,教授,主要从事海洋气象学研究。E-mail:gaosh@ouc.edu.cn
and 1.69 ms-1; The results of the distribution of annual average wind power density of China terrestrial surface
from the CFSR wind are similar with the third general survey of wind energy and relevant literature results, so a
preliminary deduction is that the CFSR wind could be the representative sample to the regional China seas.
According to the methodology of wind energy resource assessment of wind farm, the distributions of 70 m wind
energy resources over Chinese regional sea for the 20-year average are calculated using the CFSR wind field.
The results showed that the annual average wind power density are above 300 Wm-2 and cumulative hours of
wind speed, which is greater than 6 ms-1, are more than 4000 h; The Taiwan Strait and the southern East China
Sea are the most abundant. The wind energy in the central Yellow Sea, the central Bohai Sea and Liaodong Bay
are also very adequate. Reference to the offshore wind farm site selection requirements, the coastal waters north
of 28 °N due to shallow depth, wind speed above 30 ms-1 frequency of occurrence is extremely low, more
suitable for the establishment of offshore wind farms.
Key words: CFSR reanalysis 10 m wind, Chinese regional seas, wind energy resource, offshore wind farm
0 导语
风能作为一种可持续的清洁能源,近年来在中国发展十分迅速,目前已有陆地风能资源的研究
并计算出了每个省的风能储量,得到全国风能实际可开发量为 2.53×1011W。随着陆地风能开发日益
趋于饱和,海上风能开发技术正逐步提高,未来风能开发的重心逐渐转移到了风能更为丰富的近海
区域。
由于近海常规观测资料的稀少,使得近海风能研究方法与陆地风能研究存在很大的差异。一是
了中国和北海的海上风能分布特征。然而卫星反演数据时空分辨率较低,很难满足风能资源研究的
需求。数值模拟作为一种能提供高时空分辨率海上风数据的手段已逐渐被采用,如李晓燕等[8]和袁
数值模式之外,数据同化相当重要与关键,而前面数值模拟工作中在这方面很欠缺。大气再分析数
据凭借着先进的数值模式与完善的数据同化系统,使其质量具有很高的可靠性,如冯双磊等[11]根据
现,在长期测站数据缺乏时,再分析数据是一种非常好的替代数据。
0.312°,时间间隔为 1h。本文基于此数据尝试对中国近海风能资源分布特征进行详细统计分析与评
估,为近海风能资源的开发和利用提供参考依据。
1 数据与方法
1.1 数据
CFSR 是耦合了大气-海洋-地表-海冰的全球模拟系统的后报结果。除了同化常规观测,它还同
× 0.1°的规则经纬度格点上。
式将其换算成海面 10 m 风速。
统计中国近海热带气旋位置所用数据取自中国上海台风研究所“CMA-STI 热带气旋最佳路径数
据集”3。
1.2 方法
风功率密度公式依据国家《风电场风能资源评估方法》(GB/T 18710-2002):
1 n
Dwp ( )(i3 )
2n i 1
(1)
2
http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis.html
3
www.typhoon.gov.cn
其中 Dwp 表示平均风功率密度(Wm-2); i 表示第 i 记录风速(ms-1)值的立方;n 为在设定
3
时段内的记录数;为空气密度(kgm-3)。
计算公式采用:
P
(2)
RT
-1
其中 P,
T 分别为年平均大气压力
(Pa)
与年平均空气温度(K),理想气体常数 R 取 287 J·
(kg·
K) 。
不同高度风速推算公式如下:
z2 p
指数风廓线公式: uz2 uz1 ( ) (3)
z1
ln z2 ln z0
对数风廓线公式: u z2 u z1 ( ) (4)
ln z1 ln z0
2 CFSR 风场数据检验
2.1 海上单点比较
渤海 A 平台观测为海上单点长时间序列(1991-2010 年,1h/次),经过了很好的质量控制。将它
用指数风廓线公式(3)和对数风廓线公式(4)所得结果差异较小,后者结果较优。此外,基于对
度,两者之间相对误差为 8%左右。
2.2 陆地大面比较
区域主要集中于内蒙古北部;新疆东部,西藏西部次之(见图 1 方框所示),涵盖了中国八个主要
点缺乏或分布稀疏的缘故。
3 中国近海风能资源分布与分析
3.1 近海风能分布特征
ms-1。
与陆地风能资源相比,海上风能明显丰富。海岸带是陆地和海上风能的过渡地带,此处风能和
3.2 近海风电场开发条件分析
近海风能资源的开发首要内容是风电场选址,这不仅涉及风能资源分布特征,而且还要考虑水
风能开发技术还有待发展,而在超过 50 米的水域的风能开发技术还需要未来的不断探索。最大风
极大增加设计与运行成本,一般不适宜建立风电场[16]。
热带气旋频率虽高,但强度一般偏弱。
图 1 1991-2000 年中国陆地 10m 高度年平均风功率密度分布,绿点表示中国八个主要的千万千瓦级
[15]
风电基地示意位置 。
4 结论
由于中国近海海上常规观测数据极度匮乏,本文尝试利用 NCEP 最新发布的 CFSR 高时空分辨
率再分析数据,统计并分析了中国近海风能资源分布特征,得到如下结论:
海峡和东海南部海区风能最为丰富,黄海中部、渤海中部和辽东湾海区风能也十分充足。
3. 如果仅考虑水深、极端风速和热带气旋这三个因素,28°N 以北的近岸海域水深较浅,受热带气
近岸海域明显受热带气旋影响,无疑会增加海上风电场开发难度与成本。
参考文献:
[1] 朱瑞兆,薛桁. 中国风能区划[J]. 太阳能学报. 1983, 4(2): 123-132.
[2] 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.
[3] 廖顺宝,刘凯,李泽辉. 中国风能资源空间分布的估算[J]. 地球信息科学. 2008, 10(5): 551-556.
[4] 中国气象局. 中国风能资源评价报告[M]. 北京: 气象出版社, 2006: 56.
[5] 薛桁,朱瑞兆. 中国风能资源贮量估算[J]. 太阳能学报. 2001, 22(002): 167-170.
[6] Jingwei X, Luo Y, Zhang X, et al. China Offshore Wind Energy Resources Assessment with the QuikSCAT
Data[C]. Society of Photo-Optical Instrumentation Engineers, 2008.
[7] Bruun Christiansen M, Koch W, Horstmann J, et al. Wind resource assessment from C-band SAR[J].
Remote sensing of environment. 2006, 105(1): 68-81.
[8] 李晓燕,余志. 基于 MM5 的沿海风资源数值模拟方法研究[J]. 太阳能学报. 2005, 26(3):
400-408.
[9] 袁春红,薛桁,杨振斌. 近海区域风速数值模拟试验分析[J]. 太阳能学报. 2004, 25(006): 740-743.
[10] 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(8):
1434-1443.
[11] 冯双磊,王伟胜,刘纯,等. NCEP/NCAR 再分析数据在风能资源评估中的应用研究[J].
[12] Saha S, Nadiga S, Thiaw C, et al. The NCEP climate forecast system[J]. Journal of Climate. 2006, 19(15):
3483-3517.
[13] 张淮水,刘安国,宋珊,等. 海面风的特征分析[J]. 中国海洋大学学报 (自然科学版). 1989, 2.
[14] Panofsky H A, Dutton J A. Atmospheric turbulence[M]. New York: John Wiley & Sons, 1984: 122-123.
[15] 陈雪. 大基地建设: 催动中国风电强国之梦[J]. 风能. 2010(2).
[16] 李俊峰,施鹏飞,高虎. 中国风电发展报告( 2010) [M]. 海口: 海南出版社, 2010: 20-21.