北极西北航道海洋风能选址建模与评估

钱恒 张韧

研究论文

北极西北航道海洋风能选址建模与评估

钱恒 张韧

(国防科技大学气象海洋学院, 江苏 南京 211101)

风能开发价值度等级区划是风能发电、能源基地等工程选址的主要依据。针对北极西北航道海上风能选址的困境, 建立了一套具有极区特色的风能开发价值度等级评估体系, 并结合基于三角模糊数随机模拟的综合评估模型(CA-SSTFN)展开分析。通过该模型与层次分析法和模糊层次分析法评估技术的对比试验结果来看, CA-SSTFN能够客观地实现多源环境信息的融合和推理, 而且以置信区间形式表示的评估结果比现有常规方法的结果提供了评价结果可靠性方面的更多信息, 评价结果更符合实际情况, 具有良好的评估性能, 同时该模型还具有基于信息检测的更新能力, 基于此可实现价值度的实时或准实时评估。最后以阿蒙森湾中部海域进行实例分析: 从结果来看该海域风能开发价值整体较高, 特别是夏季, 而夏季也是当前西北航道的最佳通行期, 更添风能开发的价值。综合来看, 推荐的开发先导点为: (124°W,70.5°N)。

西北航道 风能开发 三角模糊数 等级区划 宏观选址

0 引言

北极作为北美、欧亚、亚太三个大陆的“交点”, 随着北极航道的开通, 可能会改变目前的世界航运格局, 并产生巨大经济效益。近年来由于全球气候变化导致北极海冰加速融化以及全球政治经济格局变动, 使得北极地区自冷战后, 再次成为全球关注的焦点。北极航道, 主要分为3条航道: 东北航道、西北航道以及中央航道。近些年随着中俄两国关系快速发展, 以及在俄罗斯的大力推介下, 在国内外掀起了一阵东北航道研究热潮[1-3], 而对于西北航道则研究较少, 特别是针对北极西北航道海洋新能源的研究更是少之又少, 但事实上, 西北航道同样存在较大的经济利用价值。Borgerson[4]指出, 通过西北航道使得从西雅图到鹿特丹的航程比经巴拿马运河这一传统航线缩短2 000 n mile, 节省25%航程。2014年, “NUNAVIK”号从迪塞普申湾出发, 独自穿行西北航道, 到达中国营口港。这次成功尝试说明西北航道作为中国与北美间的贸易往来新通道的可行性。研究表明, 通过西北航道, 中国与北美之间的贸易航程将缩短40%, 减排1 300 t, 费用节省也很可观[5]。相比于传统航道, 西北航道存在航道距离短、地缘政治简单、海盗袭击风险低等诸多优势, 但必须指出因为地处高纬地区, 这条航道同时又面临着基础设施不完善、能源保障能力弱、应急响应及救援能力差等劣势。而解决这些问题, 首先便是解决好能源供给关, 特别是电力保障问题。放眼全球, 随着资源危机、环境危机愈加严重, 出于能源的需要, 人类将目光投向了海洋, 而储量丰富、发电利用小时数高、单机容量大、不过多占用土地等诸多优点使得海上风能成为新能源开发中的热点[6-7]。资源开发, 研究先行。相关研究表明北极地区风能资源丰富, 技术可开发量约1 000亿kW, 约占全球风能资源的20%[8]。Chade等[9]指出在北极偏远地区使用柴油发电费用昂贵, 故而提出了风力发电的供电模式, 并认为所提方案可行且在4年内可收回成本。Boute[10]则考虑到北极地区的生态脆弱性, 如果采用柴油发电会对北极自然生态环境造成破坏, 因此也提出了在北极地区开发风能资源的观点, 以应对潜在的环境问题。对于生态环境脆弱的西北航道, 积极开发海上风能首先一点便是对环境影响小, 更重要的是有益于缓解其沿线地区资源危机, 提高沿线居民生活质量, 助力基础设施建设, 增强航线通航性。在以往开发海洋风能资源的过程中, 海上风电场带来了诸如影响沿海地区后续各项海洋开发活动、与生态自然保护区重叠冲突等问题, 同时海上风电场的运行维护等也与其所在的海洋环境密切相关[11-13]。这些问题凸显了海上风电场选址的重要性。风电场的选址通常包括两个部分: 宏观选址以及微观选址。作为风电场微观选址的基础, 风电场宏观选址至关重要, 引起很多学者的广泛关注。

风能分布直接影响着风电场的选址, 对风能分布特点的研究, 早期主要是以风能流密度(Wind Power Density, WPD)的大小来展示风能特征。随着数据日益丰富、研究手段不断进步, 逐渐开启从WPD的大小、资源可利用率等多个方面的研究为风能选址提供依据。相关学者利用风场再分析资料绘制了覆盖全球海域的风能等级区划图, 较好地从整体上反映了全球的风能等级, 但是风能等级的区域性差异不明显, 比如北极西北航道大范围海域都属于 4级以上风能, 不能精细地为西北航道的风能选址提供科学依据[14]。在风电场宏观选址模型方面, 目前的方法主要为层次分析法(Analytic Hierarchy Process, AHP)以及层次分析法的改进方案, 比如结合GIS的层次分析法和模糊层次分析法等。吕雪芹[15]以创建的指标体系和风电地理数据库为基础, 构建了合理的风电场宏观选址综合评价模型, 该模型利用层次分析法确定各指标的权重, 然后结合GIS空间分析模型对各指标数据做标准化和量化处理, 最后采用多级加权求和的方法来实现宏观选址的定量化评价。游欣佩和马平[16]在层次分析法中引入模糊数学的相关研究成果, 充分考虑问题的模糊因素, 各指标评分采用模糊概念, 即引入三角模糊数, 并将其应用于风电场的宏观选址决策, 一定程度上提高了层次分析法的有效性和准确性。

正如前文所说, 当前研究多集中在中低纬度地区且主要针对风能的气候态分布特征进行研究[14-16], 鲜有涉及极地。而且现有研究仍有可改进之处: 1)评价指标体系不够全面, 不能全面反映风能质量, 特别是针对北极西北航道的深海风能资源开发选址除了需要考虑风能资源的可利用性, 还需要考虑极寒天气、海床地质结构、海冰分布、环境生态保护等多领域、多因素对其影响; 2)大多是将风能各要素的特征进行简单的罗列, 没有将各要素进行有机融合进而形成等级区划; 3)模型评估决策确定方式相对单一, 过于依赖专家经验, 主观性强, 经验依赖度高, 对评估结果准确性有影响。因此本文将充分利用前人研究成果, 梳理风能选址的关注点及研究进展, 探索构建一套能够全面考虑资源特征和成本效益[17-19]同时带有极区特色的西北航道海上风电开发价值度评估方案, 将风能一系列复杂的要素特征进行整合, 以风能开发价值度(Wind Energy Development Value, WEDV)的定量形式呈现, 形成使用便捷的风能等级区划图, 助力西北航道海洋风能开发。

1 北极西北航道风电场选址评估指标选取及数据来源

本文所选区域, 远离城市, 人口较少, 可以预计短期内将以就地消纳、小规模为主要特点的分散式风电开发为主, 当前高纬度国家比如丹麦就主要采用这种模式利用风能[20], 故而在极区开发风电的社会影响较小。极区开发风能的主要意义在于增强航道的可航性, 以及对周边能源供应现状的改善, 所以经济性因素影响也较小。考虑到本文不针对任何具体工程, 因此根据各项指标对选址的重要性以及北极西北航道的特殊背景和指标数据资料的可获取性, 结合已有的研究成果, 选取影响西北航道海上风电场选址的10个关键指标。

1.1 风能资源评估指标体系

风能开发选址, 必须首先定量化评估风能资源, 本节结合前人研究成果[21-22], 遴选出6个指标, 分别刻画风能的风功率密度、资源的可利用率、富集程度、稳定性、有效储量等要素, 同时给出计算方法与数据来源。

1.1.1 风功率密度(Wind Power Density, WPD)

WPD为垂直于气流的单位截面上风的功率, 其计算公式[21]:

式中,D为平均WPD(单位: W·m–2),为在设定时间段内的记录数,为空气密度(单位kg·m–3),=/,为西北航道相关海域16 a平均海平面气压(单位: Pa),为气体常数,为西北航道相关海域16 a平均开氏温标绝对温度(单位: K),v为第次记录的风速值(单位: m·s–1)。

数据来源及简介: 利用2003—2018年逐 6 h 的 ERA-Interim 海表10 m再分析风场资料, 空间分辨率0.25°×0.25°, 根据WPD 的计算方法, 计算得到近 16 年逐 6 h 的 WPD数据。

1.1.2 有效风速出现频率(Effective Wind Speed Occurrence, EWSO)

在风能开发过程中, 通常认为风速在5~25 m·s–1有利于风能资源的采集与转换[21], 并将这个区间的风速定义为有效风速, 显然, 有效风速频率反映了风能的可利用率。

1.1.3 200 W·m–2以上能级频率(Rich Level Occurrence, RLO)

通常认为风能密度在200 W·m–2以上为资源丰富[14]。显然200 W·m–2以上能级频率反映了风能的富集程度。

1.1.4 WPD 的变异系数( Coefficient of Variation,C)

资源的稳定性密切关系到装置的采集和转换效率、装置的寿命等, 当能流密度变化较大时, 会减少输出功率, 还可能引起极端荷载(引起风能转换系统的震荡和载荷的不均匀), 最终削弱和破坏风电机组[22]。为此引入变异系数(Coefficient of Variation,C)。C主要是反映月尺度以内的资源稳定性, 值越小, 月尺度以内的稳定性越好。

变异系数的计算公式为:

1.1.5 WPD 的有效储量(Effective Reserves, ER)

有效储量密切关系到风能的产出, 有效储量为年平均风能流密度和全年可用风速小时数的乘积, 或总储量和可用风速频率的乘积, 有效储量对于风能开发更具实用的指导价值[21]。根据资源的有效储量, 工程人员可以很直观地得到不同区域的全年发电量。此外, 在实际的风能开发中, 还需要提高时间分辨率, 计算每个月风能资源的有效储量, 为电力调度、风能不足情况下的能源补充等提供科学依据。

单位面积的风能资源有效储量的计算公式为:

1.1.6 极值风速: (Extreme Wind Speed, EWS)

极值风速是海上施工安全关注的要素之一。传统研究大多只关注 EWS 的年极值特征, 很少有计算各个月份的极值[23-24]。但在实际的工程应用中, 往往更为关注各月的极值。例如, 在特定的月份执行海上施工或航海任务, 在制定中长期计划时, 以该月的极值作为参考更为科学, 而不是一概笼统地以年极值为准。在极值偏低的月份, 如果仍然用较大的年极值为指导, 往往会造成资源浪费、增加海洋工程的成本。

由于大面积海域、长时间序列的阵风资料极为稀少, 以往在计算大面积海域的极值风速时, 多是基于平均风速资料, 往往出现计算极值风速偏低的现象。本文在此利用近年(2003—2019年6月)逐6 h的ERA阵风资料, 采用Gumbel曲线法[25],计算了各格点50年一遇各月的极值风速。

1.2 自然环境评估指标体系

风能选址必须考虑施工地的气象水文地质条件, 这些与海上施工安全和成本密切相关, 所以本节根据西北航道的这一特殊施工地情况, 一共筛选了4个指标加以刻画, 同时给出相应要素的数据来源。

1.2.1 海冰密集度(Sea Ice Concentration, SIC)

海冰密集度值越高, 海面冰情越严重, 对海上施工以及风能设备的威胁程度就越大。数据来自ECMWF的ERA高精度日平均再分析资料, 空间分辨率0.25°×0.25°。

1.2.2 2 m气温(2-meter Temperature, T2m)

目标区域气温过低将会对海上施工、人员安全以及风能设备带来很大挑战。2m气温数据同样来自ERA高精度日平均再分析资料, 空间分辨率0.25°×0.25°。

1.2.3 水深( Water Depth, WD)

该指标密切关系到海上施工的成本、难度、发电并网的难度等, 是风能开发最关注的要素之一。高程数据采用ETOP1数据, 空间分辨率0.0167°×0.0167°。

1.2.4 离岸距离( Distance to Coast, DC)

离岸距离密切关系到海上施工的成本、难度以及发电并网的难度。随着观测手段的飞速发展, 目前已经可以利用来自GSHHS(Global Self-consi­stent Hierarchical High-resolution Shore line database)的高分辨率海岸线数据(0.1 km)来计算DC[17]。

1.3 西北航道风电场选址评估体系

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2个决策准则, 分别是风能资源、自然环境, 各决策准则包含的影响因素见表1。

其中, 指标属性为效益型表示指标取值越大, 该地进行风能开发期望值越高; 成本型表示指标取值越大, 进行风能开发期望值越低。在实际操作中, 首先利用2003年1月—2019年8月的月空间分辨率为0.25°×0.25°的逐6 h的ERA-interim风场再分析资料结合WPD的计算方法(式1), 计算得到逐6 h的WPD。基于GSHHS海岸线数据、ETOP1水深数据, 分别计算/统计得到月平均的WPD、EWSO、RLO、WD、DC、EWS等。

表1 西北航道风电场选址指标体系

1.4 指标要素离散化标准

海上风电项目发展的主要趋势有两点: 其一是离岸越来越远; 其二是功率越来越大。2012年以前, 欧洲海上风机离岸距离和工作水深项目基本处于“20—20曲线”内, 即离岸20 km, 工作水深20 m, 而随后的几年项目提升至“60—60曲线”[6]。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20 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), 选定水深100 m以上作为最差的语言变量(非常深)同理根据前述的各参考文献, 结合工程实际, 建立数据离散标准, 对指标集进行处理,如表2所示。

表2 指标等级划分

2 三角模糊数随机模拟综合评估模型

目前风能选址主要采用的模糊层次分析法(Fuzzy Analytic Hierarchy Process, FAHP), 是通过耦合指标状态等级得到目标海区风能开发的综合价值度, 其在AHP中引入模糊数学的相关研究成果, 充分考虑问题的模糊因素, 各指标评分采用模糊概念, 提高了层次分析法的有效性和准确性, 当下主要用基于三角模糊数的模糊语义变量描述各指标状态等级的差异[16,26]。但由于现有的三角模糊数的乘法、除法和函数运算[27-28]等尚不够严谨、实现过程比较复杂, 基于三角模糊数的系统综合评估现有方法的实现过程较为复杂[26], 所得综合评估值只是一个实数值, 没有反映出风能开发的综合价值度本身所具有的不确定性。为此, 本文在综合考虑风能质量因素和自然环境因素的西北航道风能开发价值度综合评价指标体系基础上, 采用随机模拟方法(又称Monte Carlo方法)模拟三角模糊数, 把三角模糊数的运算简化为普通的实数之间的运算[29], 建立基于三角模糊数随机模拟的西北航道风能开发价值度评估模型 (Comprehensive Assessment method for Wind energy development value using Stochastic Simula­tion and Triangular Fuzzy Numbers, CA-SSTFN), 据此模型可构造西北航道阿蒙森湾中部海区风能开发价值度的置信区间并开展应用实例分析。

建立CA-SSTFN过程包括如下4个步骤。

步骤1: 基于上文所建立的阿蒙森湾中部海区风能开发价值评估体系, 确定体系中各要素的权重。考虑到指标要素的变化具有时间差异, 而熵权法是基于指标值变异程度大小来确定权重, 它从数据本身出发, 可以降低人为主观判断对权重的干扰, 是一种利用指标值信息量之间的差异性来确定指标权重的客观定权方法, 故本文将熵权法作为确定权重的方法之一, 具体实现步骤参考文献[30]。但纯粹的主观或客观定权方法都有不足之处, 若采用主客观方法相结合则既能避免过度依赖专家知识和经验, 又能减少数据差异较小而实际重要性较大的不匹配情况的发生。故本文同时采用应用范围广、效果好的主观方法: G1法, 最终权重值为该两种方法各自所确定权重加权求和得到, 其中主客观方法的占权分别取0.8和0.2。

步骤2: 定量描述和模拟各指标的状态等级。一般可采用具有5级划分标准的模糊语义变量描述风能开发综合评价系统各指标的状态等级的大小, 并且以相应的三角模糊数R=(a,b,c)定量表征, 见表3。

表3 状态等级的标准及其三角模糊数[26]

根据三角模糊数(a, b, c)的随机模拟公式[29]:

其中,为区间[0,1]上的均匀分布随机数, 进而可得到基于状态等级三角模糊数R=(a,b,c)可能值的大量模拟样本系列, 分别为x1, x2, x3, …,x,为随机模拟的试验次数。

步骤3: 产生研究区域风能开发综合价值度的模拟值系列, 即

式中x(,,)分别为第准则、第指标等级的三角模糊数可能值变量的第次模拟值。

步骤4: 构造研究区域风能开发价值度值的置信区间, 对模拟系列{Z|=1~|}进行降序排列, 根据随机变量的经验累积频率的数学期望公式:

P=1/(+1) (=1~) (6)

可构造研究区域风能开发价值度在置信水平∂下的置信区间为:

[ZINT([1–0.5(1–∂)](N+1),ZINT([0.5(1–∂)](N+1))) (7)

式中,P为按从大到小排序、序号为对应Z的经验累积频, INT()为取整函数。

3 CA-SSTFN模型准确性和有效性验证

本节以阿蒙森湾海域一点A(123°W,70.5°N)为例, 将CA-SSTFN模型与AHP以及FAHP综合评估技术进行对比, 同时针对指标数据更新这一情景, 进行CA-SSTFN模型更新推理预测实验以验证该评估技术的可靠性与优越性。

3.1 指标权重计算结果

以阿蒙森湾海域A点为例, 利用主客观方法所确定的权重值以及最终组合权重值, 如表 4所示。计算结果表明, 权重较大的有风能的月有效储量、海冰密集度、有效风速的频率、2 m处气温、200 W·m–2以上能级频率等。由此可见, 风能的月有效储量是风能开发的最主要因素, 这也与实际情况吻合。在指标权重的计算过程中, 可以看出熵权法和G1法计算结果存在较大差异, 这是在于: 熵权法是根据数据本身信息量的差异来定权的, 海冰密集度和2 m处的气温月变化较大, 所以通过熵权法计算, 权重值较大, 而WPD、EWSO、RLO的结果相对较小, 则从侧面反映风能质量月际变化较小, 稳定性高。但不可否认这些指标的重要性, 因此G1法的存在一定程度上削弱了客观定权方法的定权结果与现实情况的不匹配性。组合权重的最终结果与前人研究和工程经验较为吻合。

表4 指标权重计算结果

3.2 对比层次分析法以及模糊层次分析法评价模型

本节首先利用CA-SSTFN模型对A点2018年7—12月及2019年1—6月共12个月的风能开发价值度进行评估(结果采用95%下的置信区间形式呈现)2018年7—12月的结果为: [0.4655,0.5723]、[0.5631,0.6697]、[0.5927,0.6996]、[0.4125,0.5193]、[0.3111,0.4104]和[0.2978, 0.3971]。再应用目前较为成熟的AHP评价模型以及FAHP法分别评估12个月风能开发价值度, 得到AHP评价模型的结果为(5;5;5;4;3;3;2;2; 4;5;5;5)而基于三角模糊数的FAHP法的结果为(0.5050; 0.6132;0.6470;0.4441;0.2950;0.4091;0.2783;0.2804; 0.4763;0.5143;0.5485;0.5993), 其中2019年1—6月3种方法的评估结果对比如图1所示。

由图1所知, CA-SSTFN模型能够较为准确、快速地评估出风能开发价值度的状态, 与AHP评价模型以及FAHP评估模型所得结论基本一致, 符合专家经验判断。而相比于AHP评价模型, CA-SSTFN模型充分考虑问题的模糊因素, 各指标评分采用模糊概念, 并将其应用于风电场开发价值度评估分析, 一定程度上提高了层次分析法的有效性和准确性。而在与FAHP评估值的对比中, 虽然两者最终评估状态基本一致(CA-SSTFN模型选取平均价值度作为对比), 但以置信区间形式表示的评价结果比现有常规方法的结果提供了评价结果可靠性方面的更多信息, 评价结果更符合实际情况[16,28], 而FAHP方法的评价结果只是一个确定的实数值, 不能更好地反映受多种不确定性因素综合影响的西北航道风能开发综合价值度的客观实际情况。例如2019年2月A点的风能开发综合价值度的CA-SSTFN评价结果为有95%的可能性处于[0.2473,0.3416],这比现有常规方法的评价结果只是0.2804这一单个值更为合理。

图1 A点评估结果对比(2019年1—6月)

Fig.1. Comparison of A point evaluation results (2019.1—6)

3.3 CA-SSTFN模型更新推理实验

假设上述样本中的自然环境要素数据是通过中长期数值预报产品并结合经验推理得来, 随着预报间隔变短, 不确定因素减少, 模式对A点的部分气象水文环境要素进行了更为准确的预报, 由于全球气候变暖加剧, 导致2019年2月的气温和海冰密集度状态出现变好现象, 更新修正了2019年2月的要素数据, 如表5所示。采用CA- SSTFN评估模型进行更新推理, 风能开发价值度的状态很快进行了调整, 相应结果如表6所示。

表5 2019年2月评估指标数据更新(以A点为例)

表6 风能开发价值度状态更新结果

由于全球气候变暖加剧, 北极西北航道2月的自然环境状态出现较大幅度的提升, 海冰密集度下降, 冰情减轻, 对海上施工以及设备带来较大利好, 对比结果可以看出, 信息更新后, 2月的评估结果调整到[0.3301,0.4376], 平均提升9%。总的来说, 风能开发价值度的上升, 显然与自然环境要素状态转好是相符的。上述计算结果不但验证了CA-SSTFN模型具有良好的价值度评估性能, 也验证了其强大的更新能力, 基于此可实现风能开发价值度的实时或准实时评估。

4 基于三角模糊数随机模拟综合评估模型的风能开发价值度区划

4.1 目标区域情况介绍

阿蒙森湾(Amundsen Gulf)位于加拿大西北部的马更些区和富兰克林区之间,将加拿大大陆与北部的班克斯岛分隔开,属于北冰洋中波弗特海(Beaufort Sea)的东南延伸部分。长400公里, 目前阿蒙森湾可通航时间段较长, 从8月持续到11月上旬, 随着气候变暖, 通航期大大变长, 同时阿蒙森湾存在丰富的海洋生物资源, 而且处于整个西北航道的端口位置, 属于关键节点, 地理位置突出[31], 而海洋新能源开发有利于增强关键节点的生存能力, 进一步提升阿蒙森湾的价值。在此将前文设计的风能开发价值度评估模型应用于阿蒙森湾中部海域(70.25°N~71.00°N,125°W~120°W), 以便于进行价值度等级区划, 助力阿蒙森湾中部海域风能开发, 其具体位置见图2。根据前文公式计算得阿蒙森湾中部海域平均空气密度为1.3428 kg·m-3。

4.2 风能开发价值度等级区划

由于本文所使用数据多数空间分辨率为0.25°×0.25°, 故而将阿蒙森湾中部海域一共可以分成84个格点, 输入2018年7—12月到2019年1—6月这12个月评估指标的测试样本, 推理得到近12个月各点的风能开发价值度在置信水平95%下的置信区间, 计算其平均值作为最终推理结果, 得到这84个评估对象近12个月以来开发价值度趋势变化。分别以1、4、7、10月作为冬春夏秋四季的代表月, 计算分析西北航道阿蒙森湾中部海域风能开发价值度的季节特征, 见图3(a—d)。从结果来看。冬季(1月), 整体的价值度0.3以下。到了春季, 整体价值度有所增加, 区域内存在多个大值点, 比如123°W、124°W经线上, 价值度的空间分布呈南低北高分布, 大值区域价值度达到了0.5以上。到了夏季, 阿蒙森湾中部海域风能开发价值度整体在0.5以上, 部分区域超过0.6, 到了秋季价值度稍有下降, 空间分布则呈南高北低分布, 在70.5°N纬度线以下存在多个高值区域(价值度>0.5)。从全年的角度来看, 存在多个大值点, 分别在125°W、124°W、123°W、122°W经线上。从全年综合来看, 阿蒙森湾中部海域风能开发价值度较好, 特别是夏季, 而夏季也是当前西北航道的最佳通行期, 可见风能开发的价值, 推荐的开发先导点为: (124°W,70.5°N)处, 该处在春夏两季均为最高等级, 而在其他季节, 价值度也不是很低, 适宜开发期较长, 应该重点关注。

图2 西北航道阿蒙森湾中部海域相对位置图. 左图为西北航道风功率密度的16 a平均分布图, 单位: W·m–2; 右图为阿蒙森湾周围的地形图

Fig.2. Relative position map of the central waters of the Amundsen Gulf in the Northwest Passage. The left picture shows the 16 a average spatial distribution of wind power density in the northwest channel, Unit: W·m–2; and the right picture shows the topographic map around Amundsen Gulf

Fig.3. Monthly characteristics of wind energy development value in the central waters of Amundsen Gulf

5 结论

1. 依据客观事实和前人成果,构建了西北航道风能开发价值综合评估体系, 并利用主客观结合的方法界定了10个指标的相对重要性, 结果显示风能的有效储量这一指标最为重要。

2. 以阿蒙森湾海区A点为例, 应用CA-SSTFN评估模型分析其2018年7—12月到2019年1—6月风能开发价值度的变化情况, 发现A点在2018年8—12月到2019年的1—2月开发价值度在逐月下降, 而在2018年的7—10月价值度以及来年的3—6月价值度评价较好, 为最佳风能开发期, 而到了冬季(11、12和1月), 开发价值度较低, 风能开发较为不利, 评估结果与实际较为符合。

3. 通过CA-SSTFN综合评估技术与AHP和FAHP评估技术的对比试验结果来看, CA-SSTFN综合评估技术能够客观地实现多源环境信息的融合和推理, 而且以置信区间形式表示的CA-SSTFN评价结果比现有常规方法的结果提供了评价结果可靠性方面的更多信息, 评价结果更符合实际情况, 能更好地反映受多种不确定性因素综合影响的西北航道风能开发综合价值度分析的客观实际情况。

4. 通过CA-SSTFN综合评估技术更新推理实验, 验证了CA-SSTFN模型具有良好的风能开发价值度综合评估性能和基于信息检测的强大更新能力, 基于此可实现风能价值度的实时或准实时评估。

5. 从阿蒙森湾中部海域风能开发价值度区划结果来看冬季(1月), 整体的价值度为0.3以下。到了春季, 整体价值度有所增加, 存在多个大值区, 价值度的空间分布呈南低北高分布, 大值区域价值度达到了0.5以上。到了夏季, 阿蒙森湾中部海域风能开发价值度整体在0.5以上, 部分区域超过0.6, 到了秋季价值度整体稍有下降, 空间分布则呈南高北低分布, 在70.5°N线以下存在多个高值区域(价值度>0.5)。综合来看, 阿蒙森湾中部海域风能开发价值度较好, 特别是夏季, 而夏季也是当前西北航道的最佳通行期, 可见风能开发的价值, 推荐的开发先导点为: (124°W, 70.5°N)。

1 KIISKI T, SOLAKIVI T, TÖYLI J, et al. Long-term dynamics of shipping and icebreaker capacity along the Northern Sea Route[J]. Maritime Economics & Logistics, 2018, 20(3): 375-399.

2 王相宜, 周春霞, 刘帅斌. 2005—2015年北极东北航道可通航性研究[J]. 华东交通大学学报, 2017, 34(6): 72-81.

3 王志民, 陈远航. 中俄打造“冰上丝绸之路”的机遇与挑战[J]. 东北亚论坛, 2018, 27(2): 17-33,127.

4 BORGERSON S G. Arctic meltdown: The economic and security implications of global warming[J].Foreign Affairs, 2008, 87(2): 63-77.

5 李珍. 北极航道开通与中国的潜在经济利益研究[D]. 上海: 上海海洋大学, 2016: 2-16.

6 王邵萱, 高健, 刘依阳. 美国海上风电产业发展现状与对策分析[J]. 海洋经济, 2017, 7(2): 49-54.

7 佚名. 海上风电热开发机遇来临充满挑战[J]. 能源与环境, 2012(6): 74.

8 刘振亚. 全球能源互联网[M]. 北京: 中国电力出版社, 2015.

9 CHADE D, MIKLIS T, DVORAK D. Feasibility study of wind-to-hydrogen system for Arctic remote locations–Grimsey island case study[J]. Renewable Energy, 2015(76): 204-211.

10 BOUTE A. Off-grid renewable energy in remote Arctic areas: An analysis of the Russian Far East[J]. Renewable and Sustainable Energy Reviews, 2016(59): 1029-1037.

11 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): 6-10.

12 曾锴. 渤海湾海上风能发电陆地维保地的选址分析[D]. 天津: 天津大学, 2010.

13 李星. 江苏沿海低层风场精细化分析模拟研究[D]. 南京: 南京信息工程大学, 2012.

14 郑崇伟, 潘静. 全球海域风能资源评估及等级区划[J]. 自然资源学报, 2012, 27(3): 364-371.

15 吕雪芹. 基于GIS的风电场宏观选址综合评价方法及应用[D]. 广州: 中山大学, 2007.

16 游欣佩, 马平. 基于模糊层次分析法的风电场优化选址方法研究[J]. 电力科学与工程, 2012, 28(12): 45-49.

17 郑崇伟, 李崇银. 关于海洋新能源选址的难点及对策建议——以波浪能为例[J]. 哈尔滨工程大学学报, 2018, 39(2): 200-206.

18 ZHENG C W, LI C Y, XU J J. Micro-scale classification of offshore wind energy resource: A case study of the New Zealand[J]. Journal of Cleaner Production, 2019(226): 133-141.

19 ZHENG C W, XIAO Z N, PENG Y H, et al. Rezoning global offshore wind energy resources[J]. Renewable Energy, 2018(129): 1-11.

20 王彩霞, 李琼慧. 促进我国分散式风电发展的政策研究[J]. 风能, 2013, (9): 46-52.

21 ZHENG C W, PAN J, LI J X. Assessing the China Sea wind energy and wave energy resources from 1988 to 2009[J]. Ocean Engineering, 2013(65): 39-48.

22 郑崇伟. 海上可再生能(波浪能、风能)资源利用的理论研究[D]. 长沙: 国防科学技术大学, 2018.

23 阎俊岳, 黄爱芬. 中国近海大风极值计算方法研究[J]. 气象学报, 1996, 54(2): 233-239.

24 张德天, 郑崇伟, 石岭琳, 等. 1999—2009年QN风场对中国海海表风场的研究[J]. 海洋预报, 2011, 28(4): 58-64.

25 ZHENG C W, ZHOU L, JIA B K, et al. Wave characteristic analysis and wave energy resource evaluation in the China Sea[J]. Journal of Renewable and Sustainable Energy, 2014, 6(4): 502-512.

26 LEE H M. Applying fuzy set theory to evaluate the rate of aggregative risk in software development[J]. Fuzy Sets and Systems.1996, 79(3): 323-336.

27 GIACHETTI R E, YOUNG R E. Analysis of the error in the standard approximation used for multiplication of triangular and trapezoidal fuzzy numbers and the development of a new approximation[J]. Fuzzy Sets and Systems, 1997, 91(1): 1-13.

28 RONALD E G, ROBERT E Y. A parametric representation of fuzzy numbers and their arithmetic operators[J]. Fuzzy Sets and Systems, 1997, 91(2): 185-202.

29 金菊良, 吴开亚, 李如忠. 水环境风险评价的随机模拟与三角模糊数耦合模型[J]. 水利学报, 2008, 39(11): 1257-1261, 1266.

30 毛毅钢. 基于熵权法的高校体育教师评价指标体系的建立[J]. 重庆理工大学学报(自然科学), 2015, 29(1): 150-154.

31 李翔, 赵进平, 李涛, 等. 北极阿蒙森湾冬季冰下海水结构及对流混合研究[J]. 极地研究, 2010, 22(4): 404-414.

MODELING AND EVALUATION OF OCEAN WIND ENERGY LOCATIONS IN THE ARCTIC NORTHWEST PASSAGE

Qian Heng, Zhang Ren

(College of Meteorology and Oceanography, National University of Defense Technology, Nanjing 211101, China)

The grade division of wind energy development is the main basis of site selection for wind power generation. To address the problem of offshore wind energy location in the Arctic Northwest Passage, a set of evaluation systems of wind energy development grades with polar region characteristics was established, which was analyzed by combining with a comprehensive evaluation model (CA-SSTFN) based on triangular fuzzy number stochastic simulation. According to the comparison test results between the model and the evaluation technologies of analytic hierarchy process (AHP) and fuzzy AHP, CA-SSTFN can objectively realize the fusion and reasoning of multi-source environmental information, and the evaluation results expressed in the form of confidence intervals provide more information on the reliability of the evaluation results than do the results of existing conventional methods. The evaluation results are more consistent with the actual situation and have good evaluation performance. At the same time, the model also has updating capability based on information detection, which can realize real-time or quasi-real-time evaluation of value. Finally, the central sea area of Amundsen Bay was taken as an example for analysis. The results indicate that the value of wind energy development in this sea area is generally good, especially in summer, which is also the best passage period for the current Northwest Passage, adding value to wind energy development. Overall, the recommended development pilot area is in the region of 70.5°N, 124°W.

Northwest Passage, wind energy development, triangular fuzzy number, grade zoning, macro-site selection

2019年9月收到来稿, 2020年2月收到修改稿

国家自然科学基金(41976188)资助

钱恒, 男, 1996年生。硕士研究生, 主要从事北极西北航道研究。E-mail:2085451516@qq.com

张韧, E-mail: zrpaper@163.com

10. 13679/j.jdyj.20190053