辽宁省内三个地区的风能资源对比分析

中电投东北新能源发展有限公司 李思东

风能是一种清洁、安全、可再生的绿色能源，风能的开发和利用对于保护自然环境、维持生态平衡起着至关重要的作用。目前风力发电技术日渐成熟，其可靠性和利用率都越来越高。对风能资源的测量和评估能够直观反映一定区域内的风况，从而为项目的风力发电机组选型、布置乃至最终建成投产发电均有重要意义。

1 风能资源测量及评估概述

测风塔应选择在能较好代表整个风电项目风能资源情况的位置，同时附近不能有明显的遮挡，某新能源公司在山地风电项目安装测风塔时选择的点位为项目中较高的山包，通常会立两座及以上测风塔。如在平坦地形则在项目中心位置布置一座测风塔，这样就可满足风能资源评估的需要。

按国标要求，测风塔应在10米和拟选用风力发电机组轮毂中心高度的位置安装风速风向仪，但据以往项目风能资源评估的经验，如只安装两处风速风向仪，则在一处测风设备出现故障时会失去重要的风能资源信息，因此某新能源公司在中间层加装两层风速风向仪，从而保证日后风能资源评估的准确性。

在风能资源的评估分析过程中，首先要剔除不合理数据，同时有效数据的完整率应达到90%以上，要选用风电项目附近的长期测站的观测数据来对我们的数据进行订正。做完这些工作后，计算风能资源的平均风速、风功率密度、风切变指数、湍流强度等重要指标，以此来作为风能资源评估的基础。辽宁省总体上具有北部山地丘陵和辽东湾沿海风能资源偏大、东南部山区风能资源偏小的特点。本文将选用三个有代表性的地区，对风能资源情况进行初步对比分析。

2 三个不同地区风电项目风能资源对比分析

在某新能源公司辽宁地区已有风电项目中所在地形有显著差别，下文将分别对朝阳市建平县A 山地风电项目、鞍山市台安县B 平坦地形风电项目、大连市瓦房店C 沿海风电项目的风能资源情况进行分析，并对比在不同地形条件下风能资源存在的共性和差异。在本文的分析中，各测风塔的数据时段均满一个完整年，同时已完成了数据处理，有效数据均在90%以上。

2.1 平均风速

平均风速是反映当地风能资源情况的重要参数，分为月平均风速和年平均风速。利用Windographer4.0软件进行分析，所得上述三个风电项目的月平均风速图显示，A、B、C 项目的月平均风速的最低值分别出现在6月、8月、7月，这三个最低值的月份均在夏季。但纵观全年，三项目月平均风速的低谷却有所不同，A 项目和B 项目的风速低谷在6月、7月和8月，而C 项目或因受到沿海气候的影响，其月平均风速的低谷为7月、8月和9月。三个项目的月平均风速最大值分别出现在4月、5月和4月，均属于春季。从图的趋势可看出，春、冬两季风速最好，秋季次之、夏季最差。

图1 月平均风速

鉴于上述三座测风塔的数据时间并不完全相同，因此需进行长期数据订正。通过使用Merra-2的数据，用相关分析的方法将验证后的风电项目测风数据订正为一套反映风电项目长期平均水平的代表性数据。其中A 项目、B 项目和C 项目三个项目的R值分别为0.512、0.63和0.70。经过分析，上述三个项目的年平均风速存在较大差异：A～C 项目年平均风速（m/s）分别为5.646/6.239/7.575，订正风速（m/s）分别为5.78/6.62/7.48。

2.2 风切变

风切变是一种大气现象，分为水平和垂直两个不同的方向，在风能资源评估中，风切变指的是风速在垂直于风向平面内的变化，通常用风切变指数来对它进行描述、分析和计算，它所代表的是风速随高度变化而变化的趋势，其幂律公式为v2=(z2/z1)α。其中α 是风切变指数，v2是高度z2的风速（m/s），v1是高度z1的风速（m/s）。A～C 项目的风切变综合指数分别为0.203/0.378/0.130，其可通过拟合指数函数的方式，得到相应的函数曲线。

由风切变综合指数可得出，B 项目的风切变指数最大、A 项目次之、C 项目的风切变指数最小。显而易见的，在近地层范围内，在B 项目中增加高度会带来最明显的风速提升，在C 项目中增加高度带来的风速提升要差得多。

2.3 风速日变化

风速日变化是指在一年的时间内，每日同一小时的风速平均值，以此来描述项目风能资源从0点至23点的风速变化趋势。利用Windographer4.0软件进行分析，上述三个项目的风速日变化图如2。

由此可看出，上述三个项目的风速日变化均在11点至15点中处于上升或相对较高的数值，A 项目和C 项目在这一时间段的风速最大，因此，该时间段也是利用风能最好的时间段，这与辽宁省内的风能利用最佳时段相似。同时，上述三个项目在11点至15点时，由于气温的升高，导致大气稳定度下降，气层逐渐变得活跃，上下层空气间的动能交换增强，导致各层风速差别变小。从上图还能看出，C 项目各层风速之间的差异最小，B 项目各层风速之间的差异最大，从而也印证了前文风切变所得出的结论，既C 项目的风速变化受高度影响最小。

图2 风速日变化图

2.4 风向玫瑰图

风向是风能资源评估中的一项重要参数，对今后项目建设具有重要意义。在风向玫瑰图上，能够直观反映项目在16个方向上的出现频率，从而确定项目的主导风向。如图3所示，三项目的风向存在明显差异。A 项目的主导风向为南风，B 项目的主导风向为西南偏南和东北偏北两个方向，C 项目的主导风向为南风和东北风。由此可看出，因上述三个项目所在地的地形和气候差异，会给风向带来影响。

图3 风向玫瑰图

B 项目和C 项目的风向都随季节变化而变化，其中B 项目的风向变化趋势与整个辽宁省的典型气候相同，在此不做分析。而C 项目为沿海地区项目，该地区的风向变化原因受多方面影响，固对其进行逐月风向玫瑰图分析可知，秋、冬两季的主风向为东北方向，随着气温的升高，在春季该项目的主风向逐步发生变化，开始向南风转变，而到了夏季主导风向已经全部集中到南。

这一显著特征正是当地季风所带来的影响。产生这一现象的原因有两点：一是陆地和海洋的比热容有较大差异，随着气温升高或降低，陆地的温度变化速度要大于海洋，因此所产生的气压差会改变当地的风向；二是季风也受到全球大气环流等宏观地形的影响，所以方向也会存在一定的偏差。

2.5 湍流强度

湍流是指风速、风向及其垂直分量的迅速扰动或不规律性，是重要的风况特征。湍流强度能够反映风速变化的相对强度。因湍流对风力发电机的发电量和安全性均有很大影响，因此湍流强度是一项非常重要的参数。在风能资源评估中，湍流强度的计算方式是使用10分钟的风速标准偏差值除以10分钟的平均风速来得出，具体公式为：IT=σ/V。

图4 湍流图

三个项目的湍流强度如图3，其中湍流曲线所采用的高度为项目风力发电机组拟安装轮毂高度。由此可看出，A 项目的湍流强度最大，在15m/s 的风速情况下湍流强度达到了IEC 标准的A 类；B 项目和C 项目的湍流强度较小，在15m/s 的风速情况下湍流强度均为IEC 标准的C 类。由此可见，山地风电项目因为地形的复杂性，导致湍流强度要远大于平原和沿海地区项目。

2.6 空气密度

空气密度是指在一定的温度和压力下，单位体积空气所具有的质量。上述三个项目的空气密度并非直接测量值，而是通过测风塔上安装的温度和气压两个传感器采集的数据计算得到对应的空气密度。其计算公式为：ρ=P/(RT)，其中，P 为气压（hPa），R 为常数287J/kg·K，T 为开氏温度，A～C 项目空气密度（kg/m3）分别为1.153、1.239、1.217。

上述三个风电项目的海拔高度不同，A 项目的海拔高度为682米，B 项目的海拔高度为9米，C项目的海拔高度为121米。再结合以上数据可看出，在通常情况下，随着海拔高度的提高空气密度将会减少。空气密度也是估算风电项目发电量的重要指标，不过本文侧重对风能资源的分析，同时这里并没有拟定任何型号的风力发电机组，并没有相应的功率曲线作为计算依据，因此在这里不再进一步描述。

2.7 风功率密度

风功率密度是指与风向垂直的单位面积中风所具有的功率，数值为给定时间周期内的平均值。其计算公式为：w=1/(2n)∑ni=1ρv3。上述A～C 项目的风功率密度（W/m2）分别为189、204、467。由此可看出，C 项目的风功率密度最大、B 项目次之、A 项目最低。上述风功率密度均为50米高度处的数值，对应国标GB/T18710-2002的风功率密度等级划分，A、B、C 项目分别对应1级、2级和4级。

风功率密度是一个平均值，各个季节所对应的数值也有差异。A 项目风功率密度最大值和最小值分别出现在4月和6月，其数值分别为400.4W/m2和77.5W/m2，B 项目风功率密度最大值和最小值分别出现在5月和8月，其数值分别为345.1W/m2和61.4W/m2，C 项目风功率密度最大值和最小值分别出现在4月和7月，其数值为830.73W/m2和135.2W/m2。总体来说，上述三个项目春、冬两季风功率密度最大，也是风电项目风能利用的最好季节，其他两季中秋季较差，夏季最差。

2.8 50年一遇最大风速

依据对上述三个项目测风数据，利用EWTSII（Davenport）的计算方法，可得出A～C 三个项目的50年一遇最大风速值分别为（m/s）32.2、29.5、36.2。根据IEC 标准的规定，上述三个项目均属于III 类。

综上，根据对上述三个风电项目的风能资源情况分析，可得出C 项目所在区域的风能资源最好、B 项目所在区域的风能资源次之，这也符合辽宁省的风能资源情况，既环辽东湾的风能资源较好。从季节上来看，春冬两季是利用风能资源最好的季节，从风速日变化来看，中午左右也是利用风能资源最好的时间。从风向上来看，主导风向大体为南、北两个方向。从湍流强度上看，平原地区和沿海地区的湍流强度较小，项目选用的风力发电机组可在这方面节约一些成本。但上述分析仅考虑了三个地区的三座测风塔，测风数据的时间也仅为一年，因此，上述结论可能存在需要进一步完善之处。