一带一路国家风光资源评估报告-全球能源互联网发展合作组织.pdf

Report | December 2021 | 1 一带一路国家 风光资源评估报告 全球能源互联网发展合作组织 2022年5 月 可持续投资项目系列 全球能源互联网发展合作组织 2 | 全球能源互联网发展合作组织简介 2016年3月全球能源互联网发展合作组织经国务院批准在京成立，是中国发起的首个能源领域国际组织，致力于构 建全球能源互联网，以清洁和绿色方式满足全球电力需求，推动世界能源可持续发展。 多年来，合作组织持续深化在清洁能源资源评估、开发利用，能源绿色转型发展、电网互联互通、低碳能源技术 创新等领域研究，近年来面向全球发布了《破解危机》、《全球碳中和之路》和全球及各大洲能源互联网发展与展 望、清洁能源开发与投资等创新成果，为全球清洁能源大规模开发利用提供指引和参考，为全球落实《巴黎协定》提 供可复制、可推广、可实施的系统性减排方案。 北京·2022 封面: Photo by UNCTAD 扉页: Photo by Veejay Villafranca, Greenpeace 课题成员 黄瀚、肖晋宇、赵杨、吴佳玮、侯金鸣、李鹏、安锐坚 一带一路国家风光资源评估报告 北京 | 2022 | 1 目录 第1章 资源评估的数字化方法 . 2 1.1 技术路线 2 1.2 数据与计算 . 5 1.2.1 基础数据 5 1.2.2 计算技术 6 1.3 风能资源评估模型 . 8 1.3.1 理论蕴藏量 8 1.3.2 技术可开发量 . 8 1.4 太阳能资源评估模型 . 17 1.4.1 理论蕴藏量 17 1.4.2 技术可开发量 . 17 第2章 BRI 国家可再生能源资源禀赋评估 . 22 2.1 基础条件 . 22 2.1.1 风速分布 . 22 2.1.2 水平面总辐射量分布 23 2.1.3 地面覆盖物 . 23 2.1.4 保护区分布 . 24 2.1.5 地形分布 . 25 2.1.6 交通设施 . 26 2.1.7 电网设施 . 27 2.2 风能资源评估结果 . 27 2.2.1 理论蕴藏量 28 2.2.2 技术可开发量 28 2.2.3 开发成本 . 29 2.3 光伏资源评估结果 . 34 2.3.1 理论蕴藏量 . 34 2.3.2 技术可开发量 35 2.3.3 开发成本 . 36 第3章 重点国家的可再生能源发展潜力 . 42 3.1 印度尼西亚 . 42 3.1.1 资源条件 . 42 3.1.2 开发条件 . 42 3.1.3 开发潜力 . 44 3.2 埃塞俄比亚 . 45 3.2.1 资源条件 . 45 3.2.2 开发条件 . 45 3.2.3 开发潜力 . 47 附录 地理信息运算关键算法 48 注释 51 全球能源互联网发展合作组织 2 | 第 1 章 资源评估的数字化方法 当前，全球能源行业正在加速推进低碳化绿色转型，水电、风电和光伏发电装机规模已经占到全部清洁能源装机 规模的 80%以上，是最为重要和最富发展潜力的清洁能源发电方式。报告对风能和太阳能资源进行评估，为加快清洁能 源开发利用奠定了科学基础。 风能 是空气流动所产生的动能，是太阳能的一种转化形式。太阳辐射以及地球和大气层的旋转造成地球表面各部 分受热不均匀，引起大气层中压力分布不平衡，在水平气压梯度作用下，空气运动形成风。 太阳能 是由太阳核聚变所产生的能量，经由电磁波形式在宇宙空间中传递，是地球表层能量的主要来源。分析太 阳能资源需要包括太阳能年总水平面辐射量、水平面散射辐射量、年总法向直射辐射量等数据。本报告主要研究适宜 开发光伏发电的太阳能资源。 1.1 技术路线 风速、太阳辐射、空气密度、温度等气象数据是评估风电、太阳能发电能力的关键。目前已有研究机构和企业完 成了从原始气象资料到风、光气象资源数据的生产，并对数据的质量进行了有效管控与验证。基于此类商业化的资源 数据开展研究，可以提高评估结果的准确性和工作效率。 （1）数据来源 大范围的风资源数据一般采用大气模式数值模拟计算的方法获取。 地球大气系统是一个极其复杂的非线性系 统，其动力、热力过程可以通过偏微分方程组描述，但是方程组的复杂性导致难以获得解析解，采用差分数值法建 立大气模式可以获得近似解。影响风机发电的天气与气候现象具有中尺度特性，所以一般使用中尺度模式开展模 拟计算，并对原始方程模式进行必要简化以有效节省时间及计算成本。天气研究与预测模型 1 （ Weather Research & Forecasting Model， WRF）作为中尺度气象模式的典型代表，能够有效捕捉大、中尺度的地球大气环流过程，适合宏观 区域风能资源研究，能够开展从数十米到数千千米范围的气象数据分析，也广泛应用于大气研究和气象预报领域。 随着大气探测技术、通信技术和计算机技术的不断发展，借助现代高性能计算集群进行大规模数值模拟计算，已成 为最高效的风能资源气象数据的获取手段。 西班牙Vortex公司采用中尺度WRF模型，通过嵌套模拟链实现了从数百米到数千米空间尺度的覆盖 2 ，其嵌套网格 模拟如图1-2所示。模型采用的宏观尺度的气象数据来自三个不同的再分析数据源 3 ，分别为美国国家环境预报中心的 CFSR数据、美国航空航天局的MERRA-2数据和欧洲中尺度天气预报中心的ERA-Interim与 ERA5数据；地形数据来源于美 国航空航天局的SRTM数据 4 ；陆地覆盖数据来源于欧洲航天局的GlobCoverLand Cover1 5 数据。Vortex公司把再分析生产 的风速数据与全球超过250个站点的实测风速数据集进行了对比 6 ，同时结合实际案例经验，在全球范围内测试了超过 400个检查点进行对比分析 7 ，全面检测校核了生产气象数据的准确性。总体上，Vortex公司通过数值模拟计算可以获 得全球范围50~150m 高度下的风能资源图谱及逐小时时间序列数据，分辨率为9km× 9km，其数据成为世界银行（World Bank） Wind Atlas平台的基础数据之一，在全球获得广泛应用。经过对比分析，报告采用Vortex公司生产的全球风能资 源数据作为风能资源评估的输入。 太阳能资源数据一般采用卫星遥感数据结合辐射传输模拟的方法获取。 获取一个地区太阳能资源数据最简单，也 一带一路国家风光资源评估报告 北京 | 2022 | 3 是最准确的方法就是利用地面辐射观测资料。然而，地面观测站点数量有限且空间分布不均匀。基于卫星遥感资料的 物理反演方法是当前获取全球覆盖范围太阳能资源数据的主要方式，同时采用高质量的地面辐射观测数据对评估结果 进行校准，可有效提高数据的时空分辨率和精确度。 欧洲SolarGIS 公司采用卫星遥感数据结合辐射传输模拟的方法，利用卫星遥感、地理信息技术和先进的科学算法 开展覆盖全球的太阳辐射反演模拟。SolarGIS公司采用气象卫星数据 8 、气象模式再分析数据 、天文模式、地理信息数 据 10 ，并结合地面观测数据，建立了包含一系列高分辨率气象要素的太阳能资源数据库。其中，太阳辐射数据包含水 平面总辐射量（Global Horizontal Irradiance， GHI）、法向直接辐射量（Direct Normal Irradiance， DNI）和散射辐射（Diffuse Radiation， DIF）；气象参数包含气温、湿度、大气压强、平均风速和风向等。该数据库在高空间分辨率、高品质地 面测量、高时间分辨率数据处理算法等方面处于全球先进水平，经过对照分析， GHI数据与地面实测数据的误差在 ±4%～±8%之间，DNI数据误差度在±8%～±15%之间。 SolarGIS公司可以提供全球陆地主要太阳能资源开发区域内（北纬60°～南纬55°），陆地表面的太阳能资源逐小时 时间序列数据，空间分辨率为9km× 9km，已成为世界银行Solar Atlas平台的基础数据之一，在全球范围内已被广泛应用 于太阳能项目的前期研究、资源评估和发电量计算。经过对比分析，报告采用SolarGIS公司数据库作为太阳能资源评估 的输入。 （2）评估方法 风能与太阳能资源评估研究重点关注理论蕴藏量、技术可开发量和经济可开发量3 个指标的测算，其总体技术路线 如图1-2所示。 首先，收集整理风、光资源数据，全球地形、数字高程、岩层地质等地理信息，地面覆盖物分布等高分遥感辨识 信息，自然保护区、交通基础设施分布等人类活动信息，形成支撑资源评估的多元数据库。然后，基于地理信息数字 计算，采用多分辨率融合及多类型混合计算等技术，将各类数据同化为可以进行量化评估的标准数据源。最后，构建 多层次量化分析体系，实现从技术特性（理论蕴藏量与技术可开发量）到经济性水平（经济可开发量）的全面评估。 图 1-1 ｜ Vortex嵌套网格模拟示意图 全球能源互联网发展合作组织 4 | 图 1-2 ｜ 风能与太阳能资源评估技术路线图 常规气候 数据，通 过数值模 拟技术对 风光资源 数据进行 复核订正 最终数据 数据整理 数据收集 资源评估 模型建立 及计算 矢量数据 栅格数据 多分辨率 融合后 最终资源数据 （风、光） 原始资源数据 （风、光） 风光能源资源评估 理论蕴藏量 经济性数据： 交通成本、设备成本、征地 成本、运维成本、并网成 本、融资成本、政策补贴等 影响度电成本的因素 技术可开发量 经济可开发量 数据分辨率融合 统一数据类型 最终GIS信息 （地物、交通、水域、地质地震、自然保护区、岩层、地理高程、卫片等） 原始GIS信息 （地物、交通、水域、地质地震、自然保护区、岩层、地理高程、卫片等） 一带一路国家风光资源评估报告 北京 | 2022 | 5 1.2 数据与计算 1.2.1 基础数据 风速、太阳辐射、温度等资源数据是开展风能和太阳能源资源评估研究的必备基础。为实现数字化、多维度的风 与光资源评估，引入了全球地面覆盖物分布等地理信息类数据，全球交通与电网基础设施分布等人类活动相关数据， 可以在理论蕴藏量评估的基础上，进一步开展技术可开发量和经济可开发量等多维度的评估测算。总体上，报告建立 了全球清洁能源资源评估基础数据库，共包含3类14项覆盖全球范围的数据信息，如表1-1所列。 · 资源类数据，主要包括全球中尺度风资源数据以及太阳能资源数据。全球风资源数据 为 Vortex计算生产的全球风 能气象资源数据 11 。 太阳能资源数据 为GeoModel Solar 计算生产的全球太阳能气象资源数据 12 。 ·地理信息类数据，主要包括全球地面覆盖物、保护区、水库、湖泊湿地、主要断层、板块边界、历史地震频 度、岩层等分布数据，地理高程与海洋边界等数据。全球地面覆盖物分类信息 来源于中国国家基础地理信息中心发布 的覆盖北纬80度至南纬80度陆地范围的森林、草地、耕地等10个主要地表覆盖类型的辨识成果数据。 全球主要保护区分 布数据 来源于国际自然保护联盟和联合国环境规划署世界保护监测中心联合发布的全球保护区数据集，报告结合中国 保护区分类标准 13 进行了必要的翻译、归类和整理。 全球历史地震频度分布数据 来源于世界资源研究所，包含了自1976 年以来里氏4.5级以上地震的地理分布。 全球主要岩层分布数据来源 于欧盟委员会、德国联邦教育与研究部、德意志科 学基金会等机构的联合研究成果。 全球地形卫星图片数据 来源于谷歌公司产品。全球地理高程数据来源于美国国家航 空航天局和日本经济贸易工业部的数字产品。 全球海洋边界数据数据 来源于比利时弗兰德斯海洋研究所，包含《联合 国海洋法公约》中规定的200海里专属经济区、24海里毗连区、12海里领海区域等信息。 ·人类活动和经济性资料，主要包括 全球人口、交通基础设施、电源和电网分布 等数据。全球人口分布数据 来源于哥伦比 亚大学国际地球科学信息网络中心，包含 了 2000、 2005、 2010和 2015年的人口分布数 据。 全球交通基础设施分布数据 来源于北美 制图信息学会发布的全球铁路、机场、港口 数据集以及由美国国家航空航天局社会经济 数据和应用中心发布的全球公路网数据集。 全球电网地理接线图数据 来源于全球能源互 联网发展合作组织，涵盖了欧洲、亚洲、美 洲、非洲及大洋洲共147个国家截至2017年 年底的主干输电网数据，包括110kV-1000kV 的交流电网和主要的直流输电工程。 全球电 厂信息及地理分布数据 来源于谷歌、斯德哥 尔摩皇家理工学院和世界资源研究所的联 合研究成果，包含截至 2017年年底火电、水 电、核电、风电、光伏发电、生物质发电等 全球电站的位置分布与装机容量等信息。 表 1-1 ｜ 2010-2019年全球可再生能源总投资（单位：亿美元） 序号 数据名称 空间分辨率 数据类型 1 全球中尺度风资源数据 9km× 9km 栅格数据 2 全球太阳能资源数据 9km× 9 km 栅格数据 3 全球地面覆盖物分类信息 30m× 30m 栅格数据 4 全球主要保护区分布 / 矢量数据 5 全球主要断层分布 / 矢量数据 6 全球历史地震频度分布 5 km×5 km 栅格数据 7 全球主要岩层分布 / 矢量数据 8 全球地形卫星图片 0.5m×0.5m 栅格数据 9 全球地理高程数据 空间范围：南纬83°~北纬83°间陆地 30m×30m 栅格数据 10 全球海洋边界数据 / 矢量数据 11 全球人口分布 900m×900m 栅格数据 12 全球交通基础设施分布 / 矢量数据 13 全球电网地理接线图 / 矢量数据 14 全球电厂信息及地理分布 / 矢量数据 全球能源互联网发展合作组织 6 | 1.2.2 计算技术 在各类基础数据间开展的与地表面积、坡度等有关的地理信息计算是全球清洁能源资源评估系统的基础性算法。 由于基础数据的空间分辨率不同、类型格式不同，必须解决多分辨率数据的融合以及多类型数据的计算两大关键问 题，其目标是建立统一分辨率的基础数据集。根据全球大范围计算的实际情况，选择分辨率为500m× 500m，将全球陆 地划分为6.08亿个栅格开展计算。 （1）多分辨率数据的融合 不同栅格数据的分辨率不同，对所选区域的界定会产生偏差，影响计算准确性。报告采用归一法解决这一问题。 归一法是将不同分辨率的像元栅格转化为同一分辨率像元，计算步骤主要包括： • 选定最佳分辨率，统一全球坐标系统，标定初始点； • 采用双线性插值法将低分辨率数据向高分辨率转化，如资源类数据、全球历史地震频度分布、全球人口分布 等，采用加权平均法将高分辨率数据转化为低分辨率数据，如全球地理高程数据等。 （2）混合类型数据的计算 全球18项基础信息数据主要包含矢量与栅格两种数据类型，开展地理信息计算时需要进行不同类型数据间的混合 运算，以实现数据融合与量化分析。具体的，混合运算可分为两类。 第一类是固定矢量要素数据，如全球主要保护区分布、全球主要水库分布、全球主要岩层分布等，通过进行矢量 数据的栅格化，实现矢量数据与栅格数据间的混合计算。 第二类是不断变化的矢量数据，在选取目标区域的过程中，区域范围的矢量数据将发生变化，矢量数据与栅格像 元切割产生不规则邻域，一般可以采用0-1排除法、全面积法、中心点排除法进行计算。图1-4所示矢量选择栅格计算示 意图，通过比较可知，0-1排除法涉及栅格矩形与矢量图形的几何图形计算，计算时间长，选择范围面积越小、误差越 大；全面积法耗时长，空间存储量大；中心点排除法即判断选择范围矢量是否包含栅格中心点坐标，若包含则该点被 选中，反之，则该点未被选中，具有计算量小，随栅格数据空间分辨率增加、误差逐渐减小的特点。报告采用中心点 排除法进行变化矢量与栅格数据间的混合计算。地理信息运算的详细算法可参见附录。 图 1-3 ｜ 矢量选择栅格计算示意图 （1）选择范围 （2）全面积法 （3）0-1-1排除法 一带一路国家风光资源评估报告 北京 | 2022 | 7 （3）并行计算体系 数据组织与并行计算体系的构建是高效数字化评估技术的核心难点，报告采用统一标准管理各类别数据，建立数 据瓦片体系、数据缓存机制、任务队列体系，有效地解决了大数据量与高速稳定响应之间的矛盾。通过约定一系列标 准的分辨率等级和对应的网格规则，可以开展不同数据的协同计算，实现简洁的多维数组运算以取代复杂空间叠加分 析。采用数据缓存机制，可以实现数据的快速、多次调取，极大提高计算的可靠性与时效性，减少时间耗费和资源占 用。数据组织架构可通过框架机制来自动处理算法间的依赖关系，便捷地实现并行处理，提高算法处理效率。 并行计算 （ Parallel Computing， PC），是并行机上采用多个处理器联合求解问题的方法和步骤，可以划分成时间并 行和空间并行。时间并行即流水线技术，空间并行则是使用多个处理器执行并发计算。从数据组织与算法设计的角度 看，并行计算又可分为数据并行和任务并行，数据并行是把大的任务化解成若干个子任务，采用多机并行或多线程并 行的方式提高计算效率与可靠性。报告采用了空间并行和任务并行的算法框架，解决了超大流域面、区域面的水能、 风能和太阳能等技术指标的测算问题。 报告设计并完成了一种新的并行计算体系，实现了核心指标的并行计算，即由决策判断层面处理全部与并行相关的事 务，而数据算法更多关注业务逻辑，从而大幅减轻了核心算法的复杂度，提高了关键程序的复用性和执行效率。并行计算 体系主要包含数据规划方式、数据依赖关系、计算任务网、任务队列、数据缓存等环节，其数据计算任务网如图1-5所示。 图 1-4 ｜ 数据计算任务网示意图 首先，将目标数据对应的计算任务分解为一系列子任务单元A 、 B、 C等，通过分布式任务队列可以完成多个任务单位 的调度与并行处理，满足并行化计算需求。如图所示，各子任务将存在已完成、正在计算等多种状态，代表并行化计算过 程。随后，各子任务单元的数据计算都将产生一个中间结果，通过缓存机制，将其作为缓存数据进行分类存储。每个子任 务的计算逻辑只需关注其本身，对于其依赖的上一级数据，可以采用统一资源标识符（Uniform Resource Identifier， URI）模式 标记并提交至计算框架完成处理。由于各计算任务单元间可能存在一个或多个的纵向依赖关系，众多任务单元往往会形成 一个网状结构，将之命名为计算任务网，该体系与缓存机制共同满足了大数据量、多任务单元的高效并行计算要求。 总水平面辐射GHI 所依赖数据条目的URI 得到该依赖条目的缓存对象 创建缓存对象 是否存在该依赖条目的缓存对象 不将其编入计算任务网 将其编入计算任务网 目标数据 A A1 E2 A1 E3 B C D F E Z E I K G J L H 数据计算依赖关系 如果其状态 不是“计算 中”，则按 同样方式继 续分析下一 级的依赖项 分析依赖项（如有多个依赖项，则逐个处理） 状态为不可用状态为可用 是 否 图例 不 编 入 计 算 机 任 务 网 正 在 计 算 已 完 成 编 入 计 算 机 任 务 网 全球能源互联网发展合作组织 8 | 1.3 风能资源评估模型 风能资源理论蕴藏量是指评估区域内一定高度上可利用的风的总动能。一般不考虑从动能到机械能乃至电能的能 量转换效率。技术可开发量是指在评估年份技术水平下可以进行开发的装机容量总和。评估的关键在于剔除因资源禀 赋、保护区、海拔与海深、地面覆盖物等限制而产生的不宜开发区域。经济可开发量是指在评估年份技术水平下，技 术可开发装机容量中与当地平均上网电价或其他可替代电力价格相比具有竞争优势的风电装机总量。经济可开发量除 与资源条件、风电开发技术水平相关外，还与影响发电成本的政策环境等因素密切相关。 报告选用理论蕴藏量、技术可开发量和经济可开发量 3 个指标开展全球风能资源评估测算，并重点研究全球范围 内适宜集中式开发的陆上风能资源。对于不具备集中式开发条件，但用电负荷相对较大的区域，提出了开展分散式风 能开发的评估方法与参数；对于风能资源非常富集的海上区域，开展了海上风电基地的宏观选址研究。 1.3.1 理论蕴藏量 数字化评估风能资源理论蕴藏量，可将评估转化为计算待评估区域内每个栅格面积与该栅格对应风功率密度乘积 的累加。假设风能转换装置的扫掠面积近似单位圆，风速经过转换装置后将明显下降，并在距离转换装置10倍直径外， 方能基本复原。因此，风能计算时评估区域中100倍扫风面积内一般只安装1 个风能转换装置，所以风能资源理论蕴藏量 ETRWind的计算公式如下所示。 ETRWind = 100 ∑ ∑ Pij • Ai 1-2 式中， Ai为第 i块所选区域面积； n为选择区域内栅格数量； Pij为第 i块栅格第 j小时的风功率密度。 1.3.2 技术可开发量 （1）评估流程与推荐参数 技术可开发量评估的关键在于剔除因资源禀赋、保护区、海拔与海深、地面覆盖物等限制而产生的不可利用面 积，再根据不同地形坡度条件设定的装机密度，计算得到技术可开发风电装机容量。评估分析主要包括可用面积计 算、装机面积计算、装机密度计算3个关键环节，分析流程如图1-5所示。 计算可用面积。风能资源开发可用面积是指剔除资源匮乏、保护区、海拔与地面覆盖物限制等不宜开发区域后的 土地面积，计算公式如下。 Aavailable = Asum - ∑ ∑ Areserveij - ∑ Alow_resourcei - ∑ Ahigh_altitudei - ∑ Aground_objecti 1-3 式中， Aavailable为可用面积； Asum为评估区域总面积； Areserveij为区域内第i 种类型、第j 块保护区面积； Alow_resourcei、 Ahigh_altitudei 和 Aground_objecti为区域内因资源匮乏、海拔限制以及地物覆盖物限制等不宜开发区域的面积。 1 n 8769 j=1i=1 n n n nm j=1i=1 i=1 i=1 i=1 一带一路国家风光资源评估报告 北京 | 2022 | 9 计算装机面积。风能资源开发装机面积是指在可用面积内，考虑不同地面覆盖物对实际开发条件的折减影响，通 过设定土地利用系数得到有效装机面积，计算公式如下。 Aeffective = ηarea • Aavailable 1-4 式中， Aeffective为装机面积； ηarea为土地利用系数，即为不同地物类型对应的土地利用系数。 一般的，根据风能资源开发方式的差异，技术可开发量评估模型中计算可用面积与装机面积时往往需要考虑不同 的技术指标，表1-2给出了选用的主要指标及推荐参数。 具体的，可用面积计算时：①剔除风能资源条件差的地区，结合工程建设实践，一般认为年均风速低于5m/s的地 区，不宜进行集中式风电开发，而风速低于5m/s但高于4.5m/s 的地区可以进行分散式低风速风电开发。②剔除各类保护 区，包括自然生态类保护区、野生生物类保护区等。③剔除当前技术水平下不宜开发的地区，例如海拔超过4000m的高 原，空气稀薄，风功率密度下降，同时多有冰川分布，建设难度大，严重影响自然环境；海深超过150m的海域，需要 采用漂浮式风电基础，离岸超过200海里的远海区域，开发的风电电力需要长距离海底电力电缆输电，在目前技术水平 下开发难度大、经济性差，不推荐进行开发。④剔除因地面覆盖物原因不宜开发的地区，森林、耕地、湿地沼泽、城 市、冰雪等不宜进行集中式开发；但是森林、耕地等区域，可以考虑合理利用田间地头、森林边缘等区域布置风机， 进行分散式风电开发。 图 1-5 ｜ 风能资源技术可开发量评估流程示意图 全球地物覆盖 GIS地形坡度 限制 条件 土地利用系数 地理 数据 输入 全球油气盆地 全球水系湿地 自然保护区 地址地震岩层 可用面积 装机密度 装机面积 技术可开发量 风速阈值 资源限制 土地扣除 不同类型 保护区限制 土地扣除 海拔海深阈值 技术开发限制 土地扣除 地物类型 地物覆盖限制 土地扣除及折减 坡度阈值 地物限制 装机密度折减 全球能源互联网发展合作组织 10 | 计算装机面积时，结合各国风电开发经验，不同地表覆盖物类型可开发风电的适宜程度存在差异，遵循全面性、 层次性、可操作性、敏感性和科学性原则，在可持续发展、保护生态平衡的前提下，报告提出灌丛、草本植被以及裸 露地表3 种区域类型适宜集中式风电开发，其土地利用系数的建议值分别为80%、 80%与 100%。结合各国实际情况，按照 因地制宜的原则，建议利用森林、耕地进行分散式风电开发时，土地利用系数取值分别10%与25%。 表 1-2 ｜ 风能技术可开发量评估模型采用的主要指标和推荐参数 表 1-3 ｜ 不同坡度对风机装机容量的影响 类型 限制因素 阈值 集中式开发 土地利用系数 分散式开发 土地利用系数 资源限制 分散式开发 5 m/s（集中式） - - 4.5 m/s（分散式） - - 技术开发限制 陆地海拔 30 0 计算装机密度。 风能资源开发装机密度是指不同地形坡度对单位土地面积上的装机能力的折减影响，通过设定坡 度影响因子计算得到实际装机密度。以适合开发的资源条件 14 进行测算，平坦地表区域内单位面积上的装机容量Punit约 5MW/km 2 。风电开发的实践表明，装机密度受地形坡度影响较大，陡坡的装机密度要明显小于平坦地面，参考中国风资 源评估技术标准及其他技术机构和国际组织有关成果，在500米分辨率下对0-30度间不同坡度条件，设定了坡度影响因 子，如表1-3所示。 一带一路国家风光资源评估报告 北京 | 2022 | 11 风能资源技术可开发量的数字化评估即为计算每个栅格的有效装机面积与单位面积装机容量、坡度影响因子的乘 积，累加得到区域的风电技术可开发量，计算公式为如式1-5。 PTPGWind = ∑ Aeffectivei • αi • Punit 1-5 式中， PTPGWind为风能技术可开发量； Aeffectivei为第i 个栅格的装机面积；α i为第 i个栅格对应的坡度影响因子； Punit为平坦 地表单位面积装机容量。 （2）发电量计算 根据风能资源禀赋，通常采用年平均风速作为技术指标，结合当前技术条件下的风机发电出力特性进行机组选 型，按照选定的风机功率曲线，采用插值法计算年逐时功率序列，通过标幺化计算并考虑折减系数得到出力曲线，进 而获得年技术可开发电量，分析流程如图1-6所示。 图 1-6 ｜ 风能年发电量评估流程 n i=1 风速数据 高分辨率风速数据 降尺度算法 海拔修正 资源 数据 输入 功率 序列 空气密度 标准功率曲线I 标准状态下年均风速数据 年逐时功率序列 表幺化年出力序列 出力曲线 技术可开发量 技术年发电量 风向数据 气温气压数据 标准功率曲线II 标准功率曲线III 风机选型 全球能源互联网发展合作组织 12 | ETPGWind = Aeffective • αi • Punit • ∑ Pj 1-6 式中， ETPGWind为年技术可开发电量； Pj为出力序列，即第 j个小时典型风机平均发电出力，累加8760小时对应的 Pj， 即得到风电单位装机的年发电量。 1.3.3 经济可开发量 评估风能资源经济可开发量时，报告采用平准化度电成本（Levelized Cost of Energy， LCOE）作为评估指标。评估过 程中，将每个地理栅格视为一个计算单元，分别计算各栅格单元对应的度电成本，通过与给出的综合参考电价进行对 比，将具有经济性的栅格的装机容量按照地域面积进行累加，即可得到该区域的风电经济可开发量。 （1）评估模型与影响因素 平准化度电成本是将项目生命周期内的全部资本投入、贷款、运维等成本折算成现值并记为总成本，将总成本按 照生命周期内全部发电量进行分摊得到的平均成本，计算公式如下。 LCOE = 1-7 式中， I0为初投资，包括设备成本、建设成本、并网成本等； Dn为第 n年电站折旧费用； Rn为第 n年电站年运行成本； Vn为第 n年税费； Wn为第 n年项目贷款还本付息成本； Bn为第 n年其他来源的收入，如可再生能源补贴等； C为项目残值； RE为外部因素风险成本，主要包括财税、金融政策等外部因素变化所引发的成本； An为第 n年的发电量； n为年份； N为项 目全生命周期； r为基准折现率。 基于平准化度电成本法的风电经济性分析模型主要考虑了技术和运行参数、财务参数和政策因素等3 方面影响，计 算内容如图1-7所示。 8760 j=1 ∑ An (1+r) -n N n=0 Io + ∑ (Dn + Rv + Vn + Wn - Bn)(1+r) -n - C • (1+r) -N + RE N n=0 图 1-7 ｜ 风电平准化度电成本模型的计算内容 发 电 成 本 政 策 措 施 项目准备期 （0-5年） 项目建造期 （3个月-2年） 项目运营期 （20-40年） 设备成本 设备成本 并网成本 建设期贷款利息 运行维护成本 财务成本和内部收益率 设备利用小时数 折旧 财务成本和内部收益率 财务成本和内部收益率 财务成本和内部收益率 财务成本和内部收益率 财务成本和内部收益率 技术和运行参数。 技术参数主要影响设备成本和运维成本，需要根据不同国家、不同设备选型进行确定。风电项 目的生命周期取值20-25年。 一带一路国家风光资源评估报告 北京 | 2022 | 13 财务参数。 财务参数包括基准折现率、贷款资本金比例、贷款利率、贷款期限、折旧率、折旧年限、固定资产残 值率等。根据各国税率政策的不同，需要个性化设置，一般财务成本约占项目全寿命周期成本的 30%左右。基准折现率 是企业、行业或投资者以动态的观点所确定的、可接受的投资项目的最低标准收益水平。一般在货币通胀率低、投资 风险小的国家，基准折现率在3%-8%；在货币不稳定、投资风险大的国家，需要采用更高的折现率以控制投资风险。 政策因素。 影响度电成本的政策主要包括：项目开发政策、电价政策、税收政策、金融政策、全额保障性收购 政策、绿色证书交易机制等。对于政策影响的量化研究，既可以根据各国不同的政策调整有关财务参数和运行费用参 数，也可以在计算中设置一个与初投资或年运行费用相关的非技术成本，从而影响度电成本结果。 （2）评估流程与推荐参数 通过选定待评估地区、确定技术参数、确定成本参数、确定财务参数、确定政策参数、计算度电成本、经济性判 断和输出结果8个主要流程实现风能资源经济可开发量评估，其基本框架如图1-8所示。 图 1-8 ｜ 基于平准化度电成本的经济可开发量评估流程 1. 选定评估区域 2. 确定技术参数 3. 确定成本参数 4. 确定财务参数 5. 确定政策参数 主要发电品种平均电价 8. 输出结果 当地平均上网电价 外售电平均电价 统计经济格点装机及电量扣除不经济格点 预设参考电价 7. 经济性判断 6. 计算LCOE 贷款利息 所得税 贷款年限 附加税 政府补贴 贷款年限 增值税 项目残值 无息贷款 折旧等 贷款贴息 政府担保等 折旧等 低息贷款 建设成本 并网成本 运维成本设备成本 风机、塔筒、 箱式变压器、升压站设备、 集电线路等。 风机基础、变电站、建筑、 施工辅助、交通、 环评水保劳安等。 输电方式选型、 输电距离、 单位输电成本等。 运维年限、 年运维费用占比、 人工费用等。 年发电量装机容量 利用小时数 单位格点测算 计算 模型 参数 修正 全球能源互联网发展合作组织 14 | 并网成本 是指将开发的清洁能源发电资源接入电网所需新增建设电网设施的费用。一般清洁能源发电工程多建设 在远离城镇的人口稀疏地区，需要修建更长的并网工程，增加了开发投资成本。并网成本主要受栅格风电接网与消纳 方式影响，需要开展针对性测算。 本地消纳的风电， 并网成本是风电场到最近电网接入点的输电成本，与接入电压等 级和距离有关，多采用交流输电方式，包括受端变电站和输电线路的成本。 需要远距离外送消纳的风电， 并网成本是 风电场到本地电力汇集站及远距离外送工程的输电成本之和。外送工程多采用直流输电方式，输电距离不同，输电成 本也不同，包括送受端换流站和直流线路成本。风电开发并网成本测算构成如图 1-9所示。 表 1-4 ｜ 2020-2035年风电综合初始投资预测结果 2020年 2035年 海上风电 陆上风电 海上风电 陆上风电 亚洲 2061～2634 981～1254 1197～1386 646～748 欧洲 2575～3062 1300～1559 1490～1642 872～961 非洲 2651～3348 1341～1656 1454～1683 808～935 北美洲 2670～3175 1305～1559 1548～1706 872～961 南美洲 2466～3096 1206～1514 1435～1631 798～907 大洋洲 2622～3036 1340～1551 1509～1617 892～956 全球平均 2385～2995 1089～1367 1397～1617 732～847 1）选定待评估的地区。 将选中区域的每个栅格视为1个风电项目进行经济指标测算。 2）确定技术参数。 从技术可开发量评估模型获取栅格的风电装机容量、年发电量等技术参数。 3）确定成本参数。 确定风电场的设备成本、建设成本和并网成本等初始投资，明确风电场的运维成本参数。 风电初投资。 需要对规划水平年的风电投资水平与开发经济性进行评估，需要预测未来的风电投资水平，具体方 法见2.6。2020-2035年风电综合初始投资预测结果，见表1-4。 图 1-9 ｜ 风电开发并网成本测算构成示意图 本地消纳成本 远距离外送成本 一带一路国家风光资源评估报告 北京 | 2022 | 15 不同规模、不同距离的电源并网需要采用不同的输电方式和电压等级，相应的成本水平差异较大。近年来，随着 中国输电技术和电力装备在全球不断推广，报告基于中国工程经验，提出了不同的输电方式、电压等级的并网成本因 子，结合待评估栅格的最短并网距离，量化测算了并网条件对不同区域清洁能源资源开发成本的影响。具体的，报告 参照中国电网技术标准和输变电工程造价，给出了清洁能源开发并网的陆上和海上输电方式选型条件、不同类型远距 离输电工程的单位输电成本等经济性参数的推荐取值，见表 1-5和表 1-6。 表 1-5 ｜ 输电方式选型 表 1-6 ｜ 清洁能源开发并网经济性参数推荐取值 基地所处位置 距离主网架距离（km） 输电方式 陆上 P comprehensive 0八° LOCE ≤ P comprehensive { 一带一路国家风光资源评估报告 北京 | 2022 | 17 1.4 太阳能资源评估模型 太阳能光伏资源理论蕴藏量 是某一区域地表接收到的太阳能量完全转化为电能的能量总和（不考虑发电转化效率 的损失）。 技术可开发量 是指在评估年份技术水平下，选定区域面积上可安装光伏装机容量的总和。 经济可开发量 是 指在评估年份技术水平下，技术可开发装机中与当地平均上网电价或其他可替代电力价格相比具有竞争优势的光伏装 机总量。 报告选用理论蕴藏量、技术可开发量和经济可开发量3 个指标开展全球太阳能光伏资源的评估测算，并重点研究全 球范围内适宜集中式开发的陆上太阳能光伏资源。 1.4.1 理论蕴藏量 数字化评估光伏发电资源理论蕴藏量，可将评估转化为计算待评估区域内每个栅格面积与该栅格对应太阳水平面 总辐射量乘积的累加。光伏资源理论蕴藏量ETRPV 的计算公式如下所示。 ETRPV = ∑ GHIi • Ai 1-11 式中， GHI是栅格对应的太阳能年水平面总辐照量； Ai为第 i块栅格面积； n为选择区域内栅格数量。 1.4.2 技术可开发量 （1）评估流程与推荐参数 技术可开发量评估的关键在于剔除因资源禀赋、保护区、地形坡度、地面覆盖