中國風光資源氣候風險時空變化特征分析
孫景博1, 王陽2, 楊曉帆1, 陸崢1, 何源1, 巢清塵2
1. 北京師范大學 地表過程與資源生態(tài)國家重點實驗室, 北京 100875;
2. 國家氣候中心, 北京 100081
引用本文
Cited
孫景博, 王陽, 楊曉帆, 等. 中國風光資源氣候風險時空變化特征分析[J]. 中國電力, 2023, 56(5): 1-10.
SUN Jingbo, WANG Yang, YANG Xiaofan, et al. Analysis of spatial and temporal variation character of climate risks of wind and solar resources in china[J]. Electric Power, 2023, 56(5): 1-10.
引言
構(gòu)建新型電力系統(tǒng)是能源電力行業(yè)實現(xiàn)“雙碳”目標的根本舉措[1-2]。2019年中國CO2排放總量113億t，占全世界排放總量的28%；能源領(lǐng)域碳排放量99億t，占全國總量的88%；其中，電力行業(yè)碳排放量為42億t，占能源領(lǐng)域總量的42%。截至2021年底，全國累計并網(wǎng)風電和光伏裝機容量分別為3.28億kW和3.06億kW[3]，風電和光伏年發(fā)電量之和占全社會用電總量的比重首次突破10%[4]。據(jù)測算，2030年中國風電、太陽能裝機容量將突破18億kW（其中風電8億kW，太陽能10.25億kW），風光發(fā)電量占比將超過25%；2060年風光裝機容量將超過60億kW（其中風電25億kW，太陽能38億kW），發(fā)電量占比將超過70%[5-6]。
然而，風能、太陽能等可再生能源受局地氣象條件的影響較大，具有間歇性、波動性和不穩(wěn)定性的特點，短時間、高頻次的氣象條件波動會對風光發(fā)電設(shè)施的發(fā)電效率與出力帶來較大影響[7-10]。受全球氣候變化的影響，區(qū)域極端天氣氣候事件呈現(xiàn)“多發(fā)、頻發(fā)、強發(fā)、并發(fā)”的態(tài)勢，由此引發(fā)的風光資源氣候風險（例如低風速和低太陽輻射同時出現(xiàn)時的“無風無光”天氣）將嚴重制約風光發(fā)電的穩(wěn)定性和可靠性，進而威脅地區(qū)供電安全。因此，在推進能源轉(zhuǎn)型和制定區(qū)域可再生能源規(guī)劃中，需要對風光資源進行科學合理的評估，避免高頻次極端“無風無光”事件對區(qū)域生產(chǎn)生活帶來的嚴重影響。在此基礎(chǔ)上開展風能、太陽能等可再生能源的氣候風險研究（尤其針對極端“無風無光”事件），對于保障“雙碳”目標下的能源安全具有重要意義。
目前，針對風力資源開發(fā)潛力評估的研究主要集中在對資源評估參數(shù)的分析和風電場宏觀及微觀選址方面。文獻[11]利用測量-關(guān)聯(lián)-預測（MCP）模型結(jié)合觀測數(shù)據(jù)對中國黑龍江地區(qū)進行了平均風速和平均風功率的分析與預測。文獻[12]利用遙感數(shù)據(jù)和測風塔實測數(shù)據(jù)對風能資源進行了特征分析。文獻[13]通過合理選取有效風能密度、風能可用時數(shù)、人口密度等自然和人文參數(shù)指標，對中國各地區(qū)風資源情況進行了量化與分級，從而實現(xiàn)了對風能資源開發(fā)潛力的評估，最終綜合評估了風能規(guī)?；脻摿?。
區(qū)域太陽能資源評估則主要基于氣象觀測數(shù)據(jù)和遙感數(shù)據(jù)，并結(jié)合機器學習來開展。文獻[14]利用189個常規(guī)氣象站數(shù)據(jù)，結(jié)合極端梯度提升算法，構(gòu)建了太陽能資源和常規(guī)氣象要素的回歸關(guān)系，評估了中國北方沙區(qū)的太陽能資源。文獻[15]利用MODIS云光學厚度和云量數(shù)據(jù)集，建立了有云覆蓋的地表太陽輻射估算模型，模型估算誤差小于10%。文獻[16]利用LM-BP神經(jīng)網(wǎng)絡(luò)計算了中國西北地區(qū)太陽輻射總值。
隨著“雙碳”戰(zhàn)略的深入推進，國家能源安全保障的重心和壓力加快向電力系統(tǒng)轉(zhuǎn)移，電力安全保供成為總體國家安全的重要組成部分。氣象風險已成為新型電力系統(tǒng)安全保供的新變量。在新型電力系統(tǒng)中，電力可靠供應受氣象影響愈發(fā)顯著，特別是極端天氣發(fā)生頻次、影響范圍和強度不斷增加，極易導致一次能源供應受限、電力系統(tǒng)運行環(huán)境惡化、用能需求激增。另外，風光新能源發(fā)電具有隨機性，發(fā)電出力“靠天吃飯”，在大容量長時間儲能技術(shù)成熟之前，難以大規(guī)模存儲。當連續(xù)多日出現(xiàn)無風、無光氣象條件時，依靠新能源難以滿足電力供應。眾多國內(nèi)外研究表明，極端天氣對風光發(fā)電出力也會帶來較大的影響[17-19]。受當?shù)仫L速波動的影響，2018年，新疆地區(qū)風力發(fā)電低于裝機容量20%的低出力最長持續(xù)時間超過8天。2020年，西北風電出力低于10%裝機容量最長持續(xù)4.9天，華東光伏出力低于20%裝機容量最長持續(xù)8天。因此，關(guān)注極端氣候條件下風光資源氣候風險的分布特征，深入研判氣象風險給電力供給、電力負荷、供需平衡、系統(tǒng)安全等帶來的挑戰(zhàn)，對提高風光資源利用效率和優(yōu)化區(qū)域風光發(fā)電產(chǎn)業(yè)結(jié)構(gòu)具有重要意義。
綜上，已有風光資源評估多聚焦于資源本身的平均狀態(tài)（如年平均風速、年水平面總輻射、風電/光伏滿發(fā)小時數(shù)等），關(guān)注地區(qū)和全國尺度的風光資源的開發(fā)潛力[20-21]，而對資源的波動特性，尤其是風光資源的氣候風險，即由于長時間大范圍“靜穩(wěn)天氣”、連陰雨、沙塵暴、霧霾等引發(fā)的“無風無光”事件的研究不足[22-24]，尤其缺乏對不同地區(qū)長時間低風速和低太陽輻射的科學認知，并且對極端氣候條件下風光組合事件的分布特征分析存在空白。鑒于此，本文基于國家氣候中心研制的長時間序列高時空分辨率的風能、太陽能資源數(shù)據(jù)庫，從風光低出力的程度、范圍、持續(xù)時間、發(fā)生頻次等多個維度，定量分析全國不同地區(qū)風光資源氣候風險的時空變化特征，研究結(jié)果可為未來中國風光電場選址與地區(qū)可再生能源規(guī)劃提供科學數(shù)據(jù)支撐。
1.數(shù)據(jù)來源與研究方法
1.1 數(shù)據(jù)
本文使用的長時間序列高時空分辨率的風能、太陽能資源數(shù)據(jù)庫來源于中國氣象局國家氣候中心。該數(shù)據(jù)庫的時間范圍為2007年1月1日—2014年12月31日，空間分辨率為15 km，時間分辨率為1 h。具體要素為100 m高度處的平均風速（m/s）和地表水平面總輻射（W/m2）。本文綜合考慮風光資源氣候變化風險的影響范圍、發(fā)生頻次、持續(xù)時間等特點，構(gòu)建相應的指標體系，定量分析區(qū)域風光發(fā)電資源的分布特征。
1.2 風光資源氣候風險分類和閾值
目前中國主流風機的切入風速一般為3 m/s，根據(jù)單機容量的差異，10%或20%額定功率對應的風速約為5 m/s[25]。光伏設(shè)施的發(fā)電效率主要有3個階段，在輻射達到30 W/m2時開始具備發(fā)電能力，在100 W/m2時開始對電網(wǎng)進行電能輸出，在200 W/m2時約達到額定功率的20%，因此光資源閾值設(shè)為30、100和200 W/m2[26]。本文根據(jù)風電和光伏的出力特性，將v≤3 m/s的事件定義為無風，v≤5 m/s的事件將被視為微風；水平面總輻射Es≤30 W/m2的事件定義為無光，Es＜100 W/m2的事件定義為微光，Es＜200 W/m2的事件定義為少光。風光資源組合情景組合事件遵循風能和太陽能同時無出力或低出力的原則，設(shè)計為無風無光、微風微光、微風少光3個較為典型的事件，判斷標準為
1.3 風光資源氣候風險發(fā)生頻次
在風能、太陽能閾值判定的基礎(chǔ)上，對相應時間段新能源無出力和低出力出現(xiàn)的頻次進行計算。計算方式按照時間序列對相應事件出現(xiàn)次數(shù)進行求和，即
1.4 風光資源氣候風險持續(xù)時間
以計算時間段內(nèi)風能和太陽能數(shù)據(jù)為輸入，以第一次符合閾值條件的風能或太陽能數(shù)據(jù)出現(xiàn)的時間為起始時間，第一次超出閾值條件的風能或太陽能數(shù)據(jù)出現(xiàn)的時間為終止時間，計算單次風光資源氣候風險事件的持續(xù)時間為
以河北省某處2007年1月1日—1月7日共計1周的風速變化為例，該處在第16~32時段風速小于5 m/s，持續(xù)時間為17 h，因此判定為持續(xù)17 h“微風”；從第79~84時段、第101~108時段，該處地點風速小于3 m/s，因此將分別判定為持續(xù)6 h和持續(xù)8 h “無風”。對太陽能資源的判定與風速類似。
無風和無光事件分別為風能和太陽能的無出力事件，而微風、微光和少光為風能和太陽能的低出力事件。為體現(xiàn)風光資源在不同持續(xù)時長內(nèi)的氣候風險，分別將持續(xù)時間的閾值設(shè)置為4、10和18 h。由于太陽能資源隨晝夜變化具有周期性，研究增加了日間太陽能資源的分析。日間太陽能數(shù)據(jù)的判斷標準為：將輻射數(shù)值為0的時間段剔除，計算時段從每天有輻射值出現(xiàn)的時間開始，到輻射值為0的時間為止。在頻次統(tǒng)計中，將第一天傍晚和第二天白天同時出現(xiàn)的低效光資源事件視為1次。風光資源氣候風險事件以地理分區(qū)進行集中統(tǒng)計，全國共分為西南、西北、南方、華中、華東、華北和東北7個區(qū)域。以上閾值和對應頻次計算均通過Matlab R2022a軟件編程實現(xiàn)。
2.結(jié)果分析
2.1 風能與太陽能氣候風險時空變化分析
2.1.1 風能氣候風險時空變化分析
中國高頻次無風和微風事件在全年均有出現(xiàn)。其中，在秋季出現(xiàn)時間占比最大，分別達到18%和23%。在持續(xù)4 h無風事件中，全年高頻次（大于90次）發(fā)生地區(qū)主要位于新疆塔里木盆地西部邊緣地區(qū)、四川盆地西部以及云南南部地區(qū)；而西藏、青海大部分地區(qū)和四川西部地區(qū)在冬季風能資源豐富，持續(xù)4 h無風事件發(fā)生頻次整體較小（小于10次）。在全國尺度上，南方地區(qū)持續(xù)4 h無風事件發(fā)生頻次高于北方地區(qū)，整體呈現(xiàn)西北、東南頻次高，東北、西南頻次低的分布規(guī)律（見表1）。與無風事件相比，持續(xù)4 h微風的事件在夏秋兩季的發(fā)生頻次略高于其他季節(jié)（見表2）；其中，夏季新疆塔里木盆地西北部邊緣地區(qū)的持續(xù)4 h微風事件的發(fā)生頻次達到90次以上，最高頻次出現(xiàn)在新疆西部地區(qū)，達到了113次。在冬季和春季，東南沿海地區(qū)微風事件的發(fā)生頻次相比夏秋兩季有所增加，以江蘇、福建兩省為代表的東南沿海地區(qū)增幅最高。從全國范圍分析，持續(xù)4 h微風的事件主要出現(xiàn)在夏、秋兩季，頻次分布呈現(xiàn)“中西高、南北低”的特點，出現(xiàn)頻次較高的地區(qū)主要位于塔里木盆地、四川盆地、云貴高原以及長江中游和中下游。相比之下，平原和丘陵地區(qū)的風能資源穩(wěn)定性較高。在秋冬季節(jié)交替過程中，以新疆塔里木盆地為主的西北地區(qū)和以福建、浙江為主的東南沿海地區(qū)微風頻次下降明顯（從70次降至40次），而高頻次發(fā)生地區(qū)主要位于云南西南部、甘肅和東北部分地區(qū)。
表1 持續(xù)4 h無風事件季頻次（2007—2014年平均值）
Table 1 Seasonal frequency distribution of “scarce wind resource” for 4 hours (2007—2014 average)
表2 持續(xù)4 h微風事件季頻次（2007—2014年平均值）
Table 2 Seasonal frequency distribution of “breeze wind resource” for 4 hours (2007—2014 average)
通過對持續(xù)10 h無風事件年平均發(fā)生頻次進行統(tǒng)計發(fā)現(xiàn)，新疆、四川、陜西和湖北是全國持續(xù)10 h無風事件發(fā)生頻次最高的4個?。▍^(qū)）。其中新疆持續(xù)10 h無風事件的發(fā)生頻次最高，全年平均63次。云南省持續(xù)10 h微風事件的發(fā)生頻次最高，達到137次。從全國范圍看，全年無風和微風事件發(fā)生頻次較高的地區(qū)集中分布在塔里木盆地、四川盆地、云貴高原南部以及青藏高原東南部，東南沿海的各省份如廣東、福建、浙江等風能資源低效地區(qū)年平均發(fā)生頻次也達到了40次（無風）和90次（微風）以上。因此，在高原、盆地以及中國東部沿海地區(qū)開發(fā)風能須詳細評估當?shù)仫L能資源變化特征，避免“有裝機無出力”情況的頻繁出現(xiàn)，威脅當?shù)毓╇姲踩?
2.1.2 太陽能氣候風險時空變化分析
中國高頻次微光和少光事件出現(xiàn)較為集中的時間段為秋冬兩季，在冬季出現(xiàn)時間占比最大，分別達到56%和68%。無光事件因其僅于秋冬季節(jié)在四川東北部地區(qū)出現(xiàn)不超過3次，因此不做詳細分析。持續(xù)18 h微光和少光事件出現(xiàn)次數(shù)較高的區(qū)域主要位于新疆準噶爾盆地一帶、四川盆地和東部沿海地區(qū)（見表3和表4）。其中持續(xù)18 h微光事件在冬季以準噶爾盆地周邊地區(qū)發(fā)生頻次最高，區(qū)域平均頻次達55次以上。而東北黑龍江大興安嶺北部地區(qū)微光事件發(fā)生的頻次同樣較高（52次以上）。整體上，微光和少光事件發(fā)生頻次在冬季呈現(xiàn)“北高南低”的分布特征；而在春季則恰好相反，高頻次地區(qū)集中分布于長江流域以及東南沿海地區(qū)。在秋冬交替時，高頻次、大范圍的微光和少光事件發(fā)生地區(qū)呈現(xiàn)由長江中下游地區(qū)（西南電網(wǎng)東部和南方電網(wǎng)北部）向東南沿海地區(qū)（南方電網(wǎng)東部和華東電網(wǎng)大部）轉(zhuǎn)移的趨勢，東北和西北地區(qū)的發(fā)生頻次也相應增加；而少光事件發(fā)生頻次分布也具有相似規(guī)律。在東北黑龍江北部地區(qū)秋冬季節(jié)少光事件發(fā)生頻次較高（63次以上），而位于西南電網(wǎng)的四川盆地一帶在秋季太陽能氣候風險事件發(fā)生頻次較多（52次左右），但冬季在該地區(qū)的發(fā)生頻次則明顯下降，可能是因為四川盆地以及長江中游地區(qū)在秋季會出現(xiàn)持續(xù)的陰雨天氣（例如梅雨天氣），而此類天氣在冬季出現(xiàn)的頻率則有所減少。
表3 持續(xù)18 h微光事件季頻次（2007—2014年平均值）
Table 3 Seasonal frequency distribution of “shimmering solar resource” for 18 hours (2007—2014 average)
表4 持續(xù)18 h少光事件季頻次（2007—2014年平均值）
Table 4 Seasonal frequency distribution of “deficient solar resource” for 18 hours (2007—2014 average)
通過對持續(xù)18 h微光和少光風險事件的年平均發(fā)生頻次進行統(tǒng)計發(fā)現(xiàn)，新疆、黑龍江、重慶和湖南是中國持續(xù)18 h 微光和少光風險事件發(fā)生頻次最高的4個區(qū)域，其中重慶市年平均發(fā)生頻次最高，分別達到45次和107次。通過年平均發(fā)生頻次分布特征可以看出，在北緯35°以北的地區(qū)，包括新疆北部準噶爾盆地一帶和黑龍江、內(nèi)蒙古北部地區(qū)，光照條件受極端天氣影響較大，因而導致微光和少光事件發(fā)生頻次高于其他低緯度地區(qū)。從地形角度分析，盆地及其周邊地區(qū)光照條件受到明顯的地形條件限制，如四川盆地周邊的微光和少光年平均頻次分別達到了42次和103次，遠高于平原地區(qū)。因此，在盆地地區(qū)以及中國東北、西北地區(qū)開發(fā)太陽能除要考慮經(jīng)濟、技術(shù)因素外，也要對光伏電站所處地形和當?shù)貧夂蛱卣鬟M行重點分析。
通過剔除夜間的無光時段，中國日間持續(xù)4 h太陽能低出力的分布情況呈現(xiàn)明顯的季節(jié)和地域分布差異。其中，持續(xù)4 h無光的事件在春秋兩季主要分布在長江中游、中下游地區(qū)（西南地區(qū)東部和南方地區(qū)北部）以及吉林、遼寧一帶東北地區(qū)（見表5），平均發(fā)生頻次可達9次和6次。在秋冬交替的時段，這些地區(qū)的無光事件發(fā)生頻次均有所降低。而西北地區(qū)在剔除夜間無光時段影響之后，其在春秋季節(jié)基本沒有持續(xù)4 h無光事件的發(fā)生。持續(xù)4 h微光事件在秋冬兩季發(fā)生頻次較高，其中頻次高發(fā)地區(qū)主要位于西南的重慶、四川東部、山西南部一帶和西北地區(qū)中新疆的西南部地區(qū)（見表6），局部地區(qū)平均發(fā)生頻次可達51次和38次，且在冬季高頻次微光事件發(fā)生的地區(qū)覆蓋范圍更廣。相比之下，春夏兩季全國范圍內(nèi)微光事件發(fā)生頻次較低，平均頻次為16~20。持續(xù)4 h少光事件（見表7）在春、秋、冬季均有較高的發(fā)生頻次。與微光事件的區(qū)別在于，秋冬兩季的高頻次地區(qū)除長江中下游以外，在以黑龍江北部為代表的東北電網(wǎng)也有較高頻次發(fā)生。而在春季，少光事件的高頻次地區(qū)主要出現(xiàn)在以準噶爾盆地和塔里木盆地為代表的西北地區(qū)以及四川、湖南和湖北為代表的中南部地區(qū)。
表5 持續(xù)4 h無光事件季頻次（日間）（2007—2014年平均值）
Table 5 Seasonal frequency distribution of “scarce solar resource” for 4 hours (daytime) (2007—2014 average)
表6 持續(xù)4 h微光事件季頻次（日間）（2007—2014年平均值）
Table 6 Seasonal frequency distribution of “shimmering solar resource” for 4 hours (daytime) (2007—2014 average)
表7 持續(xù)4 h少光事件季頻次（日間）（2007—2014年平均值）
Table 7 Seasonal frequency distribution of “deficient solar resource” for 4 hours (daytime) (2007—2014 average)
2.2 風光資源組合事件氣候風險時空變化分析
2.2.1 無風無光事件時空變化分析
無風無光事件在秋冬兩季出現(xiàn)頻次較高，春夏季頻次明顯下降。秋季無風無光事件的出現(xiàn)時間占比最高，達到4%。持續(xù)10 h無風無光事件的頻次分布特征呈現(xiàn)比較明顯的季節(jié)差異，在空間分布上呈現(xiàn)東北、西南地區(qū)頻次低，東南、西北地區(qū)頻次高的分布特征（見表8）。其中，西北地區(qū)的準噶爾盆地和塔里木盆地兩處盆地邊緣地區(qū)成為無風無光事件的高頻次發(fā)生地區(qū)，除夏季發(fā)生頻次較低外，在春秋冬三季均呈現(xiàn)出較高發(fā)生頻次，且高于同季其他地區(qū)。以冬季為例，西北地區(qū)兩處盆地地區(qū)持續(xù)10 h無風無光事件平均發(fā)生頻次達34次，高于全國其他地區(qū)均值8次。而在秋冬兩季，黃土高原地區(qū)、華北平原西部、青藏高原東南部和長江中下游平原地區(qū)無風無光事件發(fā)生頻次也達到11次左右，雖然發(fā)生頻次低于西北地區(qū)的盆地和山區(qū)，但這些地區(qū)所包括的省份往往城市化程度較高，人口密度較大，冬季的電力供應需求也較高，因此，在這些地區(qū)如出現(xiàn)較長持續(xù)時間的無風無光，將會對當?shù)仉娏┙o安全帶來較大的威脅，甚至影響正常的生產(chǎn)生活，需要引起相關(guān)部門的重視，推進電力結(jié)構(gòu)的協(xié)同優(yōu)化。
表8 持續(xù)10 h無風無光事件季頻次（2007—2014年平均值）
Table 8 Seasonal frequency distribution of “scarce wind and scarce solar resource” for 10 hours (2007—2014 average)
通過統(tǒng)計持續(xù)10 h無風無光事件年平均發(fā)生頻次，新疆、云南、重慶和湖南是持續(xù)10 h無風無光事件發(fā)生頻次較高的4個區(qū)域，平均發(fā)生頻次分別達到39、33、30和21次，其分布以準噶爾盆地、四川盆地和云貴高原周邊省份為主。而中頻次地區(qū)（10~20次）主要分布在福建、浙江、江西等東部沿海地區(qū)，此類地區(qū)主要在秋冬季節(jié)受到太陽能資源的影響，因而造成無風無光事件頻次的高發(fā)。相比之下，東北地區(qū)、華北平原各個省份無風無光事件出現(xiàn)頻次較低，無風無光事件對這一范圍地區(qū)內(nèi)的風光發(fā)電影響較小。
2.2.2 微風微光事件時空變化分析
微風微光事件在四季均有發(fā)生，以秋冬季節(jié)發(fā)生頻次較高。秋季微風微光事件出現(xiàn)時間占比最高，達9%。微風微光事件的空間分布特征表現(xiàn)為：平均風速越低的區(qū)域（如新疆、四川盆地、中東南部等），其持續(xù)10 h微風微光事件發(fā)生的頻次越高；而平均風速越高的區(qū)域（如青藏高原、東北地區(qū)、內(nèi)蒙古東部地區(qū)、東南沿海地區(qū)等），其持續(xù)10 h微風微光發(fā)生的頻次越低（見表9）。在秋冬交替的過程中，位于西北地區(qū)的新疆大部分地區(qū)微風微光事件發(fā)生頻次呈上升趨勢，其中以塔里木盆地西部地區(qū)最為顯著（由32次上升到65次）。相比之下，西南地區(qū)東部的四川盆地周邊地區(qū)在一年四季為微風微光事件的發(fā)生頻次均較高，原因在于該地區(qū)風光資源受盆地地形的影響較大。此外，以黑龍江、吉林和遼寧為代表的東北地區(qū)在冬夏兩季微風微光事件發(fā)生頻次高于春秋兩季。值得注意的是，作為人口大省和中國重要的工業(yè)基地，冬夏季節(jié)是東北地區(qū)電能消耗較大的時段，居民用電和工業(yè)生產(chǎn)用電需求將高于春秋兩季，這意味著冬夏季對風光發(fā)電穩(wěn)定出力的需求更緊迫。因此，相關(guān)部門須安排與布置能源儲備設(shè)施以及相對應的應急措施，應對可能出現(xiàn)的用電高峰和電力供給低谷。
表9 持續(xù)10 h微風微光事件季頻次（2007—2014年平均值）
Table 9 Seasonal frequency distribution of “breeze wind and shimmering solar resource” for 10 hours (2007—2014 average)
從持續(xù)18 h微風微光事件的統(tǒng)計結(jié)果來看，高頻次發(fā)生地區(qū)主要為西北地區(qū)的塔里木盆地、準噶爾盆地附近和西南地區(qū)東部四川盆地周邊省份，其中，四川盆地東部的重慶及其周邊地區(qū)年平均頻次最高，達11次。新疆準噶爾盆地周邊地區(qū)出現(xiàn)60次以上微風微光事件的地點最多，主要受制于盆地地形對于周邊風速的阻礙作用。結(jié)合前文對風能和太陽能資源氣候風險的分布特征分析，在以準噶爾盆地、塔里木盆地和四川盆地為代表的盆地地區(qū)發(fā)展風光能源時須格外關(guān)注盆地地形引起的風光資源不穩(wěn)定性帶來的風險。
2.2.3 微風少光事件時空變化分析
微風少光事件在秋季的出現(xiàn)時間占比最高，達17%。頻次超過40次的中頻度發(fā)生地點大范圍出現(xiàn)在中部、南部和西北地區(qū)，以塔里木盆地、準噶爾盆地、四川盆地、云貴高原和黃土高原附近省份和城市為主（見表10）。與之相反，以黑龍江、吉林為代表的東北地區(qū)微風少光事件在夏季的發(fā)生頻次為25次左右，而在秋季發(fā)生頻次則下降至20次左右，呈現(xiàn)出好轉(zhuǎn)的趨勢。位于西北地區(qū)的新疆塔里木盆地冬季微風少光事件發(fā)生頻次上升顯著，盆地北部邊緣地區(qū)發(fā)生頻次達90次以上，尤其阿勒泰、吉木乃和塔城等城市幾乎每天都會有較長持續(xù)時間的無風無光事件發(fā)生。青藏高原地區(qū)冬季風光資源情況較為良好，微風少光事件發(fā)生頻次普遍少于15次；相反，青藏高原地區(qū)及其周邊省份在夏秋季節(jié)的發(fā)生頻次則大于30次。從全國范圍來看，持續(xù)18 h微風少光事件發(fā)生頻次呈現(xiàn)“西高東低”的分布特征，東北、東南沿海地區(qū)表現(xiàn)出較大的風光發(fā)電潛力。
表10 持續(xù)10 h微風少光事件季頻次（2007—2014年平均值）
Table 10 Seasonal frequency distribution of “breeze wind and deficient solar resource” for 10 hours (2007—2014 average)
從微風少光年平均頻次統(tǒng)計結(jié)果來看，高頻次地區(qū)分布格局與微風無光分布特征類似，主要出現(xiàn)在準噶爾盆地、塔里木盆地、四川盆地以及長江中下游平原的大部分鄰近省市。其中，重慶市微風少光頻次年平均值最高，達23次。四川盆地周邊城市如崇州、綿竹、綿陽、自貢、瀘州等，年平均頻次均超過60次，這與四川盆地地勢低洼、年平均輻射量少且陰雨天氣較多有關(guān)。
2.3 風光資源氣候風險最長持續(xù)時間
全國范圍內(nèi)年平均微風事件最長持續(xù)時間普遍在300 h以下，持續(xù)時間超過600 h的地區(qū)主要分布在塔里木盆地、準噶爾盆地、四川盆地附近以及西藏的東南部地區(qū)。其中在新疆西部、塔里木盆地與準噶爾盆地的交界地帶（克孜勒蘇柯爾克孜自治州、吐魯番市）、西藏東南部（林芝市）以及四川盆地（雅安地區(qū)）中的個別地區(qū)年平均微風事件最長持續(xù)時間達到1 000 h以上，其中最長年平均持續(xù)時間發(fā)生于西藏山南地區(qū)，微風事件最長持續(xù)時間達到1 291 h。
全國范圍內(nèi)年平均少光事件最長持續(xù)時間普遍在200 h以下，其中微風事件持續(xù)時間較長的西藏、青海西部、四川西部以及內(nèi)蒙古、華北地區(qū)大部的少光事件持續(xù)時間均少于100 h，對光伏產(chǎn)業(yè)發(fā)展較為有利。而長持續(xù)時間的地區(qū)主要位于黑龍江北部（大興安嶺地區(qū)）、安徽西部（安慶地區(qū)）以及湖南、湖北、江西的交界地帶，部分地區(qū)全年少光事件的持續(xù)時間大于600 h。
組合事件以微風少光這一典型組合事件為例，微風少光事件最長持續(xù)時間的時空分布呈現(xiàn)出較為明顯的條帶狀分布特征，西北—東南一線最長持續(xù)時間較長，東北—西南一線最長持續(xù)時間較短。從空間分布特征來看，微風少光事件年最高持續(xù)時間超過360 h的地區(qū)主要位于青藏高原東南部、四川盆地西部和重慶部分地區(qū)，其中以山南、林芝、眉山、成都、德陽等城市的持續(xù)時間最久。以江蘇、福建為主的東南部沿海地區(qū)微風少光事件最長持續(xù)時間普遍在240 h左右，這意味著沿海地區(qū)及其周邊省市在受到諸如臺風、強降雨等極端天氣影響時，區(qū)域內(nèi)風光發(fā)電設(shè)施出力將會在大部分時間內(nèi)低于裝機容量；特別是在冬夏兩季用電峰值較高的季節(jié)，受氣候影響導致的風光發(fā)電低出力將嚴重威脅當?shù)啬茉垂┙o穩(wěn)定。相比之下，以黑龍江、吉林為代表的東北地區(qū)和以山東、山西為代表的華北平原地區(qū)微風少光事件年最高持續(xù)時間在120 h以下，極端天氣引起的風光發(fā)電波動在這些地區(qū)的威脅相對較小。為調(diào)節(jié)氣候條件造成的風光發(fā)電出力的不穩(wěn)定，可通過區(qū)域協(xié)調(diào)的方式，擴大空間尺度以緩沖風光發(fā)電的不穩(wěn)定性，并結(jié)合區(qū)域內(nèi)風能和太陽能的不同分布特征調(diào)節(jié)風光發(fā)電比例，發(fā)展以風能或太陽能為主的多能耦合協(xié)同發(fā)電模式，最大程度減少極端天氣對新能源發(fā)電設(shè)施產(chǎn)能的影響。
3.結(jié)論
本文基于中國長時間序列、高時空分辨率風能太陽能資源數(shù)據(jù)，選取不同風險指標和閾值，從風光低出力的程度、范圍、持續(xù)時間、發(fā)生頻次等多個維度，定量分析了全國無風無光等風險事件的時空變化特征。主要結(jié)論如下。
1）中國風能資源低出力（微風）事件主要發(fā)生在秋季，其出現(xiàn)時間占比可達23%；太陽能資源低出力（少光）事件主要發(fā)生在冬季，其出現(xiàn)時間占比可達68%；風光同時低出力（微風少光）事件主要發(fā)生在秋季，其出現(xiàn)時間占比可達17%。2）中國風能資源開發(fā)氣候風險較大的區(qū)域主要分布在新疆準噶爾盆地、塔里木盆地以及四川盆地等；太陽能資源開發(fā)氣候風險較大的區(qū)域主要分布在長江中游地區(qū)和黃土高原等；風光資源開發(fā)氣候風險較大的區(qū)域主要分布在新疆準噶爾盆地、塔里木盆地，四川盆地以及長江中下游平原等。3）青藏高原東南部、準噶爾盆地、塔里木盆地、四川盆地以及東南沿海等地區(qū)微風少光事件持續(xù)時間較長，年均最長持續(xù)時長可達240 h以上。此類長時間微風少光事件將對當?shù)啬茉崔D(zhuǎn)型帶來較大威脅，當?shù)卣湍茉措娏Σ块T須給予充分重視。
未來，將綜合考慮現(xiàn)有分析結(jié)果，與主要氣象災害（如高溫、寒潮等）和風光電站的實際位置數(shù)據(jù)相結(jié)合，從更長時間尺度，動態(tài)刻畫中國無風無光、極熱無風、極寒無光等事件的演變過程，并從能源電力供需兩側(cè)深入分析這些事件對局地、區(qū)域乃至全國能源安全的影響。
