我国风力发电水平发展趋势的统计分析.docVIP

我国风力发电水平发展趋势的统计分析 　　摘 要：选取2001-2014年31个省市风力发电总装机并网容量为指标，运用聚类分析对我国31个省市的风力发电发展水平进行分类；运用时间序列分析对31个省市未来三年的风力发电总装机并网容量进行预测，得到相关结果。 　　关键词：风力发电；聚类分析；时间序列分析 　　引言 　　随着环境污染问题日益突出，能源供给渐趋紧张，风力发电作为一种清洁、可再生的能源供应方式，已越来越受到世界各国政府的高度重视。我国幅员辽阔，海岸线长，拥有丰富的风能资源，但地形条件复杂，风能资源的分布并不均匀。据中国气象科学研究院对全国900多个气象站测算，我国陆地风能资源的理论储量为32.26亿KW，可开发的风能资源储量为2.53亿KW；风能资源丰富的沿海及其岛屿，可开发量约为10亿KW。 　　根据我国风力发电发展水平的总体规划，到2020年底全国总装机规模将达到12000万KW，2050年底将达到50000万KW以上。风力发电规模化的发展，以及其良好的环境效益和逐步降低的成本，必将成为我国未来的重要能源。 　　1 聚类分析及结果 　　选取2001-2014年我国31个省市的风力发电总装机并网容量为分析指标，数据来源：http：///。通过聚类分析，将我国31个省市风力发电总装机并网容量分成三类，具体结果如表1所示： 　　可以看出：第一类是内蒙古。内蒙古地域广袤，大部分地区属温带气候，地处中纬度西风带，属于较强的大陆性气候。内蒙古高原地区地形平坦，植被稀疏，地形阻挡作用小；冬春季节多风且风大，年平均风速在3米/秒以上，蕴藏着丰富的风能资源，是最适合风力发电的地域，也是截止2014年全国总装机容量最多的省份。 　　第二类是新疆，甘肃，辽宁，山东，河北。这些均属于北方地区，四季分明，春季多风，冷暖适中，地势平坦，多以平原为主，地势优越，适合风电产业的发展。例如新疆和甘肃地区由山脉相夹（新疆大阪城位于天山山脉的峡谷处，甘肃河西走廊处，北有阿尔金山脉，南有祁连山脉），每当冷空气进入峡谷或者河西走廊时，都会受到两侧山峰的挤压，速度越来越快，于是会产生比别的地区大的风。同时，山东也是中国风能资源最丰富的地区之一，这些地区濒临海洋且地形屏障作用小，夏季风势力强劲，有利于风力发电，自2004年以来， 山东省风电的发电量、装机容量年增长速度均在100%左右。天然的优势使得这两个地区成为近年来国家重点发展地区，风力发电水平大跨步的发展。 　　第三类是广西，青海，天津，江西等省，这些地方发展较慢，总体水平低于前两类，主要原因还是气候以及地势环境的影响因素。如：广西，湖南，贵州等地多呈现多山，多雨，夏季炎热，从地势方面来讲不适合风力发电设备的安装及运行，从季风气候来讲，普遍风力不足，风力不强是阻碍其发展的主要因素。再如青海，西藏，地处高原，季风气候显著，但其春秋季节短暂，冬季寒冷干燥，也阻碍了风力发电的发展。 　　2 时间序列分析及结果 　　2.1 计算过程及结果 　　根据风力发电装机并网容量时间序列数据的特点，绘制以时间为自变量、风力发电装机并网容量为因变量的散点图，具体结果如图2所示。 　　（1）通过散点图的分布特点，选择几种类型的模型函数进行拟合； 　　（2）利用SPSS软件自动完成模型未知参数的估计，显示R2、F检验值、显著性概率值等统计量，并对所建立的回归方程进行显著性检验； 　　（3）选择统计量R2值最大且通过显著性检验的回归方程，对2015年-2017年我国风力发电装机并网容量进行预测。 　　表2所示，该表给出了模型汇总情况和参数估计值及相应的检验统计量。三个曲线回归模型中，拟合度最好的是幂函数模型（R2为0.971）。从F值来看，幂函数模型的拟合情况最好，因为幂函数的F值最大。三个模型的P值都是0.000，因此三个函数模型都显著。另外，还得到了每个模型中回归常数和回归系数的估计值。 　　表2 模型汇总和参数估计值表 　　图3为上述三个回归模型的拟合曲线与实际观测值的比较。从图中可直观看出，三条拟合曲线中，幂函数方程的拟合效果最好。 　　图3 预测函数模型拟合图 　　该模型回归部分的F检验统计量值为94.320，相应的P值是0.000，小于显著性水平0.05，显著性比较好，具体结果如表3和表4所示： 　　表3 幂函数模型方差检验表 　　表4 幂函数模型系数检验表 　　综上所述，可得出预测模型函数表达式为：Y=1138.39×x1.252，其中：x为时间序列数，取值为1，2，3，…，n。 　　2.2 预测结果与误差分析 　　3 结束语 　　本文运用定量分析的方法对我国31个省市风力发电水平的类别和发展趋势进行分析和预测，通过搜集评价指标数据进行实证研究。结论如下：