中国风电和太阳能发电潜力评估.docx

中国风聊肽阳能发电潜力评估(2024)O1.研究背景011062.1 技梯线2.2 情景设百03中国风能发电现状.1004中国风电潜力评估.174.1 风能资源潜力4.2 风电技术可开发潜力4.3 风电装机情景分析05中国电碱2506中国光伏发电潜力评估326.1 光伏发电资源潜力6.2 光伏发电技术可开发潜力6.3 海装机情薪析07参考文献.4008附录43附件1风光发电潜力评估方法附件2中国各省份风电和太阳能发电发展政策和规划1.研究背景、1 .研究背景中国新能源进入而历量发展新阶段，呈现如下特征：是大规模.风、光装机占比大幅提高：二是高比例，由能源电力消费增量补充转换为增量生体，在能源电力消费中的占比快速提升：三是市场化，由补贴支探发展转为平价低价发展，由政策驱动发展转为市场驱动发展：四是集中分布并行，集中式风电建设和分布式风能资源开发并举推进，海上风能以及工业园区、经济开发区、公共建筑等屋顶光伏资源均得到有效利用.中国各地根据地区资源条件、地理环境和区域发展策略，形成了各具特色的新能源开发模式。东北、华北北部及西北地区重点推进风能利太阳能的集中式大规模开发,西南地区统号推进风、光与其他可再生能源的综合开发，中东南部地区盎点推动风电和光伏发电就地就近开发，东部沿海地区积极推进海上风电集群化开发。开展中国中长期精细化的新能源潜力评估研究，有利于促进新能源项目建设的优化你局、提高新能源潜力利用率，对推动中国能源绿色低碳转型，构建新型电力系统和实现碳中和目标具有斑要意义.风光新能源潜力评估研究总结为三个阶段（图D：起步阶段、发展阶段、成熟阶段。起步阶段主要采用基于局部观测数据统计方法和以间接代理指标为主的模糊评估方法。风能资源潜力较为传统且经典的评估方法是采用气象站点或测风塔的实际观测数据，通过统计分析与空间插值方法有效地将实际观测数据转化为风能、风功率等参数评估的数理统计方法。太阳能资源潜力评估方法最初主要是依赖于观测数据和经验系数进行局部地区潜力评估，逐步演化发展到采用GIS技术手段和机潜学习方法。发展阶段主要采用基于气象、地形、地理等模拟数据的统计方怯和基于空间地理信息系统的定址评估方法。遥感技术与地理信息系统的深度融合，共同被应用了精确评估区域风能以及屋顶光伏发电潜力研羯成熟阶段主要采用人工智能技术以及大数据技术与空间信息系统相结合的精准预测方法。为了确保中国新能源未来规划布局更加精准、高效，更大程度挖掘地方新能源发电潜力，仍需借助遥感和GIS技术，充分利用大数据智能模拟，开展以次化、精细化、网格化的潜力评估工作，不仅有助明确中国各地风能和太阳能资源的具体分布及可开发利用量.更能为在何时何地布局新能源项目提供有力指导，从而推动中国新能源行业健康发展。4tM<teate<»Mvr.MW(Er<CHr*1.trv.M1.iItMiP<三p>th<<IU*raMt«v>.MMi.<ar11c><MMWWMTKa1.eMU起步阶段发展舱段成熟阶段风能潜力评估采用局部Pt站点.测风塔观测敏密睨计分研方法至闸一崎分析方法采用气象.地形.地理，高度等根拟除据数值拗S储计复机投木人工咨帔技术Ei用于风资源评½幅！AI大敢爬技术光解潜力评估基于间接代理搭标法«08WS蜕Ituf1.I方法助W咖«充基于空间施理信息系统定评估高端震数引应用多因看交纳H于大败脸术与空阍他SHg息相结合的精准预满*化.大尺AT砌!瞒A4v<.t1.a1.RvMantkR1.C-S.Z<*4<Uc«(VMMeWfterw,)M(M1.<1.it«MM<BJMrM1.Watef0*Rw*w.2at)1.KC*npm4n1.VwSdyM¼tM.>mMMar<i.Mm,.WIhi.WwtfM>mw<*«»¼vnt¾3M/11*4.<MeM*4'aUIMrt.M11pUk¾mI.SiVe1.Xee3"1.*a1.1.M1.kA1.O*C.<tB<*w<Mm-WA3WA<t<rv.JtBhJRUgAA.<MrcvNtUNSRIn4acten¾.M4MWMdMM*M(KmvcMRhWKJMfi图I风光发电潜力评估研究光新能源发展规划和地区碳达峰碳中和目标等政策,基于全国风光资源潜力，综合考虑地形坡度、地形高程、人口居民区、生态红线、河流水域以及道路交通等限制性因素，系统评估技术可开发、可利用的风光发电潜力。结合各省风光装机现状以及规划发展目标，采用生态环境部环境规划院中国中长期排放综合评估模型（CAEP-CP）分别评估现状（2023年）及不同情景下（2025-2035年）全国范围IO公里网格的风光装机容量，为中国未来新能源规划布局提供决策支源潜力评估,仃利于支撑区域提前布同电力存储和调度，并基丁评估现有电网的容量、扩容需求等，开展电力基础设施规划.在政策制定方面，可以优先考虑具有较高潜力和效益的新能源区域和项目。设计具有针对性的政策激励机制，鼓励具有新能源潜力高的区域更快速地推进新能源项目。根据新能源发展潜力和需求，不同区域可以制定优先开发计划，确保资金有效使用。在区城之间，可以基r潜力评估结果，开展跨区域合作，设定更为明确和切实可行的碳达峰与碳中和路持。线图、施工图。2.研究方法2 .研究方法2.1技术路线风电资源潜力评估主要以风功率作为主要量化指标，风功率密度是用于描述特定地点或区域内的风能资源丰富程度，数值反映气流在单位时间内垂直通过单位截面积的风能，单位为W/m，。本研究风功率数据选用150米高度的风功率密度图谱数据,光伏资源潜力评估以光能辐照度来量化光伏能源分布（附件D技术潜力用r评估和选择适用于风能和太阳能开发的可行技术,包括对环境特征和风光开发制约条件的考虑，以确定最佳的技术解决方案。在风电技术开发方面，考虑到技术可达性，需要排除风资源较差区域，例如依据项目实施的经济性，风功率小于250Wm2的地区被认为是限制性开发地区，以及生态环境保护区域和特殊海拔地区。在光伏技术开发方面，需要排除生态保护区域以及地形坡度大于30度地区。参考6一带一路国家风光资源评估报告中对分布式光伏开发参数的估计，针对居民区域开发屋顶光伏,其装机容量按照相同环境条件下集中式开发装机密度的25%考虑。装机现状评估旨在掌握现有新能源资源的分布特征，对2023年风能和太阳能装机空间分布以及装机容量开展评估研究。情比分析是根据国家及地方风光装机发展规划、碟达峰碳中和方2.2情景设置政策情景：考虑国家及地方中长期新能源发展规划、各省份碳达峥碳中和发展目标，新能源技术发展成熟、能源结构持续优化、用电需求稳定增长。案等政镀（附件2），区域历史装机时序发展变化,考虑新能源技术发展、能源结构调整、用电需求变化等因素，对未来风光装机进行海量情景分析，最终选择典里发展情景路径.所为数据和分析结果，都在GIS平台上统一为Iokm网格分辨率（图2）。高速情景：参考联合国政府间气候变化专门委员会IPCC）第六次评估报告情景数据库亚洲和中国情景数据，号虑到全球温升1.5。目标，结合已有研尢对中国和区域新能源发展高预期结果综合研判。情景分析中，将历史装机数据分为训练集数据、测试集数据，在测试集上进行模型预测，对模里参数进行反复调优，确定最佳的模拟参数及模拟方法，以此提高情累分析模型的适配性和准确度。I可时结合各省未来规划,对情景分析结果进行约束.攻K侦M“&M景I发电可装机区域北伏彳XMtAK；MI电MgUUJ_'T风电状4发电"I"伏MUW力I""工WA初¾Ujj仝WM电长机维状IOIuseIOiin伊W光伏长帆鹿伏IttmeIOkmMJIW加在城UJ发加的高传阴H<iftKMf1.BUI”小鼎力&装机现伏UJIM*MHtft装机发崛WuN光伏装”发帐的AHjMam<"M电XM空XIM划IGkmSOkmMBgt2O2S2g光伏装机IMWWH*m0im图2M光发电潜力评估技术路浅中国风能发状3.中国风能发电现状中国风电装机从2015年的145GW增长到2023年的441GW（图3）.年发介增长率为15%。海上风电累计装机规模增长速度M1.SM1.iM1.?1.1.t»192i1.i!»i1.IUi图32015-2023年中国风电素计装机卷串(GW)远裔于陆上风电。海上风电累计装机规模从2015年的IGW增长到2023年的37GW,年更合增长率为57%,陆上风电累计装机规模从2015年的144GW增长到2023年405GW,年笈合增长率为14%。2023年中国风电装机容量达到44134万千瓦，占全国累计发电装机容量的15%（表I）.其中内蒙古、新疆、河北、甘肃、山东、山西、江苏、河南等地风电装机容珏最高，均超过200（）万千瓦以上，八省累计装机容量达到25529万千瓦（图4）.2023年中国风电发电量达到8090亿kWh,占全国总发电量（包括化石能源与非化石能源）的9%,其中吉林、甘肃、内蒙古、黑龙江、河北等地风力发电量圾离，分别占各省总发电量的24%、21%,17%,17%.16%o这些地区拥有较为丰富的风资源,风功率密度大于2（X）W7m,平均风速达到5611s,可利用小时数在200Oh以上，因此发电效率相对较高。吉林、内蒙古、甘南、宁夏、山西等地风力发电作为地区用电需求的主要来源之一，分别占该区域全社会用电量28%、26%、25%,20%,17%»?<I2023年中国风电装机容加及发电MW(辔器发电(亿kVi总发电金4亿kWh>全社会川电Ja亿kWh北京24I4551358天津171238081051河量314!60537364757山西250047743762H8S内蒙古6961127174514823辽宁142927522032663吉林1268259m928黑龙江112720512341184上题107239551849江苏22K651861()67833浙江58410643536192安Itt72212333363214福建F21330743W0江西57311816692026山东259146259167966MM21783X31724090湖北83615430132706湖网加199170()2277广东165750567198502广西126722122872449海南23E5448482延庆2063810541453四川77016747133711狗州61612022711783云南1S3I27739052513西藏18I137135陕曲1285I7i29462450t261441219251645时海1IS51238741018宇现146427922461387断得325860549123821全国4413480094564%241注：数据来源于国家使烟局、国家统计局、中国电力企业联合会、国家电网有限公司、Wind数据库，总发电此为该省（而）化石能源与非化石能源发电盘总和。（I）新疆乌稗木齐市达坂城区风电场（2）内蒙古乌兰察布市风电场（3）辽宁的州市凌海市风电场（4）山东威海巾荣成巾风电场<5）江苏盐城市从电场（6）福建前田及福州风电场4.中国风电潜力评估4. 1风能资源潜力中国的陆地风能分布呈现出明显的地域特征，表现为北部地区的风能较为丰富，而南部地区的风能相对较低(图6)。新疆、内蒙古以及甘前北部地区的大部分地区都具有较高的风能资源，风功率密度大多超过4(X)W/m-,新疆东部靠近甘肃地区以及内蒙古北部的一些地区，风能资源非常丰富，部分地区的风功率密度甚至达到900W以上，这些地区人口密度低、地图6中国风能资源潜力-风功率密度分布注：风功率密度是指气流在单位时间内垂H通过冷位截面枳的风能.形平坦，非常适合进行集中式风能开发。虽然中国南部砧地地区的风能资源相对较低，但南部海域却拥有出色的海上风能资源。特别是在福建省与台湾省之间的海域，风功率密度可以达到I(K)OW/而以上。4.2风电技术可开发潜力技术潜力反映了在技术可达性下地区风资源发电的潜力。在实际风电资源开发过程中，技术装机容量与技术可达性、技术成本、装机类型、风功率密度、设备运行周期等因素直接相关。新疆、西藏、内蒙古、东北以及中国东部沿海地区风电技术潜力最高(图7)。我国陆上14()米高度风能资源技术可开发量超过100亿千瓦，近海和深远海150米高度、离岸200公里以内且水深小丁100米的海上风能资源技术可开发量为27.8亿千瓦，实际装机容量利用率不足4%和0.9%,未来开发潜力巨大。4 .3风电装机情景分析政策情景下（表2）,华北地区风电累计装机全国最高，约占全国3O%34%°从区域装机增幅来看，2023-2035年南部地区增幅最高,将达到195%,其次是西北164%、华中162%、东北122%、华东107%,华北103%。从区域装机年均增速来看，2023-2035年南部地区年均增速最大，将达到9.4%,其次是西北8.4%、华中8.4%、东北69%、华东6.2%、华北6.1%。高速情景下（表2）,2023-2035年南部地区增幅最高，将达到355%,其次是华东326%、东北318%、华中310%、西北299%、华北264%。从区域装机年均增速来看，2023-2035年南部地区年均增速最大，将达到13.5%,其次是华东12.8%、东北12.7%、华中12.5%,西北12.2%、华北11.4%e年份笠-侬亿千IUI2025年2030年2035年I江苏03(0.274)321)0.524(0.366-0.6K2)0.709(0.454-1.041)江西0.074(0.069-0.079)0.15(O.O<>2O.I68)0.176(O.II5-O.256)辽宁0.197(aI8I-O.214)0.337(0.319.0.355)O.52S(0.466-0.637)内蒙古0.824(0.780.866)1.151(0.925-1.376)1.791(1.6梵2099)宁夏0.193(0.1794).207)0.338(0.235-0.441)0.457(0.2910.673)青麻0.13(0.121-().138)0.228(0.162-0.294)O.3O9(0.2020.44«)山东0.305(0.2SI-0328)0.532(0.31)6-0.697)0.718(0.451-1.062)山西0.309(0.287-033)0.MI(0384).701)0.732<0.473-1.07)陕西0.185(O,I764).I94>0316(0.279.0.352)0.44(0.3».0.53«)上海0.014(0.0154).015)0.024(O.OI6-O.O32)0.033<0.019).05)四川0.087(00810092)0.149(0.117-0.181)0.2(M(0.1520,276)天津0.02(0.0194).(121)0.033(0.022-0.044)0.045(0.02S0.067)西或0.005(0.004-0.005)0.009(0.008-0.01)0.018(O.OI5O,O22)朝淡0.392(0.3574).426)0.717(0.6430.791)1.005(0.893-1.206)云南0.178(0.1690.22>0.268(0.234-0.537)0.M3(0.7890.969)浙江0.072(0.064A081)0.109(0.089-0.128)0.162(0.143-0,195)IR庆0.028(0.0274).()29)0.048(0.041-0,055)0.067(0.0550,084)注；农中C内上限和下限分别代表风电装机数策情景和南遑情景结果,最终取值为两类情景上7i次模拟优化后选取的中位数,÷三>rB三>wBSM3W：IktV图82023-2035年中国各省风电累计小机容h与增长帼度注：图中的装机容H1.为两种情景下的各省装机容量中位数,增长8度为2025年.2030年、2035年各省装机容Ia对比基准年（2023年）的增长帼度.图92035年中国风电系计装机容量分布注：保个网格的累由装机容量为两种情景下多次模拟我计装机容1.中位数.5 .中国光伏发电现状中国光伏装机从2015年的43GW增长到2023年的610GW（图10）.年纪合增长率为39%。分布式光伏累计装机规模增长速度高于集中式光伏。集中式、分布式光伏累计装机规模从2015年的37GW.6GW增长到2023年355GW、254GW,年笈介增长率分别为36%、59%。2023年全国新增光伏并网装机容量216GW累计光伏并网装机容量达到609GW,新增和累计装机容量均为全球第72023年中国光伏装机容员占全国累计发电装机容量的21%。全国超过20个省份光伏装机容量在100O万千瓦以上，累计总量占到全国的91%（表3）。山东光伏装机容量全国第一，达到5693万千瓦，占比达到9%,其次是河北（9%）,江苏：（6%）、浙江（6%）,河南6%）.五省累计装机容量达到22125万千瓦，累计发电量达到701亿kWh（图I!）。集中式光伏是现阶段光伏发电的主要能源供给类型，装机规模占到全国总装机容批的58%,集中式光伏装机容fit最高省份是河北、新疆和青海,分别为3023万千瓦、2878万千瓦、2521万千瓦，三省累积装机容量占全国集中式光伏装机总量的24%。分布式光伏装机容量主要分布在山东、河南、江苏等地区，2023年三省分布式光伏装机容量分别为4099万千瓦、3094万千瓦、2772万千瓦，三省总装机容量占全国分布式光伏装机总量的39%。2023年中国光伏发电量达到2940亿kWh.分别占全国总发电S（包括化石能源与非化石能源）、全社会用电量的3%、3%。河北、宁夏、青海、内蒙古、新疆等地光伏发电JB最高，分别占各省总发电员的6%、10%.24%、3%、4%o青海、宁夏、廿前、选州、山西等地区光伏发电是地区用电需求的主要来源之一，分别占到全社会用电量21%、17%,11%.7%,6%.ii:址上遥感和G1.S技术获得中国光伏面板（15923个小理）.在GIST台上统Uu，,IOkm网格数据,并利用中国各省数据进行验证和校对.各地区在积极响应国家可再生能源政策战略的同时，充分考虑地区地理资源优势、地形条件等因素、因地制宜推动光伏发电项目发展,创新性打造了一系列发屣新模式，如“渔光互补”、“牧光互补+水光互补”、“农光互补”、“屋顶光伏”,以助力地区碳达峰碳中和目标的实现。图12展示了不同区域典型光伏电站。<7>安徽颍上县光伏电站(8)贵州彝族回族苗族H治县光伏电站图12中国2025年典型光伏发电站注：广东深圳浦江屋顶光伏技术,可行效利用当地优质的光伏资源,缓解上地资源紧张的4JS;四川理妙、西陵拉萨、广西象州、炎州钵族回族苗族自治县，地形条件史杂但太阳能贯涉较好，光伏发电与荒山改良综合利用结合起来，发展农光互扑模式I中国漂浮式光伏技术发展迅速,安做颖上县“渔光互补”建设模式为典型代我：步海海南成族自治州共和县的两个大里集中式光伏电站，建立“牧光互补+水光互补”结发展模式，人力发展”板”下经济.探谦出一条光伏生态园和藏羊养殖产业发展相结合的嫁色、低碳、循环发展新路子.6.中国光伏发电潜力评估6.中国光伏发电潜力评估6.1 光伏发电资源潜力中国光伏资源潜力使用的图谱数据来源于G1.oba1.So1.arA1.Ias,即典型PV系统可实现的电力输出(PVOUT)O该系统模拟了可用太阳能资源转化为电力的过程，考虑了空气温度、地形地平线、反照率以及模块倾斜、配身、遮挡、污染等影响系统性能的因素。PVOUT是长期内每单位已安装PV容量所生成的电力量(kWh/kWp).西藏、青海、新陶、宁夏南部、甘肃、内蒙古南部、山西北部、陕西北部、图13中国光伏发电资诲潜力辽宁、河北东南部、山东东南部、吉林西部、云南中部和西南部、海南岛东部和西部以及台湾省西南部等地区的光伏发电资源潜力较大（图13）。6.2 光伏发电技术可开发潜力光伏技术潜力评估是指在评估年份水平下剔除资源票赋、保护区、高海拔、高坡度以及地面制盖物等限制因素后可以进行安装的光伏装机容量总和。在实际太阳能资源开发过程中，光伏技术奘机容信与可用面积、装机面积、装机密度、光照辐射量等因素直接相关。在区域分布上，我国西北地区光照图14中国光伏发电技术可开发潜力资源F富，太阳能技术可开发量约占全国60%,未来聘成为光伏发电装机增长的主要区域（图4）.在分省维度上,新疆、西敏、内蒙古、吉海、甘肃等地区光照资源丰富、光照时间较长、技术可达性较高，技术装机潜力位于全国前五，五省累计技术装机潜力约到全国50%。6.3 光伏装机情景分析政策情景下（表4）,华北地区光伏累计装机全国最高，约占全国28%。从区域装机增幅来看，2023-2035年南部地区增幅最高.将达到182%.其次是华东178%、华中162%,华北155%、东北114%、西北100%。从区域装机年均增速来看，2023-2035年南部地区年均增速最大，将达到9%,其次是华东8.9%、华中8.4%,华北8.1%、东北6.6%,西北5.9%。高速情景下（表4），2023-2035年东北地区增幅最高，将达到306%,其次是华北292%、华东270%、西北248%、南部244%、华中216%。从区域装机年均增年份装机容*<12025"203020351湖南0.157(O.I42-O.I72)0.213(0.211-0.214)0.315(0.304935)在林0.062().<M94).O74)0.099(0.0670.13)0.141(0.0840.2!3)江苏0.456(0.429-0.482)0.785(0.725-0.4)1.151(1.021-1.378)江西0.22(0.208-0.231)0.379(03530.405)H-(0.49W>.66)辽宁0.112(0.108-0.115)0.181(0.159-0202)0.261(0.221-033)内蒙占0.275(0.2524).299)0.419(0312.0.526)0.567(0.337-0,857)宁双0.26(0116-0304)0.424(0314-0.533)0.61(0.4110.871青海0.311(0.268-0354)0.466<0.311-0.62)0.666(0.391-1.012)山东0.763(0.705-0.2)1303(1.168-1.438)1.906(1.631-2,346)山西0.295(0.265-4)326)0.466(0.361-0.571)0.673(0.479-0.932)陕西0.278(0.265-4)291)0.4U3(0.454.0.511)0.71»(0.6430.833)上游0.(B4(O.O31.-().7)0.054(0.041-0.067)0.077(0.0540.1(»)四川0.061(0.059-0.063)0.095(0.091-0.098)0.147<O.I35-O.I7)天津0.056(0.054-0.058)0.087(0.081-0.092)0.133(0.124-0,153)西餐0.031(00284).034)0.W6(0.0310.06)0.065(0.039-0.098)Vin0.379(03464).412)0.496(0.464X531)0.78(0.754-0,867)云南0.222<O.21.W2)0.293(0.27945.302)0.525(0.486-0.606)浙江0.476(O.463O.488)0.834(O.8I2-O.a55)1.229<1.I6!395)Jfi庆0.018(0.017-0.018)0.022(O.O2I-O.O23)0.032(0.028-0.038)注r表中O内上限和下限分别代表光伏发电装机政策情景和高速情珀结果，被线取值为对两类情景上万次模拟优化后选取的中位数“图162035年光伏累计装81容状分布注；仔个网恪的装机容fit为两种情景下多次模拟的装机容fit中位数.参考文献1.ci.Y.Wang.1.、Wang.D.Cta1.Co-bcncfitsofcarbonneutra1.ityinenhancingandstabi1.izingso1.arandwindenergy.Na1.UreC1.imateChange.2023,13(7):693-700.Zhang.Z.Chcn.M.Zhong.T.cta1.Carbonmitigationpotentia1.IdYonjCdbyrooftoppho<ovo1.takinChina.NaiureCommunications.2023,14(1):2347.Gruber.K.Rcgncr.P.Wchr1.c.S.cta1.Towardsg1.oba1.va1.idationofwindpowersimu1.ations:Amu1.ticountn,assessmentofwindpowersimu1.ationfromMERRA-2andER.A-5rcana1.ywrsbias-correctedwiththeg1.oba1.windat1.as.Encrpy.2022,2S8:121520.1.u.X.Mce1.roy.M.B.Kivi1.uoma.J.G1.obapotentia1.forwind-generatede1.ectricity.ProceedingsofIheNationa1.ACiKkmyofSciences.2009.106(27):10933-8.Mce1.x>y,M.B.,1.u,X.,Nie1.sen1C.P.ea1.Potentia1.forwind-generatede1.ectricityinChina.Sckncc.2009.325(5946):1378-80.Chen,S.，1.u,X.Miao.Y.,eta1.ThePo<emia1.ofphotovo1.taicscopower(hebe1.tandroadinitiative.Jou1.e.2019.3(8):1895-912.Archer.C.»JiiwbsiHi.M.Eva1.uu1.ionofg1.oba1.windpower.Journa1.ofGeophyMcaIReseiirvh.2005,110.Zheng.C.w.Pan.J.Assessmentoftheg1.oba1.oceanwindenergyresource.Renewab1.eandSus1.ainaHcEnergyReviews.2014.33:382-91.Pryor.S.C.Barthc1.mic.R.J.Ag1.oba1.assessmentofextremewindspeedsforwindenergyapp1.ications.NatureEnergy.2021.6(3):268-76.Ozdkan.ErCben,G,UstUndag,B.B.Spatia1.estimationofwindspeed:anewintegrativemode1.usinginversedistanceweightingundpower1.aw.Internationa1.Journa1.ofDigita1.Earth.2016.9:733-47.Ozay.C.Cc1.iktas.M.S.Statistica1.ana1.ysisofwindspeedusingtwo-parameterWeibu1.1.diMribu(i>ninkatregion.EnergyConveniionandManagcnwnu2016.121:49-54.Jiang,P.,1.i,R.,1.i.H.Muki-Objeciivea1.gorithmforthedesignofpredictioninterva1.sforWihdpowerforecastingmode1.App1.iedMa1.hcmatica1.MOdCHing.2019.67:101-22.Wang,J.Heng,J.，Xiao,1.,ea1.Researchand叩P1.iCanOnofacombiiwdmode1.basedonmu1.ti-ObjeC1.iVeOP1.imi7=icnformuhi-stepabeadwindspeedforecas4ing.Energy,2017,125:591-613.Jiiing.P.1.iu.Z.Niu.X.e1.a1.combinedIiirecas1.ingsyMembasedons1.ads1.kr<1.mc1.h<x1.artificia1.IWUndnc1.works.inddeepIeamingmc1.hud、forJihOrV1.ennwindspeedtbrcc<s1.ing.Energy.2021.217:J19361.Wu.C.Wang.J.Chen.X.cta1.Anove1.hybridsystembasedonmuhi-objcctivcoptimizationforwindspeedforecasting.Renewab1.eEnergy.2020.146:149-65.Penman.H.1.Natura1.evaporationiro<nopenwater,baresoi1.andgrass.ProCCCdingSoftheRoya1.SocietyCf1.ZmdOnSeriesA.Mathematica1.andPhysica1.Sciences,1948,193:120-45.B1.ack.J.N.Bonytbon.C.W.Prescott.J.A.So1.arradiationandthedurationofsunshine.QuaiteiiyJourna1.oftheRoya1.MeiearoIcgicHSociety.1954.80(344):231-5.Kan.A.Zcng,Y.Meng.X.cta1.The1.inkagebetweenrenewab1.eenergypotentia1.andsustainab1.edeve1.opment:Understandingso1.arenergyvariabi1.ityandpho<ovo1.(akpowerpotentia1.inTibet.China.SuMainab1.cEnergyTechno1.ogiesUndAssessments.2021.Feng,Y.,Zhang.X.Jia.Y.cta!.High-reso1.utionassessmentofso1.arradiationandenergypotentia1.inChina.EnergyConversiona1.Management.2021.240:114265.He.G.Kamincn.D.M.Where,whenandhowmuchso1.arisavai1.ab1.e?Aprovincia1.-sca1.eso1.arresourceassessmentforChiiutRenewab1.eEnergy,2016.85:74-82.A1.y,A.Jensen,S.S,Pedersen.A.B.SohrPOWerpotentia1.ofTanzan:IdentifyingCSPandPVhotspotsthroughaGISmuhici(eriadecisionnukingana1.ysis.Renewab1.eEnergy,2017,113:159-75.Yushchenko,A.DeBono,A.,Chatenoux.B.te<a1.GIS-basedassessmentofphoovo1.uic(PV)andconcentratedso1.arpower(CSP)genera1.iono<enia1.inWestAfrica.Renewab1.eandSustainab1.eEnergyReviews.2018,81