手机浏览网
《可再生能源发展“十三五”规划》提出到2020年，风电项目电价可与当地燃煤发电同平台竞争。2018年5月18号，国家能源局印发了“关于2018年度风电建设管理有关要求的通知（国能发新能[2018]47号）”，要求尚未印发2018 年度风电建设方案的省新增集中式陆上风电项目和未确定投资主体的海上风电项目应全部通过竞争方式配置和确定上网电价；从2019 年起，各省新增核准的集中式陆上风电项目和海上风电项目应全部通过竞争方式配置和确定上网电价。其目的就是逐步消除补贴，通过竞争实现平价上网。因此风电项目需要依托自身技术进步和成本下降才能在竞争中占据优势。
1.风力发电成本的现状
近年来，我国风电产业规模不断增加，风电全产业链逐步实现国产化，风电设备技术水平和可靠性不断提高，风电场造价总体呈现逐年下降趋势，发电成本也持续下降。平坦地区的陆上风电单位投资水平从2009 年的9000 多元/kW 降低到2017年的7400 元/kW左右，山地丘陵地区的单位投资水平也从超过1万元/kW降低到8400元/kW左右。低风速风电机组和智慧风电场技术的运用使同等条件下风电场发电效率有较大幅度提升，进一步促进了发电成本的下降。考虑风电设备和投资成本下降以及金融政策调整影响，在资源一般地区（年利用小时数2080h），2017年平坦和山地地区的风电电价需求分别为0.45元/kWh 和0.51元/kWh，较2009 年电价水平降低了0.14元/kWh左右，降幅超过20%。根据GE研究结果，更长更轻的叶片、一体化传动链等技术突破将使2025 年风电度电成本下降0.050—0.067 元/(kW?h)，微观选址与风机选型的优化设计将使度电成本下降0.031—0.070 元/(kW?h)[2]。
2.风电项目平准化成本（度电成本）评估
目前，国内对风电成本的估算往往采用净现值法、内含报酬率法等传统财务计算方法，而国际通用的评估不同区域、不同规模、不同投资额的不同发电技术成本财务方法为平准化电力成本(levelized cost of energy，LCOE)，也常称为度电成本。LCOE 是从项目的全寿命周期视角，对发电项目的经济性进行评估，可用于比较分析不同发电技术综合竞争力，也可用来分析比较不同风电场竞争力的分析方法。
计算公式为：
式中：LCOE为平准化发电成本；At为第t年的运营支出；E0 为项目初始投资；i为投资收益率；Mt,el为当年的发电量;n为财务分析时考虑的项目寿命;t为项目运行年份（1，2，3，…，n）[4]。由公式（2-1）可知，影响度电成本的因素为风电全寿命周期成本和发电量，风电成本可分解为风电机组采购成本、建设成本(包括塔筒和基础等)、运行维护成本、人工成本及材料费等。文献[7]中给出了低风速地区风电成本组成如下图2.1所示。建设成本和机组采购成本占到了78％，运维成本占到了12％。
图2.1 低风速地区风电成本组成
因此，降低风电项目度电成本，提高效益的方法主要有降低风电机组采购成本、建设成本、运行维护成本等，以及提高风电项目的发电量。
3.风电项目开发降本增效措施
3.1降低风电机组采购与维护成本
3.1.1考虑全寿命周期成本的设备选型
对风电企业而言，设备采购和运行维护成本是否得到良好的控制是风电企业能否健康稳定运行的重点所在，而运维成本与风电设备的可靠性相关，因此风电机组的选择对企业来说是至关重要的。
目前，集团主机招标二次优化中采用的LCOE度电成本评价指标中，维护费用是按照整个项目固定资产原值折算得到，并没有考虑到不同品牌和型号的风电设备运维成本的差异性，从而导致一些项目后期在运行维护时的费用过高。
故障修理成本是运维成本的重要组成部分，它也被称作惩罚成本，与设备运行过程中的可靠性息息相关。在设备可靠性水平较高的情况下，由设备损坏而带来的故障修理成本会大幅度降低。由于设备故障带来的损失包括直接损失及间接损失。直接损失包括设备损失、修理损失、修理员工的工资及用户的赔偿等。间接损失指给社会带来的经济损失与间接影响，这些间接损失难以用货币加以衡量。而这种因为设备故障带来的费用和间接损失在考虑到全寿命周期管理的情况下都应计入到度电成本中。
因此从集团层面上来说，建议尽快梳理在役风机的可靠性、故障修理成本等，改进主机招标评价指标的科学性、合理性，充分发挥其在项目投资控制中的作用，使真正的一流风机能够在投标中占有优势。目前对于项目单位来说，在主机招标二次优化过程中，应主动出击，广泛深入调研风机厂家提供的机型的可靠性，才能在谈判过程中占据优势，正确决策。
3.1.2推进基于集中控制的无人/少人值守风电场建设
随着风电的快速发展，区域风电场群已经形成，风电场间不再孤立，应该对区域资源进行整合、机构设置进行优化，用创新的区域化模式进行专业化、精细化管理，改善人员环境、提高生产效率。“少人值守、无人值班、集中监控”的区域化管理模式、以及通过大数据挖掘实现状态检修以及备品备件统一区域化管理调配，可有效降低风电项目运行维护费用，提高风电场的综合效益。近年来，集团公司在风电集控中心建设方面进行了积极的探索和实践，为风电区域化、精细化管理提供了重要的组织保障和技术保障。新能源研究院已制定了新能源集控中心系列标准，并在可研和初设审查过程中，提醒项目公司根据集团要求按照基于集中监控的方式设计。
3.2降低风电项目建设成本
风电项目建设成本受到设计水平、进度管理水平和财务管理水平等多种因素影响。
风电项目设计质量的高低，直接影响工程的造价，风场和升压站布局、集电线路形式、施工方案、设备选型、交通运输等对投资均会产生较大影响，在风电项目设计阶段对成本进行控制，是降低建设成本的关键因素之一。在可研和初设的审查中发现，风电项目普遍存在吊装费用偏高、升压站没有进行经济性比选、集电线路费用偏高等问题，个别项目出现升压站填方和石方外运没有配合抵消，导致土建费用增加的问题。因此，在设计阶段，应尽量选择设计水平高、经验丰富的设计院，并进行设计优化和成本控制，从而降低建设期成本。另外，基于集中控制的少人值守、无人值班的风电场建设，可有效降低生产综合楼的建设成本。
3.3提升风电场发电量
3.3.1提高资源评估和微观选址质量和水平
（1）提升测风数据质量和管理水平
地区风力资源的优劣和微观选址水平的高低是实现风电项目成本管理的一大核心要素。完整准确的测风数据对风电场前期决策和微观选址起着决定性作用，是风电场产能的估算和计算风机载荷的基础。在集团的可研和初设审查中，普遍存在测风塔高度低于设计轮毂高度、测风数据时间久远、新数据不全等问题。
《中国大唐集团有限公司新能源开发指导意见（2018-2020）年》报告中指出要坚持测风工作精细化管理和进一步提升资源评估精确性。树立的测风塔代表性、数量和位置必须满足相关标准要求。原则上高切变的平原地区测风塔不低于140米，山地不低于120米。测风塔必须有代表性，测风数据必须满一年，数据完整性和有效性等指标满足相关标准要求。测风数据不满足要求情况下，采取补立测风塔、延长测风时间等手段获取满足要求的数据。特殊原因需加快推进的项目，积极利用中尺度数据、激光雷达等先进手段进行数据复核，排除开发风险。规范测风塔与测风数据管理，由新能源科研院建立集团公司测风塔及数据管理平台，承担好系统内测风数据的管理、维护、分析，逐步累积风能资源大数据。
（2）经验丰富的风资源工程师现场复核微观选址
微观选址软件大都以发电量最大化为原则进行机位的布置，而机组的位置还直接关系到该机位湍流强度的大小，较强的湍流将会造成机组振动，使机组的受力状态恶化，不仅无法达到设计发电小时数，而且影响到机组的故障几率及部件损坏，关系到将来的维修、维护成本的高低和机组的寿命。复杂地形风电场中，由于地形因素导致湍流强度增大，基于CFD原理的WindSim、Meteodyn WT软件虽然考虑了地形崎岖带来的风资源变化，但是由于对复杂地形计算域和边界条件的选择缺乏深入研究而限制了其计算精度，因此，不能盲目的相信软件计算结果，应请经验丰富的风资源工程师现场复核微观选址结果。
3.3.2应用先进技术助力发电量提升
文献[2]根据金风、远景等国内风机制造龙头企业做出的详细分析和预期估算，在风电场层面，通过运用大数据、云计算等新一代信息技术来提高风能资源评价、进行定制化机组设计，通过优化场群控制来降低尾流影响，采用先进偏航技术，以及通过发电机、变流器的技术进步和采用能源管理平台减少厂用电，通过提高风电机组可利用率和采取预防性维护等措施，预期可提高8%左右的发电量。在风机技术层面，通过偏航矫正、额定功率自适应学习等方式优化功率曲线、调整风电机组控制策略等措施；对风切变较大的风资源区，在现有塔高基础上增加20-40m，通过采用先进翼型、先进原材料、自动化及3D 打印制造、分段分片组装式等工艺，预计可提高10%-15%的风电出力，相应风电机组成本增加60-160 元/kW。
《中国大唐集团有限公司新能源开发指导意见（2018-2020）年》报告要求新能源研究院要加强新理念新技术新产品在集团公司系统内的应用示范，指导分子公司积极开展国家级示范项目申报，加强前沿技术掌握的同时推动项目开发。推进人工智能、物联网等科技成果在海上风电、分布式能源等领域的应用。
4.总结
风电项目如何提高效益，如何实现与煤电同平台竞争还面临诸多挑战。通过降低全寿命周期的设备采购成本、降低建设成本、提高资源评估、微观选址水平及应用前沿技术提升发电量可降低风电项目平准化成本（度电成本），从而保证风电项目健康、可持续发展。（本文由大唐新能源研究院发展研究中心供稿，龙泉执笔）
注：本文选自大唐新能源研究院内部资料《新能源政策与技术研究参考》2018年第2期
参考文献：
[1]张蓉. 新时代的可再生能源政策综述[J]. 新能源政策与技术研究参考，2018 ,(1).
[2]时璟丽.实现2020 年风电与燃煤发电同平台竞争目标的路径研究[J]. 可再生能源,2018,40(1).
[3]刘喜梅,白恺,邓春.大型风电项目平准化成本模型研究[J]. 可再生能源, 2016,34 (12).
[4]张运洲,黄碧斌.中国新能源发展成本分析和政策建议[J].中国电力, 2018, 51(1).
[5]潘晓春,石军.风电场全寿命期风电机组快捷优化选型研究[J].现代电力,2017, 34 (1).
[6]王瑜.基于LCOE方法的中国风电成本研究[D].华北电力大学,2017.
[7]尉潇.基于全寿命周期的风电企业设备成本分析及应用研究[D].华北电力大学,2017.
[8]张思文.全寿命周期理论在风电项目成本管理中的应用[D].华北电力大学,2017.
