2、资源评估与选址：风能资源评估、太阳能资源评估、园区屋顶与空地资源摸排、选址综合评分模型
大家好，我是老张。干新能源项目规划这行十几年了，今天咱们聊聊资源评估和选址。说实话，这一步要是走偏了，后面设计得再漂亮也是白搭。我见过太多项目，前期拍脑袋定了址，结果发电量上不去，运维成本还高得吓人。
资源评估说白了就两件事：风怎么样？光怎么样？再加上园区里能用的地方有多大。咱们一个一个说。
2.1 风能资源评估
风能评估，核心是搞清楚你园区那个位置，一年到头风怎么吹。我个人习惯，先看数据，再看现场。
2.1.1 测风塔
测风塔是啥？就是一根竖起来的铁塔，上面挂着风速仪、风向标。它直接测你园区上空的风。嗯，这里要注意：测风塔的高度，最好跟风机轮毂高度一致。你想想看，80米高的塔，你拿10米高的数据去算，那误差能大到离谱。
我在项目中遇到过，有个园区为了省钱，只立了30米的测风塔。结果算出来的发电量比实际高了30%。后来重新立塔，白白浪费了半年时间。
- 高度：建议80-100米（对应主流风机轮毂高度）
- 测风周期：至少连续1年，最好2年
- 数据采集频率：每10分钟一次
- 传感器数量：至少3层（顶部、中部、底部）
2.1.2 数据来源
除了自己立塔，还有几个数据源可以用。我建议你交叉验证，别只信一家。
| 数据来源 | 优点 | 缺点 |
|---|---|---|
| 气象站数据 | 时间长（30年以上） | 位置可能偏离园区，高度不匹配 |
| 再分析数据（如ERA5） | 全球覆盖，免费 | 空间分辨率低（约30km） |
| 商业数据库（如3TIER） | 精度高，服务好 | 贵，一年几万到几十万 |
| 测风塔实测 | 最准确 | 成本高，周期长 |
我曾经吃过一次亏。有个项目用了气象站的数据，离园区50公里。结果算出来年平均风速6.5m/s，实际立塔一测，只有5.2m/s。为什么？中间隔了一座山，风被挡住了。所以，数据源一定要结合地形看。
2.2 太阳能资源评估
太阳能评估比风能简单一些。核心是两个指标：GHI和DNI。说白了，GHI是太阳照到水平面上的总能量，DNI是直射的能量。
2.2.1 GHI（全球水平辐照度）
GHI是光伏项目最常用的指标。它包含了直射和散射。你想想看，阴天的时候，虽然没太阳直射，但光伏板还是能发电，那就是散射的功劳。
我建议你关注两个数：年GHI总量和月GHI分布。年总量决定发电量上限，月分布决定季节性。比如长三角地区，年GHI大概在1200-1400 kWh/m²，但6月梅雨季会明显偏低。
2.2.2 DNI（直接法向辐照度）
DNI主要用在光热项目或者双轴跟踪系统上。普通固定式光伏，其实不太看这个。但如果你园区打算上聚光光伏（CPV），那DNI就是命根子。
我记得有个项目，业主非要上CPV，结果一查DNI数据，年均只有800 kWh/m²。我直接跟他说：这地方搞CPV，回本得20年。后来他老老实实上了常规光伏。
- NASA SSE：免费，全球覆盖，但精度一般
- Solargis：商业数据，精度高，支持API调用
- Meteonorm：软件工具，可生成典型气象年数据
- 实测：用日射强度计，至少测1年
2.3 园区屋顶与空地资源摸排
这一步很多人会忽略。其实，资源评估不只是看天，还得看地。你园区里到底有多少屋顶能用？多少空地能装？
我个人习惯，先拿卫星图看一遍，再实地走一圈。卫星图能看出大概，但细节必须现场确认。
2.3.1 屋顶资源
屋顶不是都能用的。我列几个关键点：
- 结构承重：混凝土屋顶一般没问题，彩钢瓦屋顶要小心。我见过彩钢瓦屋顶装完光伏，下雨天漏水，业主天天投诉。
- 朝向和倾角：朝南最好，东西次之。北坡基本别想。
- 遮挡：烟囱、通风口、女儿墙，都会造成阴影。用阴影分析软件算一下，别凭感觉。
- 屋顶寿命：如果屋顶只剩5年寿命，你装光伏就是给自己挖坑。拆装一次的成本够你哭的。
2.3.2 空地资源
空地主要用来装地面光伏或者风机。注意几点：
- 土地性质：工业用地没问题，农用地要小心。别踩了红线。
- 地下管线：动工前必须拿到管线图。我有个朋友，挖地基把燃气管道挖爆了，赔了200万。
- 周边遮挡：空地旁边有没有高楼？有没有大树？这些都会影响光照和风。
- 运输通道：风机叶片那么长，路能不能拐进去？我见过一个项目，风机运到园区门口，结果门太窄，进不去。
2.4 选址综合评分模型
好了，数据都收集齐了，怎么选？我一般用评分模型。说白了，就是给每个候选点打分，选总分最高的。
下面是我常用的一个模型框架：
# 选址综合评分模型（简化版）
# 权重可以根据项目实际情况调整
scores = {
'风能资源': 0.25,
'太阳能资源': 0.25,
'屋顶可用性': 0.20,
'空地可用性': 0.15,
'电网接入': 0.10,
'交通条件': 0.05
}
def calculate_score(site_data):
total = 0
for factor, weight in scores.items():
# 每个因素打分 0-100
score = site_data[factor] * weight
total += score
return total
# 示例
site_a = {
'风能资源': 85,
'太阳能资源': 70,
'屋顶可用性': 90,
'空地可用性': 60,
'电网接入': 80,
'交通条件': 75
}
print(f"Site A 总分: {calculate_score(site_a):.1f}")
这个模型看着简单，但实际用起来很灵活。你可以根据项目侧重点调权重。比如，如果园区主要搞风电，那把风能资源的权重调到0.4，太阳能降到0.1。
最后，我画了一张图，把整个资源评估和选址的逻辑串起来。你看一眼，心里就有数了。
这张图把整个流程串起来了。从风能、太阳能、园区资源三个方向收集数据，最后汇总到评分模型，输出选址决策。你照着这个框架走，基本不会出大错。