基于多場景生命周期評價的海島小型風力發電機預安裝評估

莫秋云, 廖智強, 劉偉豪, 蔣 立, 管會森, 何聲文

基于多場景生命周期評價的海島小型風力發電機預安裝評估

莫秋云1, 2, 廖智強1, 劉偉豪2, 蔣 立2, 管會森2, 何聲文1

(1. 桂林電子科技大學 海洋信息工程學院, 廣西 桂林 541004; 2. 桂林電子科技大學 機電工程學院, 廣西 桂林 541004)

為了準確評估海島風電系統中小型風力發電機的綠色效益, 以南海某海島(記為South)和東海某海島(記為East)為例, 引入全生命周期評價技術, 在此基礎上進行多場景因素分析, 并以能量償還時間為指標, 對比兩安裝地評估結果, 對風機進行預安裝評估。評估關鍵在于, 利用Gabi軟件balance模塊得出風機生命周期生命周期總能耗, 無場景因素下總能耗為2 331.36 MJ(South)與2 372.83 MJ(East), 多場景因素下總能耗為2 110.01 MJ(South)與2 151.03 MJ(East); 通過實驗獲得風機在不同風速下的功率特性數據, 采用概率論求解法求得安裝后風機年發電量為276.45 kWh(South)與304.96 kWh(East); 通過EPBT償還公式計算得到, 無場景因素償還時間為2.34 a(South)與2.16 a(East)、多場景因素償還時間為2.12 a(South)與1.96 a(East)。結果表明: 在評估過程中引入場景因素, 風機綠色效益評估更準確; 該評估可以給海島小型風機的安裝選址提供參考, 避免造成不必要的資源浪費。

海島風電; 海島小型風機生命周期評價; 海島小型風機生命周期場景; 能量償還時間

海島風電是海上風電中的重要組成部分[1]。大中型海島主要通過海底電纜聯網供電[2]; 小型海島一般距離內陸較遠, 由于長距離海底電纜供電故障率高、傳輸功率損耗大[3]和自身面積限制等問題, 風電系統中多采用小型風力發電機。然而多數海島風電系統只是內陸風電系統的一種簡單移植, 部分風機安裝后的發電能力遠低于預期, 甚至無法抵消生產能耗, 違背了綠色設計初衷[4]。而生命周期評價(life cycle assessment, LCA)技術, 是針對某一個產品, 對整個生命周期的環境屬性和潛在的影響進行評價的技術[9], 能夠有效的評估風機綠色效益。所以, 有必要利用LCA技術對海島小型風機進行預安裝評估, 判斷其是否真正的綠色環保。

楊舉華等[5]對上海東海大橋風電場進行了LCA分析, 得出了設備生產與運輸階段能耗最大的結論; Bonou等[6]分別評估了歐洲海陸風電向電網提供1 kWh電力的影響, 發現相對于陸上風電場海上風電場總體影響更高; Chipindula[7]對得克薩斯州與墨西哥灣海岸的陸上、淺水、深水3個位置進行了分析評價, 發現生命周期階段中影響最大的是材料加工階段; Weinzettel[8]對一個漂浮式基礎概念模型進行了LCA研究, 得出了浮式風電場與非浮式風電場對環境的影響相似的結論。

目前國內外學者對海上風電綠色效益評估仍集中在大型海上風力發電機和海上風電場, 對應用于海島的小型風力發電機的相關評估研究文獻很少。并且在評估過程中, 大多是都基于某些單一的數據進行評價, 對場景特征反應較少。因此, 本文通過對風機進行南海、東海兩個預安裝海島的多場景LCA預安裝評估, 對比驗證評估結果, 從而更準確評估風機綠色效益, 為海島小型風機的安裝選址提供參考。

1 生命周期與場景

產品生命周期的從開始到結束, 其中的環境屬性主要表現為材料的變化以及能量的傳遞。其生命周期階段中環境影響示意圖如圖1所示。

圖1 產品的生命周期階段對環境的影響

上述所發生的對環境影響的各類活動的特征描述, 即是場景。主要包括時空、人員、環境自身、方式等方面。某產品生命周期的部分場景表1所示。

表1 某產品生命周期部分場景

產品生命周期評價的難點主要在于數據的獲取與準確性, LCA數據的多態性、時變性、敏感性是其中的主要原因。在產品生命周期階段, 引入場景因素, 進行多場景的綜合分析, 能夠使數據提升評價的準確性。

2 多場景總輸入能量計算

根據國際標準化組織(ISO)規定[10], LCA主要包括四個步驟: 目的和范圍的確定、清單分析、影響評估以及結果解釋。本文主要是利用生命周期評價技術, 對風機生命周期的總輸入能量進行多場景的綜合分析計算, 主要包括目的范圍確定、清單分析以及評價結果三部分。生命周期輸入總能量記為:

式中:r為原材料階段能量輸入,p為生產階段能量輸入,t為運輸階段能量輸入,u為使用階段能量輸入,s為報廢階段能量輸入。

2.1 目的與范圍

研究目的: 計算多場景因素下, 風機生命周期總輸入能量(生命周期中的前期市場調研與風機設計部分生產廠家已定型不做計算); 根據研究目的和輸入總能量的計算公式(1)劃分研究范圍, 主要包括: 生產耗能、運輸耗能、使用耗能及報廢處理耗能4部分, 研究范圍系統邊界圖如圖2所示。

圖2 風機LCA系統邊界圖

在實際的使用過程中, 相對大型并網風力發電機, 一般的離網小型風力發電機耗能極小[11], 且數據獲取不便, 故本文在計算風機生命周期總輸入能量時, 使用階段的能耗u忽略不計。

2.2 清單分析

清單分析是生命周期評價中的基礎部分, 也是工作量最大的一個部分。為閱讀方便, 以表格形式列出清單數據。主要包括以下4個方面: 原材料清單、整機生產數據清單、運輸清單、報廢處理清單。

南海和東海預安裝的風機選由同一生產廠家生產, 均以 JDX-S-300型垂直軸風力發電機為研究對象, 其中:風機啟動風速2 m/s、額定工作風速12 m/s、可正常工作風速為2~15 m/s, 額定功率300 W、最大功率400 W、正常工作時輸出功率0~300 W, 整機重量33.5 kg。

生產數據清單主要通過企業以往的公開數據獲得, 生產制造過程使用混合電, 耗電量為50 kWh, 主要部分清單數據如表2所示。

表2 風機原料清單

隨著社會進步, 生產階段場景會產生一定程度的變化, 如企業的制造工藝水平和員工結構等。楊傳明[12]通過對能耗和氣體排放數據進行研究, 發現我國工業的能耗水耗距離、二氧化硫距離等, 已逐年下降, 年均幅度分別為: 10.34%、10.13%、21.42%; 楊志杰[13]通過對企業中員工的總數、結構、運行效率關系進行分析, 發現一定程度上的控制員工總量, 并且調整員工的結構, 能夠提升企業人力資源的管理效率, 進而提升運營效率。此類生產階段場景因素, 會對后續的生產耗能的balance計算結果造成一定影響。

擬定安裝的海島, 陸上運輸距離為513 km (South)與1 433 km(East), 海上運輸距離為36 n mile(South)與13 n mile(East)。根據運輸距離與運輸方式, 列出相應的無場景因素運輸數據清單1, 如表3所示。

表3 風機運輸數據清單1

考慮運輸階段的場景因素, 如廠家為節約成本, 生產廠址與裝船地點之間原采用汽車運輸, 現改用火車運輸。此類場景因素引入后, 改變了運輸階段中運輸距離和運輸方式, 會對后續的能耗計算產生一定影響。

預安裝的南海及東海海島, 現有運輸方式中, 從大陸港口至海島階段仍采用貨輪運輸, 陸上運輸階段原采用公路運輸, 因生產規模的擴大而采用大批量運輸, 基本改為鐵路運輸方式以節約成本。在引入場景因素后, 運輸階段數據清單2如表4所示。

風機的制造材料主要為一般金屬材料(普通鋁材), 回收價值較低; 部分構件中含有塑料成分, 采用焚燒處理方式容易造成環境污染, 所以南海和東海海島預安裝風機的報廢階段均選用填埋處理方式。報廢階段處理清單如表5所示。

表4 風機運輸數據清單2

表5 風機報廢清單

利用Gabi軟件, 通過輸入風機生命周期中的清單數據, 從而得到能耗數據。由于南海和東海海島的生產方式、運輸方式和報廢回收方式相同, 所以兩地海島建立的plan模型也相同, 只在模型中輸入的清單數據(主要是運輸距離)存在區別, 建立的具體數據部分的plan模型, 其中的生產階段plan模型如圖3、處理階段plan模型如圖4所示。

圖3 生產階段plan模型

圖4 處理階段plan模型

2.3 評價結果

對建立的風機生命周期plan模型, 利用Gabi軟件中balance模塊進行計算, 得到生命周期各階段耗能如圖5所示。

圖5 兩安裝地點風機生命周期能耗圖

從圖中可以得出: 無場景因素引入時生命周期總能耗2 331.36 MJ(South)與2 372.83 MJ(East), 多場景因素生命周期總耗能2 110.01 MJ(South)與2 151.03 MJ(East)。其中, 耗能最高的仍是生產階段, 引入場景因素進行分析計算后, 生產能耗有一定程度的降低; 相對于生產能耗, 運輸能耗占比很小, 在引入場景因素后有一定提升; 報廢回收階段沒有考慮場景因素影響(即原處理方式與現處理方式相同), 能耗無變化。其中南海與東海海島能耗部分主要區別在于運輸階段, 主要是因為生產廠址與倆海島之間距離相差較大; 預安裝風機均由同一廠家進行生產制造, 生產耗能部分差異極小忽略不計。

3 能量償還時間

能量償還時間(Energy Pay Back Time, EPBT)作為評價一個系統發電能力的重要指標[14], 指的是發電系統中生命周期階段輸入總能量與其年發電量的比值, 將償還時間記為, 具體表達式為

式中:I為輸入總能量;O為年發電量。

預安裝的南海海島為亞熱帶季風氣候, 風速變化相對穩定, 一年之中存在一定數量的大風天氣, 臺風影響時間極少(>14 m/s), 忽略不計; 預安裝的東海海島為亞熱帶海洋性季風氣候, 一般情況下風速較為平穩, 且風力存在著明顯的局地性、季節性特征[15]。風速頻率分布數據主要通過氣象部門的統計獲得, 分別如表6所示。

表6 風速與頻率

風機年發電量主要利用概率論求解方法計算[16], 計算表達式如下:

, (4)

經實驗獲取的風機風速與功率數據通過MATLAB進行多項式擬合, 得到功率特性曲線圖, 實驗測試平臺如圖6, 曲線圖如圖7所示。

圖6 實驗平臺

注: ①軸流風機; ②JDX-S-300型垂直軸風力發電機; ③控制箱; ④整流器; ⑤蓄電池

圖7 風機功率特性曲線圖

圖7中曲線函數表達式如下:

結合式(4)與式(5)可計算出擬安裝位置風機年發電量為276.45 kWh(South)與304.96 kWh(East), 其中1 kWh=3.6 MJ。根據式(2), 將之前計算的無場景因素引入時生命周期總能耗與多場景因素生命周期總能耗代入計算, 分別求得: 安裝后的無場景能量償還時間約為2.34 a(South)與2.16 a(East), 引入場景因素后為2.12 a(South)與1.96 a(East)。

綠色效益評估主要通過能量償還時間與風機預期壽命進行比較, 償還時間越短, 風機壽命越長, 綠色效益越好。廠家給出的此類風機預期使用壽命在20年左右, 相對無場景因素引入評估, 進行多場景因素評估后, 在南海及東海兩個預安裝海島, 風機的綠色效益相對原有結果均有所提升。

4 結論

利用生命周期評價技術, 分別以南海某島及東海某島為預安裝地點, 對一款小型垂直軸風力發電機進行多場景分析的預安裝評估。通過對比南海與東海海島的評估結果, 驗證了方法的普及性的同時, 發現引入場景因素后, 南海及東海海島風機生命周期總輸入能量和能量償還時間計算結果更準確更符合實際, 相對未引入時計算結果均有一定程度的降低, 風機綠色效益更好。主要結論如下:

1) 該預安裝方法具有普及性。在已知風機的參數、工藝、生產廠家廠址、擬安裝地點等相關數據時, 利用該評估方法, 可以對風機的綠色效益進行評估, 并根據評估結果, 判斷風機的選型及選址是否合適, 從而避免不必要的資源浪費。

2) 該評估方法評估結果更準確。通過在生命周期評價過程中引入場景因素, 進行多場景綜合分析, 能夠提升生命周期中能耗數據計算的準確性, 進而更準確的評估風機安裝后的綠色效益, 為風機的安裝提供準確參考。

本文只是給出了一種海島小型風機的預安裝評估方法, 以準確評估風機的綠色效益。研究過程中發現, 海島小型風電系統受到相對惡劣的海洋環境影響[17], 風機實際使用壽命大多低于廠家給出的預期壽命, 綠色效益往往低于預期。因而后續可對影響風機實際使用壽命的相關因素展開進一步的分析研究, 如通過提升風機的可靠性、增加保護措施等, 以提升風機的實際使用壽命, 使風機更加綠色環保。

[1] 趙樹迪, 鄭宇. 一種推進中國海島縣域經濟發展的復合模式的提出: 以山東長島縣為例[J]. 科學與管理, 2017, 37(1): 49-53. Zhao Shudi, Zheng Yu. A complex model to assess eco-nomic growth of China’s island counties: A case study of Changdao County[J]. Science and Management, 2017, 37(1): 49-53.

[2] 李程, 李劍, 崔芳芳. 舟山海島電網規劃方案探討[J]. 浙江電力, 2011, 30(6): 4-8. Li Cheng, Li Jian, Cui Fangfang. Exploration on power grid planning of Zhoushan Islands[J]. Zhejiang Electric Power, 2011, 30(6): 4-8.

[3] 袁康龍, 許峰, 李俊杰. 考慮本地氣電和柔直聯網的海島供電方案研究[J]. 南方能源建設, 2018, 5(4): 73- 77. Yuan Kanglong, Xu Feng, Li Junjie. Research on local natural gas power development and flexible HVDC connection with mainland for islands[J]. Southern Energy Construction, 2018, 5(4): 73-77.

[4] 徐剛, 宋穎慧. 面向機電產品的綠色設計探析[J]. 機電產品開發與創新, 2018, 31(3): 32-34. Xu Gang, Song Yinhui. An analysis of green design for electromechanical products[J]. Development & Innovation of Machinery & Electrical Products, 2018, 31(3): 32-34.

[5] 楊舉華, 張力小, 王長波, 等. 基于混合生命周期分析的我國海上風電場能耗及溫室氣體排放研究[J]. 環境科學學報, 2017, 37(2): 786-792.Yang Juhua, Zhang Lixiao, Wang Changbo, et al. Energyconsumption and greenhouse gas emission of an offshore wind farm in China: A hybrid life cycle assessment per-spective[J]. Acta Scientiae Circumstantiae, 2017, 37(2): 786-792.

[6] Bonou A, Laurent A, Olsen S I, et al. Life cycle assess-ment of onshore and offshore wind energy-from theory to application[J]. Applied Energy, 2016, 180: 327-337.

[7] Jesuina C, Venkata B, Hongbo D, et al. Life cycle enviro-nmental impact of onshore and offshore wind farms in Texas[J]. Sustainability, 2018, 10(6): 2022-2040.

[8] Weinzettel J, Reenaas M, Solli C, et al.Life cycle asse-ss-ment of a floating offshore wind turbine[J]. Renewable Energy, 2009, 34(3): 742-747.

[9] 陳舒婷, 龔卓炫. 生命周期評價研究方法與展望[J]. 廣東化工, 2018, 45(22): 61-62. Chen Shuting, Gong Zhuoxuan. Research methods and prospects of life cycle assessment[J]. Guangdong Che-mical Industry, 2018, 45(22): 61-62.

[10] ISO 14040, Environmental Management-Life Cycle: Life Cycle Inventory Analysis[S].

[11] Bukala J, Damaziak K, Karimi H R, et al. Modern small wind turbine design solutions comparison in terms of estimated cost to energy output ratio[J]. Renewable Energy, 2015, 83: 1166-1173.

[12] 楊傳明. 中國工業生態水平動態變化及行業分類研究[J]. 企業經濟, 2018, (10): 11-18. Yang Chuanming. Study on dynamic change of industrial ecology level and industry classification in China[J]. Enterprise Economy, 2018, (10): 11-18.

[13] 楊志杰. 控制員工總量, 調整員工結構, 提升運營效率[J]. 現代國企研究, 2018, (10): 81. Yang Zhijie. Controlling the total number of employees, adjusting the structure of employees and improving operational efficiency[J]. Modern SOE Research, 2018, (10): 81.

[14] 楊金煥. 光伏系統能量償還時間的分析[J]. 上海節能, 2010, (1): 11-14. Yang Jinhuan. Analysis of the Energy Pay Back Time of photovoltaic System[J]. Shanghai Energy Conservation, 2010, (1): 11-14.

[15] 黃輝, 陳淑琴. 舟山海域風力分布特征分析[J]. 海洋預報, 2006, 23(1): 76-80. Huang Hui, Chen Shuqin. Analysis of wind distribution characteristics in Zhoushan sea area[J]. Marine Forecast, 2006, 23 (1): 76-80.

[16] 代元軍, 汪建文, 溫彩鳳, 等. 利用WAsP軟件對風力機發電量的預測[J]. 可再生能源, 2011, 29(1): 103- 106. Dai Yuanjun, Wang Jianwen, Wen Caifeng, et al. The forecast of energy production of wind turbine based on WAsP[J]. Renewable Energy Resources, 2011, 29(1): 103-106.

[17] 何如, 黃梅麗, 羅紅磊, 等. 近五十年來廣西海島的氣候變化與氣象災害特征分析[J]. 氣象研究與應用, 2015, 36(2): 31-35, 39. He Ru, Huang Meili, Luo Honglei, et al. Characteristic analysis of the climate change and the meteo-rological disasters of Guangxi’s island during recent 50 years[J]. Journal of Meteorological Researchand Application, 2015, 36(2): 31-35, 39.

Pre-installation assessment of small island wind turbines based on multi-scenario life cycle assessment

MO Qiu-yun1, 2, LIAO Zhi-qiang1, LIU Wei-hao2, JIANG Li2, GUAN Hui-sen2, HE Sheng-wen1

(1. College of Marine Information Engineering, Guilin University of Electronic Science and Technology, Guilin 541004, China; 2. College of Mechanical and Electrical Engineering, Guilin University of Electronic Science and Technology, Guilin 541004, China)

In order to accurately assess the green benefits of small- and medium-sized wind turbines on island wind power systems, this paper examines an island in the South China Sea (hereafter, “South”) and another in the East China Sea (hereafter, “East”) and applies life cycle assessment (LCA) technology. Based on multi-scenario factor analysis and energy payback time (EPBT), the two installation site results are assessed for their wind turbine energy potential. The key to the evaluation is the use of a GaBi software balance module to calculate the total energy consumption over the wind turbine life cycles. In the absence of scenario factors, the total energy consumption is 2 331.36 MJ (South) and 2 372.83 MJ (East). Under multi-scenario factors, the total energy consumption is 2 110.01 MJ (South) and 2 151.03 MJ (East). The power characteristics of the turbines at different wind speeds are obtained via experimentation. The annual power output of the turbines after installation on the islands is 276.45 kWh (South) and 304.96 kWh (East), obtained via the probability theory solution method. According to the EPBT payback formula, the no-scenario factor payback time is 2.34 a (South) and 2.16 a (East), while multi-scenario factor payback time is 2.12 a (South) and 1.96 a (East). The results show that scenario factors are introduced into the evaluation process, rendering the green benefit evaluation of the wind turbine more accurate. The evaluation can provide a reference for the installation site selection of small-scale fans on islands, thus avoiding an unnecessary waste of resources.

island wind power; life cycle assessment of small island wind turbines; life cycle scenario of small island wind turbines; energy payback time

Jul. 23, 2019

[National Natural Science Foundation Project, No.51465010; Project of Guangxi Natural Science Foundation , No.2018GXNSFAA050077]

TK89

A

1000-3096(2020)04-0124-07

10.11759/hykx20190723002

2019-07-23;

2019-09-11

國家自然科學基金項目(51465010); 廣西自然科學基金面上項目(2018GXNSFAA050077)

莫秋云(1971-), 女, 廣西桂林人, 教授, 目前主要研究方向離網小型垂直軸風力發電機的應用, 電話: 13768132518, E-mail: 6285745@qq.com; 廖智強,

, 湖南衡陽人, 碩士研究生, 研究方向為海上風電與LCA, 電話: 18677335801, E-mail: 804755138@ qq.com

(本文編輯: 劉珊珊)