海上风电规划新范式：融合NREL分类与TOPSIS的智能评估体系

为解决海上风电场选址中复杂参数评估不足的问题，研究人员提出了一种融合NREL风能潜力分类与TOPSIS多准则决策的集成方法。通过分析25个候选场址（含5个运营风场）的风速、功率密度、容量因子(Cf)、水深等指标，结合Weibull分布建模与九种参数估计方法，验证了最大似然法(MLM)、最小二乘法(LSM)和WAsP法(WASP)的优越性。研究显示P6（丹麦）和P19（法国）预测值与实际值高度吻合，而P1（中国）和P11（英国）存在显著正偏差，表明未充分开发的风能资源可通过先进涡轮技术优化。生产成本区间为0.008-0.028$/kWh，P4（加拿大）在五种权重场景下均表现优异。该体系为海上风电优先开发提供了高精度技术经济评估框架。

　　

在全球能源转型与碳中和目标的驱动下，海上风电(OWE)因其高能量密度和低土地利用冲突成为可再生能源发展的战略重点。然而，海上风电场的选址涉及风速(WS)、水深、海底稳定性等十余项复杂参数的协同评估，现有研究往往侧重单一技术指标而忽视经济地理约束，导致实际开发效率与理论潜力存在显著差距。更棘手的是，传统评估方法缺乏对风资源概率分布的精确建模，且多准则决策工具如层次分析法(AHP)与地理信息系统(GIS)的整合不足，造成选址决策的科学性与可重复性受限。

针对这些瓶颈，研究人员在《Results in Engineering》发表了创新性研究。该团队构建了首个将美国国家可再生能源实验室(NREL)风能潜力分类与逼近理想解排序法(TOPSIS)深度融合的评估框架。研究选取全球25个典型海域（含5个已运营风场如中国P1、丹麦P6），通过欧洲中期天气预报中心ERA5数据库获取20年风速数据，采用Weibull分布九种参数估计方法对比，结合功率密度(P_D)、容量因子(C_f)等核心指标，最终建立兼顾技术可行性与经济性的选址模型。

关键技术方法包括：1) 基于ERA5的100米高度风速数据清洗与统计建模；2) Weibull形状参数(k)与尺度参数(c)的九种估计算法对比；3) NREL七级分类标准筛选（保留3-7类场址）；4) TOPSIS五组权重场景下的敏感性分析；5) 平准化度电成本(LCOE)经济性验证。

实际统计与NREL分类
对25个场址的实测数据分析显示，中国P1场址以10.79 m/s平均风速和1203.3 W/m²功率密度位列NREL 7级（超级资源），而法国P19（7.96 m/s，533.1 W/m²）属于4级（良好资源）。月尺度分析揭示南半球场址如阿根廷P5的风速稳定性优于季风影响的北半球场址，这为风机选型提供了关键依据。

Weibull参数估计
通过最大似然法(MLM)获得的参数精度最高，如丹麦P6场址的k=2.311、c=10.364 m/s，其确定系数R²达0.9932。风玫瑰图显示巴西P13/P14具有单一主导风向，而英国P11呈现多风向特征，这直接影响风机阵列布局设计。

容量因子与能量产出
采用Vestas V164/9.5MW涡轮机模拟显示，未开发场址如纳米比亚P2容量因子达77.3%，显著高于运营中的中国P1（83%预测值 vs 45%实际值）。特别值得注意的是，加拿大P4在TOPSIS五组权重场景中均位列前二，其LCOE最低至0.008$/kWh，经济优势突出。

多准则决策验证
TOPSIS分析中，技术指标（C_f、P_D）权重占60-80%时，阿根廷P5和加拿大P4综合得分最高；而当经济指标（水深、离岸距离）权重提升至40%时，法国P19排名上升。这种动态权重响应机制为政策制定提供了灵活工具。

该研究通过严密的数学建模与实证验证，首次实现了海上风电"资源潜力-技术适配-经济可行"的三维协同优化。其创新性体现在：1) 建立Weibull参数估计精度排序（MLM>LSM>WAsP）；2) 揭示运营风场实际产能与理论值的偏差机制（如中国P1的涡轮机选型保守）；3) 提出浮动式风机在深水区的LCOE降低路径。这些发现不仅为《巴黎协定》减排目标提供了可行方案，其方法论框架更可拓展至潮汐能、波浪能等海洋可再生能源评估领域。未来研究可结合人工智能优化权重分配，并纳入生态影响等非量化指标，进一步完善可持续能源规划体系。