ВЕТРОЭНЕРГЕТИЧЕСКИЕ РЕСУРСЫ РОССИИ И ПЕРСПЕКТИВЫ ИХ ОСВОЕНИЯ Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

ВЕТРОЭНЕРГЕТИКА

WIND ENERGY

Статья поступила в редакцию 17.04.11. Ред. рег. № 962 The article has entered in publishing office 17.04.11. Ed. reg. No. 962

УДК 621.311.24

ВЕТРОЭНЕРГЕТИЧЕСКИЕ РЕСУРСЫ РОССИИ И ПЕРСПЕКТИВЫ ИХ ОСВОЕНИЯ

В.Г. Николаев, С.В. Ганага

НИЦ «АТМОГРАФ» 117335, Москва, ул. Профсоюзная, д. 42/4, офис 1 Тел./факс: 8-499-744-41-63, E-mail: atmograph@gmail.com

Заключение совета рецензентов: 20.04.11 Заключение совета экспертов: 25.04.11 Принято к публикации: 27.04.11

В статье описаны информационная база, методика и результаты определения и анализа ветроэнергетических ресурсов (ВЭР) России. Изучены основные закономерности и особенности пространственной и временной изменчивости ВЭР на территории России, определены количественные характеристики ВЭР в разных регионах страны с оценкой их пригодности для практической утилизации с помощью современных ветроэнергетических установок (ВЭУ).

Ключевые слова: ветроэнергетика, ветроэнергетические ресурсы, ветроэлектрические установки и станции.

RUSSIAN WIND RESOURCES AND PROSPECTS OF THEIR MASTERING

V.G. Nikolaev, S.V. Ganaga

RIC "ATMOGRAPH" 42/4, office 1, Profsoyuznaya str., Moscow, 117335, Russia Tel./fax: 8-499-744-41-63, E-mail: atmograph@gmail.com

Referred: 20.04.11 Expertise: 25.04.11 Accepted: 27.04.11

The description of information basis, methods and results of definition and analysis of wind resources (WR) in Russia. The main peculiarities of space and temporal variability of wind resources across the territory of Russia were investigated. The qualitative characteristics of WR in different regions of the country were defined with the estimation of their suitability for practical utilization with the modern wind turbines.

Keywords: wind power engineering, wind power resources, wind turbines, wind electric plants.

В работе определены основные закономерности и особенности пространственного и временного распределения на территории России ветровых характеристик и ветроэнергетического потенциала (ВЭП): средних месячных и сезонных скоростей и направлений ветра, их суточных и годовых вариаций, функций распределения ветра по скорости и направлениям, высотных профилей скорости ветра, повторяемости ветроэнергетических штилей и буревых скоростей; а также энергетической эффективности ветроэнергетических установок (ВЭУ): мощности и выработки энергии за период и их суточные вариации, длительности штилевых и буревых простоев ВЭУ и пр.

В ходе методических исследований и анализа известных отечественных и зарубежных методов определения ВЭП и эффективности ветроэнергетических станций (ВЭС) в предшествовавших работах авторов [1, 2] установлены наиболее точные из них и на их основе развита методика эффективного решения поставленных задач. Методика определения регио-

нальных и локальных характеристик ветра и ВЭП основана на статистическом моделировании с использованием данных ближайших метеорологических (МС) и аэрологических (АС) станций с учетом особенностей подстилающей поверхности и рельефа и технических, энергетических и экономических характеристик современных ВЭУ.

Информационную основу методики составляют данные многолетних (1960-1980 гг.) четырехразовых в сутки измерений характеристик ветра и термодинамических параметров в пограничном слое атмосферы (ПСА) на территории РФ на государственной сети « 2250 МС и 105 АС с периодом наблюдений не менее 15-20 лет. Правомочность использования средних многолетних (климатических) данных 2030-летней давности для долгосрочного (на период 15-25 лет) прогноза ВЭП и энергетики ВЭС на предстоящие 20-25 лет обоснована в [1] на основе исследования колебаний климата на территории России по вековым данным метеонаблюдений на 11 МС (рис. 1).

International Scientific Journal for Alternative Energy and Ecology № 3 (95) 2011

© Scientific Technical Centre «TATA», 2011

Рис. 1. Распределение среднегодовой скорости ветра по многолетним данным метеорологических наблюдений на высоте = 10 м (сверху) и аэрологического зондирования ПСА на высоте 100 м (снизу) Fig. 1. The annual mean wind speed distribution on the basis of long term meteorological data at height of = 10 m (top) and aerologic data at 100 m height (bottom)

Выбранные данные официально рекомендованы Госкомгидрометом СССР и Росгидрометом РФ, имеют статус нормативных и прошли методическую и многолетнюю практическую апробацию в авиационно-космической, оборонной, энергетической и других отраслях и являются наиболее полными, информативными и надежными при решении практических задач, требующих учета ветровых и прочих климатических факторов.

Для определения энергетической эффективности ВЭУ в работе использованы необходимые сведения о технических показателях современных ВЭУ разных типов.

Массовая обработка данных и статистическое моделирование ВЭР и эффективности ВЭУ на территории России проведено с использованием специализированной компьютерной базы данных «Флюгер»

[3], содержащей ветровые и термодинамические характеристики атмосферы.

Принципиальная схема статистического моделирования ВЭП и эффективности ВЭС в заданном пункте по развитой авторами методике изображена на рис. 2.

В соответствии с подходом работы [1] для реализации схемы вокруг рассматриваемого пункта с известными координатами выбираются все соседние метеорологические и аэрологические станции, расположенные на круговых территориях с центром в заданном пункте с зависящими от плотности расположения метеостанций радиусами ЛМЕТЕО до 250 км и ^АЭРО ~ 500-700 км для статистического моделирования средних скоростей на высоте метеоизмерений (10-14 м) и средних скоростей и функций распределения ветра на высоте ~ 100 м соответственно.

База данных многолетних аэрологических измерений ветра в пограничном слое атмосферы

I

Численно-статистическое моделирование средних месячных скоростей ветра в заданном пункте или районе на высоте 100 м

I

Расчетные или измеренные

рабочие (мощностные) характеристики ВЭУ Р( V)

I

1 У7 ^ Рвэу = - к ] Р(У)/(V)й¥

Статистическое моделирование среднемесячных скоростей ветра в заданном пункте, районе на высоте метеоизмерений

I

Построение средних месячных и сезонных моделей высотного профиля скорости до высот 100-200 м и расчет скоростей ветра на высоте осей ветроколес ВЭУ ЯВК

I

Эмпирико-статистические модели сезонных функций распределения /(V) в месте размещения ВЭУ на высоте НВК

Расчет и анализ энергетических показателей разных ВЭУ и ВЭС в целом в местах и районах возможной их установки

База данных многолетних измерений ветра и метеопараметров на сети ГМС

I

Эмпирико-статистическое моделирование региональных средних сезонных функций распределения ветра по скоростям /(V)

т

Данные о рельефе, подстилающей поверхности и экранирующих ветер препятствиях в местах размещения ВЭУ

Выводы о целесообразности

возведения ВЭС, выбор базовых ВЭУ для ВЭС, мест и схемы их размещения

Рис. 2. Схема определения характеристик ВЭП и энергетической эффективности ВЭС в отдельных местах и районах их

предполагаемого использования Fig. 2. The scheme of wind potential parameters and power effectiveness definition in given points and region of their prospective use

Определение (вблизи МС и АС) или моделирование (в межстанционных пространствах) средних скоростей ветра в заданном пункте территории на высоте метеорологических измерений и на высоте 100 м (рис. 1) осуществлялось по данным многолетних измерений ветра на ближайших станциях с учетом местных особенностей подстилающей поверхности и рельефа. Максимальная точность моделирования средних скоростей ветра в межстанционных пространствах на высоте 10-14 м достигается, согласно [1], при использовании процедуры «очистки» скоростей ветра от эффектов затенения (приведения данных МС к условиям гладкой равнинной местности) с использованием классификации Милевского для определения закрытости МС. Повышение точности моделирования средних скоростей ветра в простран-

ствах между АС на высоте 100 м достигается, согласно [1], при использовании модели линейной пространственной интерполяции данных соседних АС с весовыми коэффициентами, обратно пропорциональными расстоянию до исследуемого пункта.

В случае совпадения исследуемого на предмет установки в нем ВЭУ пункта с местом расположения аэрологической и метеорологической станции задача определения ВЭП упрощается, а точность определения ВЭП и мощности ВЭУ возрастает.

Определение средних за какой-либо временной период Т (месяц, сезон, год) значений ВЭП, характеризуемых удельной мощностью ветра Ж (Вт/м2), и мощности ВЭУ РТВЭУ (кВт) с заданной рабочей характеристикой РУ) основано на расчете интегралов:

International Scientific Journal for Alternative Energy and Ecology № 3 (95) 2011

© Scientific Technical Centre «TATA», 2011

Ж = - р] V3/(V)сУ; (1)

2 0

^бур

РвТэу = ктигКнид (р / Р0) ] P(V)/(V)dV . (2)

V)

где КНИд - коэффициент неидеальности ВЭУ, определяемый инерционностью систем управления, неоднородностью обдувки ВК, ветровым экранированием ВЭУ друг другом и окружающими их препятствиями, потерями в сетях ВЭС и пр.; Vбур - буревая скорость, при которой ВЭУ останавливается во избежание поломок (буревой простой); V0 - стартовая скорость ветра, ниже которой ВЭУ не работает (ветроэнергетический штиль); Р(¥) - мощностная характеристика ВЭУ; /(V) - функция плотности распреде-

ления ветра по скоростям на высоте оси ВК; р0 и р -соответственно, стандартная (при нормальных атмосферных условиях) и фактическая плотность воздуха. КТГ - коэффициент ТГ ВЭУ, как следует из практики, существенно меняется на протяжении периода работы ВЭУ.

Для определения/(V) в заданном районе в работе использована методика, основанная на определении средних региональных и сезонных однопараметри-ческих (зависящих только от средней скорости ветра) функций распределения ветра по скоростям на основе их статистического моделирования по данным о повторяемости ветров по градациям, полученным на всех метеостанциях рассматриваемого региона (рис. 3 и 4).

Рис. 3. Среднегодовые функции Гринцевича для разных значений средней скорости ветра для северных районов

европейской территории России (ЕТР) Fig. 3. The annual mean Grintsevich's functions for different values of wind speed for the northern European part of Russia

Рис. 5. Экспериментальные (по данным АС) и модельные среднегодовые высотные профили скорости ветра для Архангельска

Fig. 5. Experimental (on aerologic data) and modeled annual mean wind speed profile for Archangelsk

Рис. 4. Средние сезонные и годовая функции Гринцевича для средней скорости ветра V = 6,0 м/с для северных районов ЕТР Fig. 4. The seasonal and annual mean Grintsevich's functions for the mean wind speed of V = 6.0 m/s for the northern European part of Russia

Рис. 6. Среднегодовые высотные профили скорости ветра для севера европейской территории РФ по данным АС региона Fig. 6. Annual mean wind speed profile for the northern European part of Russia on the aerologic data

В силу установленного в работе достаточно однозначного в статистическом смысле соответствия для данного района и сезона функции распределения /(V) и средней сезонной скорости ветра в приземном 100-метровом слое атмосферы точность расчета характеристик ВЭП и ВЭУ определяется в соответствии с развитой методикой точностью определения средней сезонной скорости ветра на заданной высоте ПСА (рис. 5 и 6).

Список известных ныне зарубежных и отечественных методик моделирования ветровых характе-

ристик в приземном 100-метровом ПСА приведен в табл. 1. Развитие методик, как видно из таблицы, идет в направлении увеличения точности за счет привлечения большего числа метеорологических станций и данных измерений на них, а также использования данных аэрологического зондирования ветра в ПСА. Моделирование характеристик ветра, ВЭР и энергетических показателей ВЭУ, гипотетически размещенных в местах расположения аэрологических и метеорологических станций, проведено в работе всеми приведенными в табл. 1 методиками.

Таблица 1

Методики для моделирования характеристик ветра и энергетических показателей ВЭУ

Table 1

Methods of wind potential parameters and power effectiveness of WT definition

№ Методика, разработчик Используемые метеоданные Используемые аэроданные Аппроксимация распределения /у) Аппроксимация высотного профиля

1 Универсальная модель Соседней ГМС (2200 ГМС РФ) Не используются Любая из известных, соответств. данной скорости и высоте т = Уфл (г / АфлГ т = 1/7 для суши т = 1/10 для моря

2 WASP, RISO, Дания Соседней ГМС + модель 7о (332 ГМС РФ) Не используются Функция Вейбулла по метеоданным с подъемом на высоту У(z) = ^(г/го)

3 NASA, NREL, США Модель с разрешением 1x1 км Не используются Функция Рэлея по метеоданным V(z) = Vфл(z/hфл)m

4 ЦАГИ, 1960 Соседних ГМС-аналогов (= 500 ГМС) Не используются Табулированные функции Колодина и Поморцева т = Уфл(z/hфл)m

5 ГГО, 1989 Соседних ГМС (= 1100) Не используются Г-функция по метеоданным V(z) = Уфл(z/hфл)m

6 ФЛЮГЕР 3.0, ЦАГИ, 1994 Соседних станций класса 7б (= 1000 ГМС РФ) V на уровне 100 м соседней станции Табулированная функция V(z) = Уфл(z/hфл)m т = 1п(Уюс/Уфл)/1п(100/Нфл)

7 АО «ВИЭН», 2002 Соседних ГМС (= 1100) Не используются Подъем эмпирической повторяемости У» = Уфл^флГ

8 ФЛЮГЕР 2000, НИЦ «АТМОГРАФ» Соседних ГМС класса 7б (= 1000 ГМС РФ) V на уровне 100 м соседних ГМО с учетом удаленности Табулированная Региональная функция УИ = Уо1п^фл)

9 ФЛЮГЕР XXI, 2003, НИЦ «АТМОГРАФ» Средние по району с очисткой (= 2200 ГМС РФ) V на высотах 100, 200, 300 и 600 м всех МС региона Табулированная Региональная функция С моделированием Усушав) =^1^2^) Уморе^) = УмЬ^м)

В качестве критериев погрешности моделирования приняты отклонения смоделированных для рассматриваемого пункта среднего значения параметра Ум от его значения, определенного по данным многолетних его измерений в N пространственных точках У{ (/ = 1, ..., Щ, принадлежащих этой области:

Лу = N -1 £ (у - Ум); (3)

1=1

N" - Ум )2 , (4)

где N - число используемых при моделировании МС или АС, расположенных в окрестности исследуемого пункта или в районе. Параметр Лу выявляет наличие

систематической погрешности моделирования средних; су дает среднеквадратическое отклонение (СКвО) результатов моделирования от данных эксперимента. Поскольку распределение разностей У - Ум) относительно средних значений близко, как показано в [1], к нормальному (гауссовому) закону, полученные значения су используются для оценки погрешностей моделирования с уровнем достоверности 95% в соответствии с таблицами квантилей для нормального закона распределения.

На рис. 7 приведена построенная авторами карта распределения по территории России СКвО при моделировании среднегодовой скорости ветра по развитой методике. На большей части территории России значения СКвО не превышают 10%.

International Scientific Journal for Alternative Energy and Ecology № 3 (95) 2011

© Scientific Technical Centre «TATA», 2011

Рис. 7. Погрешность (в терминах СКвО) моделирования среднегодовой скорости ветра по данным аэрологических измерений на высоте 100 м Fig. 7. The errors (in terms of Mean Square Deviations) of annual mean wind speed modeling on the basis of aerologic data

at height of 100 m

Рис. 8. Распределение удельной мощности ветра (Вт/м ) на высоте 100 м Fig. 8. The annual mean specific wind power (W/m2) distribution at height of 100 m

На рис. 8 приведена карта распределения по территории России среднегодовой удельной мощности ветра, смоделированной по авторской методике. При этом высотные профили скорости в приземном 100-метровом слое в соответствии с рекомендациями [4] моделировались двухпараметрической логарифмической моделью, параметры которой определялись по данным измерений ветра МС и АС на высоте 10-14 м и 100 м.

На значительной части территории России значения среднегодовой удельной мощности ветра на высоте 100 м превышают 450 Вт/м2, что по всем международным критериям считается достаточным для эффективного использования ВЭС.

В табл. 2 для примера приведены характерные значения АРвэу мощности ВЭУ VESTAS V80 (2,0 МВт), определенной по авторской методике для выборочных регионов в диапазоне средних годовых скоростей ветра VCP ~ 6-8 м/с.

Характерные среднегодовые значения Ар^Эу составляют в данном случае ~ 16-23%.

Достаточную для практики точность определения ВЭП и энергетических показателей ВЭУ в данном месте или регионе в развитой методике удается достичь в результате статистического синтеза данных

аэрологических и метеорологических измерений. Значения СКвО реальных мощностей ВЭУ разного типа и класса мощности, определенные по экспериментальным повторяемостям на всех МС севера европейской территории России в круге радиусом 500 км с центром в Архангельске, даны в табл. 3.

Согласно проведенному сравнительному анализу развитая авторами методика является наиболее точной и достоверной из известных, в том числе наиболее авторитетных зарубежных, и позволяет определять среднегодовые и сезонные значения ВЭР и мощности ВЭУ с известными мощностными и техническими характеристиками с погрешностью менее 13-18% для равнинных территорий и не выше 2428% - для регионов со сложным рельефом.

Важной частью работы авторов явилось создание компьютерной ГИС-технологии построения карт пространственного (географического и высотного) и сезонного распределений на территории России различных расчетных ветроэнергетических характеристик: средних скоростей ветра, его удельных мощностей, коэффициентов использования номинальной мощности типовых серийных ВЭУ.

Таблица 2

Характерные значения погрешности определения мощности ВЭУ VESTAS V80 (2 МВт)

в различных регионах России

Table 2

The typical values of WT VESTAS V80 (2 MW) power output in different Russian regions

Регион Погрешность определения мощности ВЭУ VESTAS V80 (2 МВт), %

зима весна лето осень год

Александровск-на-Сахалине 14,3 16,6 21,3 17,8 18,1

Анадырь 18,1 19,9 28,4 19,6 22,7

Архангельск 15,2 16,8 20,9 17,6 17,2

Барабинск 12,7 14,2 19,9 15,8 15,8

Москва 16,6 18,4 24,5 18,7 20,2

Таблица 3

СКвО (в %) средних мощностей ВЭУ (аР вэу)

Table 3

The values of Mean Square Deviations (in %) of mean WT power output (аР wt)

Тип ВЭУ СКвО средних мощностей ВЭУ, % при скорости, м/с

3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0

VESTAS V29 14,5 13,5 12,0 7,9 3,7 2,2 2,5 3,1

ENERCON E30 14,9 14,6 13,0 8,6 4,0 2,2 2,4 3,1

VESTAS V44 17,3 16,6 14,5 9,1 4,2 2,3 2,5 3,1

ENERCON E44 16,1 15,8 13,9 9,1 4,1 2,3 2,3 3,2

VESTAS V80 16,0 15,1 13,2 8,6 4,0 2,2 2,5 3,1

ENERCON E70 16,3 17,2 15,3 10,1 4,8 2,4 2,4 3,2

International Scientific Journal for Alternative Energy and Ecology № 3 (95) 2011

© Scientific Technical Centre «TATA», 2011

Методика картографирования ветроэнергетических характеристик основана на точечно-локальном их представлении с использованием 10 цветовых градаций на цветном географическом фоне. Выбор точечного представления данных при их картографировании оправдывается не только увеличением информативности таких карт, но и большим их соответствием методикам определения ВЭР, дающим достаточно достоверные данные в моделируемых пунктах.

В сочетании с метеорологическими и аэрологическими данными используемая картографическая информация позволяет весьма точно оценивать осред-ненные по площади с характерными размерами 2-5 км климатические характеристики ветра с точностью определяемых средних сезонных скоростей ветра в пределах 0,4-0,5 м/с (8-10% от среднегодовой скорости) для равнинных и менее 1,0-1,5 м/с - для горных территорий.

Анализ основных особенностей и закономерностей географического и высотного распределения и временной (суточной, сезонной, годовой, многолетней) изменчивости ВЭР и детальные оценки ветроэнергетических характеристик в отдельных регионах России позволили получить новые и уточнить известные (с учетом энергетической эффективности современных ВЭУ) данные о ВЭР, техническом и экономическом потенциале в отдельных регионах и в России в целом.

Расчет технического ВЭП по федеральным субъектам, округам и РФ в целом проведен авторами с допущением о 10%-м землеотводе под ВЭС по средней для субъектов мощности ВЭУ V90 с диаметром ветроколеса 90 м и высотой башни 100 м производства международной корпорации VESTAS - лидера мирового производства ВЭУ. Средние за 20-летний ресурсный период работы ВЭУ коэффициенты КНИд и КТГ в расчетной формуле (2) приняты равными КНИд = 0,81 и КТГ = 0,94. Расстояние между ВЭУ по аэродинамическим соображениям относительно минимизации ветрового экранирования ВЭУ друг другом выбрано равным 10 диаметрам ветроколеса ВЭУ.

На рис. 9 приведена карта распределения по территории России рассчитанных авторами среднегодовых значений коэффициентов использования номинальной мощности КИУМ ВЭУ V90. Среднее по России расчетное значение КИУМ ВЭУ V90 с башней 100 м составляет 19,6%, чему соответствует с учетом погрешности вычислений средняя годовая мощность РВЭУ ~ 588±87 кВт. До 30 субъектов Российской Федерации обладают ветроэнергетическими ресурсами, достаточными для эффективного их использования по всем международным критериям (КИУМ >28%). Однако меньшие средние значения КИУМ в субъекте РФ не означают отсутствия перспектив для развития в нем ВЭ.

Рис. 9. Распределение среднегодовых коэффициентов использования номинальной мощности КИУМ ВЭУ VESTAS V90

с высотой башни 100 м

Fig. 9. The annual mean capacity factor CP distribution for the wind turbine VESTAS V90 with 100 m height of tower

В силу существенной ветроклиматической изменчивости в ряде субъектов РФ (Камчатская, Калининградская области) имеются районы с ВЭП, достаточным для его эффективной утилизации.

Расчетные данные о техническом и экономическом ветроэнергетических потенциалах России в целом и федеральных округов РФ, полученные с учетом расчетных значений коэффициентов использования номинальной мощности ВЭУ VESTAS V90 для рассмотренных территорий, приведены в табл. 4.

Экономический потенциал в соответствии с рекомендациями работы [5] составляет 0,5% от технического потенциала.

Уточненный авторами технический ВЭП РФ (~ 11500 ТВтч) в 11,5 раза превышает годовую выработку электроэнергии страны в 2008 г. При этом, учитывая возможность более компактного размещения ВЭУ в составе ВЭС (менее 10 диаметров ветро-колеса ВЭУ), полученные значения технического ВЭП следует рассматривать в качестве минимальной оценки. Суммарный технический ВЭП России вдвое превышает оценки предшественников, при этом его доля в Центральном, Северо-Западном, Приволж-

ском и Южном АО, где проживает 73% населения РФ, составляет 30% против 14%, полученных ранее в [5], что более благоприятно для широкомасштабного использования ВЭС.

Относительно полученных оценок экономического ВЭП следует отметить, что упрощенный подход к его определению (как доли технического потенциала) дает явно заниженное значение для России. Оцененный в данной работе ВЭП (55,2 млрд. кВт-ч/год) вырабатывается ВЭС со средним КИУМ = 30% с суммарной установленной мощностью около 22 ГВт, что меньше суммарных установленных мощностей ВЭС в Испании и Германии, обладающих существенно меньшим ВЭП. Средняя за 20-летний ресурс себестоимость электроэнергии ВЭС с КИУМ = 30% составит, по нашим оценкам, 45-50 Еиго/МВтч, что меньше себестоимости электроэнергии строящихся электростанций на газе, считающихся наиболее экономичными для России. В связи с данными соображениями авторам представляется актуальным дальнейшее методическое развитие понятия экономического ВЭП.

Технический и экономический потенциал ВЭР по федеральным округам РФ Technical and economical potential in federal districts of Russia

Таблица 4

Table 4

№ Федеральный округ Технический потенциал, млрд кВтч/год Экономический потенциал, млрд кВтч/год

1 Центральный 588 2,94

2 Северо-западный 1428 7,15

3 Южный 564 2,82

4 Приволжский 872.8 4,37

5 Уральский 1 577 7,54

6 Сибирский 2 754 13,75

7 Дальневосточный 3 689 18,45

ИТОГО: 11 473 55,23

Наиболее перспективными для применения ВЭУ, как следует из анализа карт и полученных расчетных результатов, являются прибрежные северные районы европейской территории России (Карелия, Мурманская и Архангельская области) и юго-западных областей европейской территории России, Крайнего Севера и Дальнего Востока, а также степные территории юга Урала и Западной Сибири.

Список литературы

1. Николаев В.Г., Ганага С.В., Кудряшов Ю.И. Национальный кадастр ветроэнергетических ресурсов России и методические основы их определения. М.: «Атмограф», 2008.

2. Николаев В.Г. Об эффективности методик прогноза ВЭП, энергетических и экономических показателей ВЭС в РФ // "Малая энергетика", НИИЭС, 2010. № 1.

3. Ganaga S.V., Grintsevich Y.A., Nikolaev V.G., Ponomarenko L.V. Data Base "Fluger" and Numerical Method for the Wind Resources Determination on Russian Territory. Reports of European Community Wind Energy Conference, Madrid, 2003.

4. Николаев В.Г., Гринцевич Ю.А., Пономаренко Л.В., Плущевский М.Б. и др. Методика определения ветроэнергетических ресурсов и оценки эффективности использования ветроэнергетических установок на территории России и стран СНГ. Рекомендации по стандартизации. М.: МИНТОПЭНЕРГО, 1994.

5. Безруких П.П., Дегтярев В.В., Елистратов В.В., Панцхава У.С., Петров Э.С., Пузаков В.Н., Сидоренко Г.И., Тарнижевский Б.В., Шпак А. А., Ямпольский А. А. Справочник по ресурсам ВИЭ России и местным видам топлива. М.: «ИАЦ Энергия», 2007.

— TATA —

International Scientific Journal for Alternative Energy and Ecology № 3 (95) 2011

© Scientific Technical Centre «TATA», 2011