會(huì)（COP28）是影響全球能源轉(zhuǎn)型重要會(huì)議，COP28明確指出可再生能源術(shù)路徑，開(kāi)展中國(guó)10km分辨率風(fēng)能和太陽(yáng)能光伏發(fā)電潛力評(píng)估，建立政2023-2035318%2023-2035270% 李立 中國(guó)南方電網(wǎng)公嚴(yán)剛李俊峰國(guó)家應(yīng)對(duì)氣候變化戰(zhàn)略研究和國(guó)際合作中心張昕國(guó)家應(yīng)對(duì)氣候變化戰(zhàn)略研究和國(guó)際合作中心武鋼金風(fēng)科技股份有限公司何繼江姜克雋

蔡博峰生態(tài)環(huán)境部環(huán)境規(guī)劃院碳達(dá)峰碳中和研究中心李亞飛金風(fēng)科技股份有限公司魯璽郭靜生態(tài)環(huán)境部環(huán)境規(guī)劃院碳達(dá)峰碳中和研究中心王若梅金風(fēng)科技股份有限公司張立生態(tài)環(huán)境部環(huán)境規(guī)劃院碳達(dá)峰碳中和研究中心劉辰陽(yáng)金風(fēng)科技股份有限公司呂晨生態(tài)環(huán)境部環(huán)境規(guī)劃院碳達(dá)峰碳中和研究中心張哲生態(tài)環(huán)境部環(huán)境規(guī)劃院碳達(dá)峰碳中和研究中心李朝君清華大學(xué)碳中和研究院 張憧 清華大學(xué)環(huán)境學(xué) 吳赟 首都經(jīng)濟(jì)貿(mào)易大研究背 研究方 中國(guó)風(fēng)能發(fā)電現(xiàn) 中國(guó)風(fēng)電潛力評(píng) 目目中國(guó)光伏發(fā)電現(xiàn) 中國(guó)光伏發(fā)電潛力評(píng) 錄錄參考文 附 附件1附件2由政策驅(qū)動(dòng)發(fā)展轉(zhuǎn)為市場(chǎng)驅(qū)動(dòng)發(fā)

源潛力評(píng)估研究，有利于促進(jìn)新能源項(xiàng)目建設(shè)的優(yōu)化布局、提高新能源潛力利用率，對(duì)推動(dòng)中國(guó)能源綠色低碳轉(zhuǎn)型，構(gòu)建新型電力系統(tǒng)和實(shí)現(xiàn)碳中和目標(biāo)具有重要意義。為三個(gè)階段（1）：起步階段、為主的模糊評(píng)估方法。風(fēng)能資源

成熟階段主要采用人工智能技術(shù)以及大數(shù)據(jù)技術(shù)與空間信息系統(tǒng)相結(jié)合的精準(zhǔn)預(yù)測(cè)方法。為了確保中國(guó)新能源未來(lái)規(guī)劃布局更加精準(zhǔn)、高效，更大程度挖掘地S開(kāi)展層次化、精細(xì)化、網(wǎng)格化的潛力評(píng)估工作，不僅有助于明確中國(guó)各地風(fēng)能和太陽(yáng)能資源的具體分布及可開(kāi)發(fā)利用量，更能為在何時(shí)何地布局新能源項(xiàng)目提供有力指導(dǎo)，從而推動(dòng)中國(guó)新能源行業(yè)健康發(fā)展。1流水域以及道路交通等限制性因放綜合評(píng)估模型（CAEP-CP）分別評(píng)估現(xiàn)狀（2023年）及不同情景下（2025-2035年）10未來(lái)新能源規(guī)劃布局提供決策支

是用于描述特定地點(diǎn)或區(qū)域內(nèi)的的風(fēng)能，單位為W/m2。本研究風(fēng)150米高度的風(fēng)功率（1）

性，風(fēng)功率小于250W/m2的地區(qū)態(tài)保護(hù)區(qū)域以及地形坡度大于30境條件下集中式開(kāi)發(fā)裝機(jī)密度的25%考慮。能源資源的分布特征，對(duì)2023年

案等政策（附件2），區(qū)域歷史裝所有數(shù)據(jù)和分析結(jié)果，都在GIS平臺(tái)上統(tǒng)一為10km網(wǎng)格分辨率（2）。

氣候變化專門委員會(huì)（IPCC）第1.5°2中國(guó)風(fēng)電裝機(jī)從2015年的145GW增長(zhǎng)到2023年的441（3），年復(fù)合增長(zhǎng)率為15%。海上風(fēng)電累計(jì)裝機(jī)規(guī)模增長(zhǎng)速度32015-2023年中國(guó)風(fēng)電累計(jì)裝機(jī)容量遠(yuǎn)高于陸上風(fēng)電。海上風(fēng)電累計(jì)裝機(jī)規(guī)模從2015年的1GW增長(zhǎng)2023年的37GW，年復(fù)合增長(zhǎng)率為57%。陸上風(fēng)電累計(jì)裝機(jī)規(guī)模2015144GW增長(zhǎng)到2023405GW，年復(fù)合增長(zhǎng)率為14%2023年中國(guó)風(fēng)電裝機(jī)容量達(dá)到44134萬(wàn)千瓦，占全國(guó)累計(jì)發(fā)電裝機(jī)容15%（1）。其中內(nèi)蒙古、新疆、河北、甘肅、山東、山西、江蘇、2000萬(wàn)千瓦以上，八省累計(jì)裝機(jī)容量25529萬(wàn)千瓦（4）。20238090kWh，占全國(guó)總發(fā)電量（包括化石能源與非化石能源）9%。其中吉林、甘肅、內(nèi)蒙古、黑龍江、河北等地風(fēng)力發(fā)電量最高，分別占各省總發(fā)電量的24%、21%、17%、17%、16%。200W/2，平均風(fēng)速達(dá)到5-6s2000h28%、26%、25%、20%、17%。12023（萬(wàn)千瓦（（（注：數(shù)據(jù)來(lái)源于國(guó)家能源局、國(guó)家統(tǒng)計(jì)局、中國(guó)電力企業(yè)聯(lián)合會(huì)、國(guó)家電網(wǎng)有限公司、Wind數(shù)據(jù)庫(kù)?？偘l(fā)電量為該?。ㄊ校?2023年中國(guó)風(fēng)能裝機(jī)容量（10km網(wǎng)格GIS技術(shù)獲得中國(guó)風(fēng)電單機(jī)點(diǎn)源數(shù)據(jù)（12萬(wàn)臺(tái)），GIS平臺(tái)上統(tǒng)一匯10km網(wǎng)格數(shù)據(jù)，并利用中國(guó)各省統(tǒng)計(jì)數(shù)據(jù)進(jìn)行驗(yàn)證和校對(duì)。5展示不同區(qū)域典型風(fēng)電場(chǎng)。 （3）

（4） 寧夏吳忠市風(fēng)電 （8）云南大理白族自治州風(fēng)電52023注：新疆達(dá)坂城地區(qū)和內(nèi)蒙古烏蘭察布地區(qū)集中風(fēng)電場(chǎng)，依托豐富風(fēng)能資源，將鄉(xiāng)村風(fēng)電與農(nóng)業(yè)融合發(fā)展，合理利用土地，擴(kuò)大農(nóng)業(yè)的經(jīng)濟(jì)附加值；遼寧錦州地區(qū)和山東威海等地將風(fēng)機(jī)修建于農(nóng)田間隙中，實(shí)現(xiàn)土地資源的高效利用；江蘇鹽城、福建莆田及福州等地在近海部署風(fēng)電，一定程度上解決了地區(qū)用電需求；寧夏吳忠以重點(diǎn)光伏項(xiàng)目作為拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的重要抓手，積極推進(jìn)國(guó)家“戈壁、沙漠、荒漠”新能源大基地建設(shè)；云南省大理白族自治州地形復(fù)雜，植被覆蓋多，成功實(shí)施了在高海拔復(fù)雜地形條件下發(fā)展高功率、高容量新一代風(fēng)電技術(shù)的創(chuàng)新舉措。中國(guó)的陸地風(fēng)能分布呈現(xiàn)出明顯的地域特征，表現(xiàn)為北部地區(qū)的風(fēng)能較為豐富，而南部地區(qū)的風(fēng)能相對(duì)較低（6）。新疆、內(nèi)蒙古以及甘肅北400W/900W/m2以上，這些地區(qū)人口密度低、地61000W/m2以上。東部沿海地區(qū)風(fēng)電技術(shù)潛力最高（7）140710015020010027.8億千瓦，實(shí)際裝4%0.9%，未來(lái)開(kāi)發(fā)潛力巨大。政策情景下（表2），華北地區(qū)風(fēng)電累計(jì)裝機(jī)全國(guó)最高，約占全國(guó)30%~34%。從區(qū)域裝機(jī)增幅來(lái)看，2023-2035年南部地區(qū)增幅最高，將達(dá)到195%，其次是西北164%、華中162%、東北122%、華東107%、華北103%。從區(qū)域裝機(jī)年均增速來(lái)看，2023-2035年南部地區(qū)年均增速最大，將達(dá)到9.4%

高速情景下（2），2023-2035年南部地區(qū)增幅最高，將達(dá)318%、華中310%、西北299%、264%。從區(qū)域裝機(jī)年均增速來(lái)看，2023-2035年南部地區(qū)年均增速最大，將達(dá)到13.5%，其次12.8%12.7%、華中12.5%12.2%11.4%。82023-2035年中國(guó)9203510km網(wǎng)格風(fēng)電裝機(jī)情景分析結(jié)果，未來(lái)中國(guó)風(fēng)電22025-2035裝機(jī)容量（億千瓦202520302035(0.083-(0.122-(0.161-(0.003-(0.006-(0.008-(0.091-(0.146-(0.312-(0.643-(0.826-(0.167-(0.22-(0.273-(0.141-(0.219-(0.297-(0.081-(0.108-(0.134-(0.004-(0.009-(0.013-(0.337-(0.433-(0.529-(0.246-(0.481-(0.783-(0.145-(0.176-(0.097-(0.129-(0.161-(0.149-(0.186-(0.135-(0.171-(0.206-裝機(jī)容量（億千瓦202520302035(0.278-(0.366-(0.454-(0.069-(0.092-(0.181-(0.319-(0.466-(0.783-(0.925-(1.638-(0.179-(0.235-(0.291-(0.121-(0.162-(0.202-(0.281-(0.366-(0.451-(0.287-(0.38-(0.473-(0.176-(0.279-(0.382-(0.013-(0.016-(0.019-(0.081-(0.152-(0.019-(0.022-(0.028-(0.004-(0.008-(0.015-(0.357-(0.643-(0.893-(0.169-(0.234-(0.789-(0.064-(0.089-(0.143-(0.027-(0.041-(0.055-注：表中（）內(nèi)上限和下限分別代表風(fēng)電裝機(jī)政策情景和高速情景結(jié)果，最終取值為兩類情景上萬(wàn)次模擬優(yōu)化后選取的中位數(shù)。區(qū) 省

2023

2030 華北內(nèi)蒙古

0.309

西北新疆

0.146

華東江蘇

0.058

0.162

華 河

四 江 重

128.1%

云

其 西

0.00 0.600.80 .00 1.500.00 025025 1.005 1.50

裝機(jī)容量(億千瓦

82023-20352025年、2030年、2035年各省裝機(jī)容量對(duì)比基準(zhǔn)年（2023年）的增長(zhǎng)幅度。92035201537GW、6GW2023355GW、254GW36%、59%。 累計(jì)裝機(jī)容量累計(jì)裝機(jī)容量 102015-2023年中國(guó)光伏累計(jì)裝機(jī)容量2023216GW609GW，新增和累計(jì)裝機(jī)容量均為全球第一。2023年中21%20個(gè)省

份光伏裝機(jī)容量在1000萬(wàn)千瓦以56939%，浙江（6%）、河南（6%）。五省22125萬(wàn)千瓦，累計(jì)發(fā)電量達(dá)到701kWh（圖疆和青海，分別為3023萬(wàn)千瓦、2878萬(wàn)千瓦、2521萬(wàn)千瓦，三省24%。

4099萬(wàn)千瓦、3094萬(wàn)千瓦、277239%。2023年中國(guó)光伏發(fā)電量達(dá)到2940kWh，分別占全國(guó)總發(fā)電3%、3%。河北、量的6%、10%、24%、3%、4%。21%、17%、11%、7%、6%。32023（萬(wàn)千瓦（（（112023年光伏累計(jì)裝機(jī)容量分布（10km網(wǎng)格GIS技術(shù)獲得中國(guó)光伏面板（15923個(gè)小斑）GIS10km12展示 （1）新疆博樂(lè)市光伏電 （2）四川理塘縣光伏電（3）

（4） 圖12中國(guó)2023年典型光伏發(fā)電站難題；四川理塘、西藏拉薩、廣西象州、貴州彝族回族苗族自治縣，地形條件復(fù)雜但太陽(yáng)能資源較好，光伏發(fā)電與荒山改良綜合利用結(jié)合起來(lái)，發(fā)展農(nóng)光互補(bǔ)模式；中國(guó)漂浮式光伏技術(shù)發(fā)展迅速，安徽潁上縣“漁光互補(bǔ)”建設(shè)模式為典型代表；青海海南藏族自治州共GlobalSolars系統(tǒng)可實(shí)現(xiàn)的電力輸出PVOU）。該系統(tǒng)模擬了可用太陽(yáng)能資源轉(zhuǎn)化為電力的過(guò)程，考慮了空氣溫度、地形地平線、反照率以及模塊傾斜、配置、遮擋、污染等影響系統(tǒng)性能的因素。PVOUT是長(zhǎng)期內(nèi)每單位已安裝V容量所生成的電力量（kWh/kWp）。13部和西部以及臺(tái)灣省西南部等地區(qū)的光伏發(fā)電資源潛力較大（13）。14長(zhǎng)的主要區(qū)域（圖14）。在分省維度上，新疆、西藏、內(nèi)蒙古、青海、甘50%。政策情景下（4），華北地28%。從區(qū)域裝機(jī)增幅來(lái)看，2023-2035年南部地區(qū)增幅最高，182%178%、華中162%、華北155%、東北114%100%。從區(qū)域裝機(jī)年均增速來(lái)看，2023-2035年南部地

區(qū)年均增速最大，將達(dá)到9%，其8.9%8.4%、華北8.1%6.6%5.9%。高速情景下（4），2023-2035年?yáng)|北地區(qū)增幅最高，將達(dá)270%、西北248%、南部244%216%。從區(qū)域裝機(jī)年均增速來(lái)看，2023-2035年?yáng)|北地區(qū)年均增速最大，將達(dá)到12.4%，其次是華北2023-2035年中國(guó)各省光伏累計(jì)裝16203510km網(wǎng)格分辨率光伏裝機(jī)分布，未來(lái)中國(guó)光伏裝42025-2035裝機(jī)容量（億千瓦202520302035(0.349-(0.573-(0.797-(0.015-(0.023-(0.031-(0.095-(0.142-(0.209-(0.272-(0.297-(0.308-(0.281-(0.523-(0.765-(0.12-(0.14-(0.197-(0.246-(0.415-(0.585-(0.052-(0.068-(0.092-(0.666-(1.133-(1.599-(0.413-(0.744-(1.105-(0.064-(0.092-(0.12-(0.256-(0.422-(0.604-裝機(jī)容量（億千瓦202520302035(0.142-(0.304-(0.049-(0.067-(0.084-(0.429-(0.725-(1.021-(0.208-(0.353-(0.499-(0.108-(0.159-(0.221-(0.252-(0.312-(0.337-(0.216-(0.314-(0.268-(0.391-(0.705-(1.168-(1.631-(0.265-(0.361-(0.479-(0.265-(0.454-(0.643-(0.031-(0.041-(0.054-(0.059-(0.091-(0.135-(0.054-(0.081-(0.124-(0.028-(0.031-(0.039-(0.346-(0.46-(0.754-(0.212-(0.279-(0.486-(0.463-(0.812-(1.16-(0.017-(0.021-(0.028-注：表中（）內(nèi)上限和下限分別代表光伏發(fā)電裝機(jī)政策情景和高速情景結(jié)果，最終取值為對(duì)兩類情景上萬(wàn)次模擬優(yōu)化后選取的中位數(shù)。區(qū) 省

2023

2025 河

天 北

77.6% 159.3%

西 新

華 江

浙 安

華 河

3030江 湖

0.270

035035

四 重

南 廣

云 貴 廣 0.109海

0.222

東 遼

16.9% 38.1%

其 西

115.2%

0.600.00 0.600.901.200.00 1.50 裝機(jī)容量(億千瓦

裝機(jī)容量(億千瓦

裝機(jī)容量(億千瓦

裝機(jī)容量(億千瓦152023-20352025年、2030年、2035年各省裝機(jī)容量對(duì)比基準(zhǔn)年（2023年）的增長(zhǎng)幅度。162035Lei,Y.,Wang,Z.,Wang,D.,etal.Co-benefitsofcarbonneutralityinenhancingandstabilizingsolarandwindenergy.NatureClimateChange,2023,13(7):693-700.Zhang,Z.,Chen,M.,Zhong,T.,etal.CarbonmitigationpotentialaffordedbyrooftopphotovoltaicinChina.NatureCommunications,2023,14(1):2347.Gruber,K.,Regner,P.,Wehrle,S.,etal.Towardsglobalvalidationofwindpowersimulations:Amulti-countryassessmentofwindpowersimulationfromMERRA-2andERA-5reanalysesbias-correctedwiththeglobalwindatlas.Energy,2022,238:121520.Lu,X.,Mcelroy,M.B.,Kiviluoma,J.Globalpotentialforwind-generatedelectricity.ProceedingsoftheNationalAcademyofSciences,2009,106(27):10933-8.Mcelroy,M.B.,Lu,X.,Nielsen,C.P.,etal.Potentialforwind-generatedelectricityinScience,2009,325(5946):1378-Chen,S.,Lu,X.,Miao,Y.,etal.ThePotentialofphotovoltaicstopowerthebeltandroadinitiative.Joule,2019,3(8):1895-912.Archer,C.,Jacobson,M.Evaluationofglobalwindpower.JournalofGeophysicalResearch,Zheng,C.w.,Pan,J.Assessmentoftheglobaloceanwindenergyresource.RenewableandSustainableEnergyReviews,2014,33:382-91.Pryor,S.C.,Barthelmie,R.J.Aglobalassessmentofextremewindspeedsforwindenergyapplications.NatureEnergy,2021,6(3):268-76.Ozelkan,E.,Chen,G.,üstünda?,B.B.Spatialestimationofwindspeed:anewintegrativemodelusinginversedistanceweightingandpowerlaw.InternationalJournalofDigitalEarth,2016,9:733-47.Ozay,C.,Celiktas,M.S.Statisticalanalysisofwindspeedusingtwo-parameterWeibulldistributioninAla?at?region.EnergyConversionandManagement,2016,121:49-54.Jiang,P.,Li,R.,Li,H.Multi-objectivealgorithmforthedesignofpredictionintervalsforwindpowerforecastingmodel.AppliedMathematicalModelling,2019,67:101-22.Wang,J.,Heng,J.,Xiao,L.,etal.Researchandapplicationofacombinedmodelbasedonmulti-objectiveoptimizationformulti-stepaheadwindspeedforecasting.Energy,2017,125:591-Jiang,P.,Liu,Z.,Niu,X.,etal.Acombinedforecastingsystembasedonstatisticalmethod,artificialneuralnetworks,anddeeplearningmethodsforshort-termwindspeedforecasting.Energy,2021,217:119361.Wu,C.,Wang,J.,Chen,X.,etal.Anovelhybridsystembasedonmulti-objectiveoptimizationforwindspeedforecasting.RenewableEnergy,2020,146:149-65.Penman,H.L.Naturalevaporationfromopenwater,baresoilandgrass.ProceedingsoftheRoyalSocietyofLondonSeriesA.MathematicalandPhysicalSciences,1948,193:120-45.Black,J.N.,Bonython,C.W.,Prescott,J.A.SolarradiationandthedurationofQuarterlyJournaloftheRoyalMeteorologicalSociety,1954,80(344):231-Kan,A.,Zeng,Y.,Meng,X.,etal.Thelinkagebetweenrenewableenergypotentialandsustainabledevelopment:UnderstandingsolarenergyvariabilityandphotovoltaicpowerpotentialinTibet,China.SustainableEnergyTechnologiesandAssessments,2021.Feng,Y.,Zhang,X.,Jia,Y.,etal.High-resolutionassessmentofsolarradiationandenergypotentialinChina.EnergyConversionandManagement,2021,240:114265.He,G.,Kammen,D.M.Where,whenandhowmuchsolarisavailable?Aprovincial-scalesolarresourceassessmentforChina.RenewableEnergy,2016,85:74-82.Aly,A.,Jensen,S.S.,Pedersen,A.B.SolarpowerpotentialofTanzania:IdentifyingCSPandPVhotspotsthroughaGISmulticriteriadecisionmakinganalysis.RenewableEnergy,2017,113:Yushchenko,A.,DeBono,A.,Chatenoux,B.,etal.GIS-basedassessmentofphotovoltaic(PV)andconcentratedsolarpower(CSP)generationpotentialinWestAfrica.RenewableandSustainableEnergyReviews,2018,81:2088-103.Yang,Q.,Huang,T.,Wang,S.,etal.AGIS-basedhighspatialresolutionassessmentoflarge-PVgenerationpotentialinChina.AppliedEnergy,2019,247:254-Chen,Y.,Yue,X.,Tian,C.,etal.AssessmentofsolarenergypotentialinChinausinganensembleofphotovoltaicpowermodels.ScienceoftheTotalEnvironment,2023,877:162979.Niu,J.,Qin,W.,Wang,L.,etal.ClimatechangeimpactonphotovoltaicpowerpotentialinChinabasedonCMIP6models.TheScienceofthetotalenvironment,2023,858(Pt1):159776.Qiu,T.,Wang,L.,Lu,Y.,etal.PotentialassessmentofphotovoltaicpowergenerationinRenewableandSustainableEnergyReviews,2022,154:Feng,Y.,Hao,W.,Li,H.,etal.Machinelearningmodelstoquantifyandmapdailyglobalsolarradiationandphotovoltaicpower.RenewableandSustainableEnergyReviews,2020,118:Liu,F.,Wang,X.,Sun,F.,etal.Correctandremapsolarradiationandphotovoltaicpowerinbasedonmachinelearningmodels.AppliedEnergy,2022,312:Izquierdo,S.,Rodrigues,M.,Fueyo,N.Amethodforestimatingthegeographicaldistributionoftheavailableroofsurfaceareaforlarge-scalephotovoltaicenergy-potentialevaluations.SolarEnergy,2008,82(10):929-39.Müller,J.,Trutnevyte,E.SpatialprojectionsofsolarPVinstallationsatsubnationallevel:Accuracytestingofregressionmodels.AppliedEnergy,2020,265:114747.Barbón,A.,Ghodbane,M.,Bayón,L.,etal.Ageneralalgorithmfortheoptimizationofphotovoltaicmoduleslayoutonirregularrooftopshapes.JournalofCleanerProduction,2022:Huang,B.,Huang,J.,Xing,K.,etal.Developmentofasolar-trackingsystemforhorizontalsingle-axisPVarraysusingspatialprojectionanalysis.Energies,2013,16(10),4008.Song,X.,Huang,Y.,Zhao,C.,etal.Anapproachforestimatingsolarphotovoltaicpotentialbasedonrooftopretrievalfromremotesensingimages.Energies,2018,11:3172.Hong,L.,M?ller,B.OffshorewindenergypotentialinChina:Undertechnical,spatialeconomicconstraints.Energy,2011,36(7),4482-Janke,J.R.,2010.MulticriteriaGISmodelingofwindandsolarfarmsinColorado.Energy,35(10),2228-Wu,J.,Xiao,J.,Hou,J.,etal.Amulti‐criteriamethodologyforwindenergyresourceassessmentanddevelopmentatanintercontinentallevel:Facinglow‐carbonenergytransition.IETRenewablePowerGeneration,2023,17(2),480-494.Sánchez-Lozano,J.M.,Teruel-Solano,J.,Soto-Elvira,P.L.,etal.GeographicalInformationSystems(GIS)andMulti-CriteriaDecisionMaking(MCDM)methodsfortheevaluationofsolarfarmslocations:Casestudyinsouth-easternSpain.Renewableandsustainableenergyreviews,2013,24,544-556.Angelis-Dimakis,A.,Biberacher,M.,Dominguez,J.,etal.Methodsandtoolstoevaluatetheavailabilityofrenewableenergysources.RenewableandSustainableEnergyReviews,2011,15(2),1182-1200.黃瀚,肖晉宇,趙楊等.一帶一路國(guó)家風(fēng)光資源評(píng)估報(bào)告[R].北京:全球能源互聯(lián)網(wǎng)發(fā)展合作組織,2022.清華大學(xué)碳中和研究院等.中國(guó)碳中和目標(biāo)下的風(fēng)光技術(shù)展望[R].北京:清華大學(xué),秦海巖.加快開(kāi)發(fā)海上風(fēng)電，打造沿海地區(qū)高質(zhì)量發(fā)展引擎[J].風(fēng)能,2023,(09):國(guó)家發(fā)展改革委.國(guó)家發(fā)展改革委關(guān)于引發(fā)《全國(guó)風(fēng)能資源評(píng)價(jià)技術(shù)規(guī)定》的通知國(guó)家能源局.十四五期間可再生能源發(fā)展規(guī)劃[Z],2022./xwdt/中華人民共和國(guó)自然資源部.光伏發(fā)電站工程項(xiàng)目用地控制指標(biāo)（TD/T1075-2023）[S],國(guó)家能源局.2023年全國(guó)電力工業(yè)統(tǒng)計(jì)數(shù)據(jù)[Z],2024./2024-01/26/1風(fēng)光發(fā)電潛力評(píng)估方法A1.1輻照度、生態(tài)紅線、居民用地、據(jù)（A1）。其中150米高度的

A11501503030OpenstreetOpenstreetA1.2A1.2.1風(fēng)能資源潛力評(píng)估式中，Aii