我國海上風電工程項目在經歷了2019-2020年兩年的“搶裝潮”后，逐漸有大量的項目并網轉入初始運營期。值得關注的是，與裝機容量增長相對應的是核準上網電價不斷下降。對海上風電投資者而言，為抵消上網電價下行對于投資回報收益率的影響，降低項目的平準化度電成本（LCOE）是確保項目盈利的關鍵，而確保項目的年上網等效小時數（EOH），是確保投資回報收益的核心要素。

較陸上風電而言，海上風電的故障率高、運維難度大、故障發生后維修時間長。一旦海上風電項目發生事故，其對整個風電場的收益及現金流都可能造成很大影響。

然而，傳統的“營業中斷險”，由于其較為簡單的理算模式，不完全適用于海上風電項目，本文將拋磚引玉，探討將風機的SCADA引入營業中斷保險模式中，為海上風電項目量身打造全面保障方案的可行性。

根據全球風能理事會（GWEC）2021年2月發布的數據顯示，中國連續第三年成為海上風電最大市場，2020年新增海上風電并網容量超過3GW，占全球增量的50%。同時根據我國十四五規劃，海上新增裝機將超過32GW，年均新增海上風電裝機容量6GW以上。

值得關注的是，與海上風電容量增長相對應的是海上風電上網電價的下行。根據國家發改委發布的《關于完善風電上網電價政策的通知》，2019年符合規劃、納入財政補貼年度規模管理的新核準近海風電指導價調整為0.8元/千瓦時，2020年調整為0.75元/千瓦時。2018年底前已核準的海上風電項目，如在2021年底前全部機組完成并網的，執行核準時0.85元/千瓦時的上網電價；未在2021年底前完成并網的，國家不再補貼。相比沿海省份約0.4元/千瓦時的標桿燃煤電價，目前海上風電電價幾乎翻番。而實現平價上網后，海上風電上網電價將降至約0.45元/千瓦時，幾近腰斬。因此對于海上風電工程期項目而言，正進入平價前的沖刺階段，也就是我們俗稱的“搶裝潮”。

為抵消上網電價下行對于投資回報收益率的影響，對于海上風電投資企業而言，降低項目的平準化度電成（LCOE）是確保項目盈利的關鍵。

影響風電企業度電成本主要取決于以下因素：①初始投資（單位裝機造價）、②年上網電量（年等效滿負荷小時）、③運維成本（折舊、修理費）、④財務費用（貸款比率、貸款利息）、⑤折現率。

通過永誠與鑒衡對于風電度電成本的敏感性分析，“年上網電量”在上述五項因素中，對于LCOE影響最大，影響幅度超過10%。

海上風電發電量的關鍵影響因素

影響風電項目發電量的主要因素包含：①可利用率、②風機發電性能、③風速資源。對于海上風電來說，風機發電性能和風速資源對發電量的影響與陸上項目相似，但是可利用率（這里的可利用率包括風電機組的可利用率和其他相關配套設施的可利用率）卻存在較大差異。引起這種差異的主要原因如下：

從中不難發現，較陸上風電而言，海上風電的故障率高、運維難度大、故障發生后維修時間長。一旦海上風電項目發生事故，其對整個風電場的收益及現金流可能造成很大影響。

海上風電現有傳統風險保障

對于海上風電投資者而言，目前擁有的保障主要來源于兩大主體：①由風機制造商提供的質量保障條款，②由保險公司提供的工程期&運營期保險。

風機制造商的質保合同，通過對于質保期內設備的可利用率及功率曲線進行考核約定，部分質保合同甚至對整個風場的等效滿負荷小時數進行兜底。

保險公司目前提供的工程期&運營期常規保險，其保單格式及條款內容大同小異，主要承擔由于非制造商原因，造成意外事故或自然災害對項目造成的直接物質損失。

看似這兩者相互配合，覆蓋了主要風險，為海上風電投資者提供的全面的保障，而實際上，這兩者均不保障由于意外事故導致營業中斷對業主帶來的收入風險。

傳統營業中斷保險并不適合海上風電項目

營業中斷類保險在保險業界內，雖早已不是什么新鮮事物，然而傳統的營業中斷類保險，無論是工程險項下的DSU，還是財產險項下的BI，均不完全適應海上風電項目。

其原因是，在過往的風電場營業中斷保險理賠中，對于故障停機時間段內發電量損失的計算，通常是參考該風電場歷史上的平均發電情況估算停機時間段內的發電量。但是風速具有非常強的年際波動性和季節波動性，如果用已運行時間段的發電水平代表某些時間段的發電水平，會引起較大的誤差。以下以公開數據MERRA2（風速高度為50m，坐標點為（26°N, 120°E），空間位置如圖1），以某研究機組為例，計算歷年年累計發電量和長期平均情況下不同月份的月平均發電量（圖2和圖3）。

圖1 圖中綠色坐標點即為本次測試數據的空間位置（26°N, 120°E）

圖2 將1980年-2020年的測風數據，以年份作為時間軸，將風速數據帶入風機功率曲線，計算該風機的逐年發電量情況

圖3 將1980年-2020年的測風數據，以月份作為時間軸，將風速數據帶入風機功率曲線，計算該風機的逐月發電量情況

結合圖2與圖3的數據對比，我們不難發現，風資源在各年份及各月份之間具有較大波動性，這點與太陽能熱輻射資源有較大差異。

圖4 將圖2與圖3中的風速數據及發電量數據整合并再次對比

通過對于圖2和圖3紅框中的內容進一步比較的不同年份和不同月份的風資源差異，及其對應的發電量差異的對比，我們不難發現：長期平均情況下月平均最小風速為長期平均情況下月平均最大風速的68.5%，對應的發電量比例為48.2%；最小年平均風速為最大年平均風速的84.8%，對應的發電量比例為74.9%。由此可見，風速波動性和發電量波動性之間并不是線性關系，發電量波動的幅度大于風速波動的幅度。因此如果賠付時只參考某段時間的平均情況，有很大可能會造成賠付和實際損失不匹配。

引入基于SCADA數據和具體機型專用算法的意義

對于當前正在運行的大部分風電場而言，每臺風電機組上都裝有數據采集與監控系統（英文名為：SupervisoryControl and Data Acquisition System, 簡稱SCADA系統）。SCADA數據記錄了機組運行的外部環境（如風速、風向、環境溫度等）及機組運行狀態（如有功功率、發電機轉速、變槳角度等），數據的時間分辨率一般為10min。這為解決上述分析中提到的賠付和實際損失不匹配的情況提供了一種更加有效的參考依據。

機組在實際運行過程中通常會因為外部原因和內部原因導致機組降功率運行甚至停機。其中外部原因包含電網限電、臺風等原因造成的電網掉電、機組巡檢、機組運維、技改等，內部原因包含機組發電性能下降、機組故障等。因此在進行保險理賠前應統計機組在正常情況下的發電量(實際運行理論發電量)，以及不同原因造成的發電量損失情況(實際運行損失發電量)。雖然SCADA數據中包含了機組運行狀態，但是部分機型對于機組運行狀態記錄的詳細程度可能仍不足以辨識機組是否處于正常發電狀態。這種情況下，就需要結合每種機型的數據特點和控制策略給出相應的數據篩選規則用于計算正常發電狀態下的功率曲線，進而結合實際風速計算風電機組處于正常發電狀態下的理論發電量。

由于該方法基于每臺風電機組實際記錄的SCADA數據和每種機型的控制策略展開，因此相較于傳統發電量損失計算方法而言，計算結果的時間分辨率和空間分辨率更高，其背后的物理機制也更清晰明確，計算得到的各類損失發電量更能代表每臺風機實際情況，具備輔助保險公司厘定確定各類保險責任范圍內的發電量損失情況的技術基礎。為保證核算的專業性和公正性，也可由業主和保險公司認可的、具備相應機型原始設計認證數據的獨立第三方機構進行獨立核算，從而使理賠金額對保險人和被保險人雙方都更客觀公正。

總結

綜上所述，為了降低海上風電項目的發電量風險，可根據業主及風電場的實際情況匹配營業中斷保險方案及核算技術，以減小極端自然災害等意外事故帶來的收益波動和風險。在和發電量相關的承保核算、理賠核算中，引入基于SCADA數據和具體機型的差異化算法科學評估停機時間造成的發電量損失，將有效減少傳統損失電量計算方式帶給營業中斷保險方案的不合理性，從而讓營業中斷保險更好的地幫助海上風電規避風險、穩定收益。

關于將引入SCADA數據和具體機型的差異化算法科學評估后擬定的營業中斷險保險方案，永誠與鑒衡已經擬定制定了初步的方案，出于文章篇幅的考慮，在本文中將不做闡述，后續將發布白皮書進行詳細介紹。