海上風電場智能安全監控平臺的設計與應用

潘天國 王維公 李東起 黎禎祥 陳文 范嵩 李俊立

1.中廣核陽江海上風力發電有限公司；2.廣東海安水運技術服務有限公司；3.廣州市勤思網絡科技有限公司

海上風電近年來呈現迅猛的發展勢頭，《“十四五”可再生能源發展規劃》顯示，到2025年，我國可再生能源年發電量應達到3.3萬億千瓦時左右，風電和太陽能發電量實現翻倍[1]。海上風電場有諸多優勢，但因其在海上形成了固定或漂浮的礙航物，占用大片通航水域，對通航環境構成影響，容易造成船舶碰撞風機事故[2]。另外，風電場水域面積廣闊，設備龐大，給風電場內運維的船舶和人員安全帶來了挑戰。海上天氣變化快、環境復雜，不同海域差異性也較大，作業窗口期相對較短，這些也給海上風電設備后期運維安全帶來了困難。在風電產業進入發展快車道之際，風電場及相鄰水域安全管理成為一個重中之重的問題。

1.海上風電的安全監控需求

（1）風電場動態感知需求。海上風電場面積廣闊，存在多個需要進行安全監控的對象，如何進行覆蓋全域范圍的信息采集是首先需要解決的關鍵問題。

（2）風險事件感知需求。針對已知的海量數據，如何進行存儲和分析，及時識別其中與人、船、物相關的風險事件是海上風電安全監控的另一大需求。

（3）風險應急需求。安全事件的量化、感知和處理，需要建設配套的處理、展示與應急處理平臺，實現對隱患的自動判別、捕捉與報警，做到即時發現、即時處理，提前預防，保障企業安全生產。

2.智能化海上風電監控平臺系統

2.1 平臺設計思路

針對目前海上風電安全監控的需求，結合大數據、人工智能和信息化手段，建設基于海上風電安全監控的軟硬件平臺，實現對風電場區域內的人、船、物的安全監控。首先建設和聯通基礎傳感器，采集風電場域內多種不同維度的數據；其次，利用大數據和人工智能手段，對各類數據進行處理與融合；再次，以電子海圖為基礎，結合可視化技術提供數據的查詢、分析和決策功能；最后，結合風電和海事監控要求，構建一體化決策平臺。

2.2 平臺架構

智慧海上風電安全監控平臺架構見圖1。

2.3 基礎平臺建設

2.3.1 全域要素采集

利用各類傳感器、終端采集設備，通過有線、無線、物聯網等網絡，對風電海域周邊的關鍵要素進行數據采集，并匯聚于平臺。通過各類模型算法對匯聚數據進行整合、挖掘，最終實現應急管理的大數據應用，在此基礎上為監督管理、監測預警、指揮救援、決策支持等基礎業務提供有力支撐保障。

采集數據的硬件包括CCTV、AIS、雷達、VHF、水文、氣象等終端設備，采集的數據為終端設備現場采集的數據以及通過數據同步方式獲取的有關海上通航要素數據，如船舶、船員、航道等基礎數據。

2.3.2 大數據分析平臺

為了滿足智慧風電運維管理和安全應急指揮等應用需求，實現智慧風電全局通信的互聯互通，需完成對包括CCTV、AIS、雷達、VHF等設備形成的數據資源進行存儲與有效整合。由于采集的數據為格式不同異構數據，需要經過數據有效的數據處理，才能形成有效的決策數據，因而需要建立相應的大數據分析平臺，進而實現對風電場采集數據的清洗、預處理和分析決策。

2.3.3 深度學習平臺

數據的決策分析基于模型，而大數據的建模必須依靠精確的數據特征抽取。面對海量的風電場異構數據，數據特征分析是一個挑戰。深度學習是近年來廣泛用于數據分析建模的主流技術，能夠實現視頻、音頻和文本等多種異構數據的處理?；谏疃葘W習的數據特征分析是實現風電場大數據分析決策的關鍵。

2.3.4 定位系統

北斗定位。采用北斗定位作為人員定位終端信號。人員定位終端佩戴在作業人員身上，實時接收北斗地基增強系統地面差分站播發的差分改正信息，實現對人員的分米級精準定位，并將定位結果實時發送給平臺。平臺通過對終端傳送數據進行分析，得到人員的具體位置，并將位置信息在海圖上顯示，同時判斷人員是否在已設定好的施工作業區域內，根據判斷結果進行安全區域報警，實現對人員的精準安全管控。

AIS定位。為全面掌握風電場域內船舶動態，通過場域的AIS設備接收過往船舶發出的AIS信號，采集船舶航行路線定位數據。通過船舶AIS數據的采集能夠實現：1）識別船舶身份；2）及時掌握船舶路線并判斷是否進入核心控制區狀態；3）預判船舶航速航向，判斷船舶是否有碰撞風機和拖拽海纜的風險。

2.3.5 海圖系統

電子海圖服務平臺支持對風電應用圖層的接入服務，可以對包括通航要素、AIS實時數據、VTS實時數據、行政區域、運維管控區域等風電業務應用圖層提供接入服務，并可以實現不同圖層的疊加及切換顯示?？山尤敕螼GC標準的Web地圖資源。

2.4 應用平臺建設

2.4.1 人員監控

①位置監控。風電場內的施工作業人員都需要佩戴定位識別裝置，以便實時采集人員位置信息。通過人員位置信息的采集一方面可以記錄人員工作打卡的工作地點和時間，另外對高危作業的人員來說，一旦發生落水或者傷害事件，通過設備可以及時發出響應并提示救援，降低因事故帶來的風險。

②行為監控。近年來隨著人工智能技術的發展，基于視頻圖像開展人員異常行為監控已成為可能。在人員行為監控中，最重要的問題是人體關鍵點分析，這類問題可以利用深度學習中的人體姿態估計來實現。風電場域內人員的監控重點是安全行為監控，如施工人員是否超越警戒區域、人員密度、人員統計、機械操作規范與否等。

2.4.2 船舶監控

①船舶識別與跟蹤。利用AI智能識別技術，集視頻圖像智能分析和監測預警于一體，對進入安全管控區域的船舶進行識別并對其行為進行分析，如識別船名、錨泊行為等。對未開啟AIS船舶，可實現對隱患船舶的自動判別、捕捉與報警，做到即時發現、即時處理。實時監控過往船舶細節，尤其是船名船號，保存為圖片，并結構化存儲。基于視頻實現自動統計船舶流量且每艘船均有照片為證，提升流量數據采集質量和頻度，提高統計工作的準確度。對于航行在風電場域內的船舶，通過AI視頻技術實現船舶的識別與跟蹤，能夠掌握船舶的航行動態。

②船舶異常行為監控。利用AIS大數據，結合AI視頻分析，對根據風電場多級預警的情況設置不同針對船舶的電子圍欄規則：禁止進入、限制進入、禁止錨泊、限制錨泊、禁止掉頭、區域防走錨、區域限速、關機監控等，同時系統可配置多級管控電子圍欄的智能分析算法。對于識別到的行為異常的船舶，可及時通過VHF設備或者AIS短信通知船主，及時駛出風電場監控區域。

2.4.3 風機監控

①風機狀態監控。將風機運行時的參數采集到系統，從而實現：一是風機運行狀態的可視化展示，通過3D模型疊加風機運行參數，讓用戶直觀了解風機運行狀態；二是通過對歷史運行參數的收集與處理，實現參數統計以供決策，另外通過對各項參數進行建模，可實現對異常狀態的預測和預警，及早處置風險。

②風機葉片監控。風機葉片是風機設施的重要組成部分，由于長時間高強度惡劣環境情況下的運行，可能會出現損壞。系統在風機停機時，使用高清攝像頭拍攝的照片，結合AI智能分析技術，對風機葉片情況進行自動分析，及時發現葉片存在的問題。風機葉片的智能監控減少了人工現場操作的風險，可以提高運維頻次和運維效率。

2.4.4 風險應急處置

風電場內部和周邊的人、船、物、環境等信號經過采集和處理后，形成了信息化數據，為快速感知風電場運行狀態提供了基礎，同時，也為應急決策響應提供了依據。例如：船舶進入風電場周邊領域，值班人員可以根據船舶的識別情況對其發出提醒；船舶進入風電場核心區域時，如果識別存在異常行為，可以發出驅離信號；風電設備運行參數存在預警，系統生成檢修任務，提示維修；檢測到人員落水時，可以及時將信息同步給搜救機構，同時創建緊急救援程序并下發到相關人員組織現場救援。通過安全監控基礎硬件的建設和應用平臺的建設，能夠將風電場內的風險因素在第一時間發掘出來，為安全風險應急響應提供了依據。

2.4.5 綜合展示與查詢分析

①查詢功能。滿足對船舶、人員、風機、通航要素、敏感資源、應急力量、歷史信息這些數據提供快速查詢的要求，數據整合后在系統建立數據索引，對不同數據進行分類篩查，提供高效的高速查詢檢索的速度。

②統計分析功能?；陟o態數據和動態數據，按照數據的維度進行統計，并形成表格、柱狀圖、餅狀圖、折線圖等各種類型的統計結果。提供對大數據的分析加工能力，對數據進行建模，實現預測、分類、關聯分析等各種模式分析。

③展示功能。建立風電場域一張圖，綜合展示風電場內的各項運行指標?；谀_本、三維動畫、圖表建立各主題數據的展示模塊，結合業務特性，以靜態或者動態的方式渲染數據結果，形成有效的感知決策基礎。

綜合展示與查詢分析效果如圖2所示。

圖2 綜合展示與查詢分析

3.結束語

海上風電的自身特性決定了安全因素是風電生命周期中必須關注的重要因素?；诤Ｉ蠌碗s環境特點，結合風電安全監控業務的需求和痛點，本文提出了智能化海上風電監控平臺的解決方案。借助人工智能和大數據，通過對風電場域綜合數據進行感知、處理和分析，形成對風險因素有效感知和風險應對智能決策的重要平臺。海上風電智能監控平臺的建設和應用，能有效降提升風電場應對風險的能力，對保障人民的財產和生命安全具有重要意義。