智能LNG加注船货物态势感知系统设计探讨

罗文忠，周 毅，郑 坤，孙 冰

(中海油能源发展股份有限公司采油服务分公司 天津300452)

0 引 言

20 世纪80 年代，美国空军提出了态势感知(Situation Awareness，SA)的概念，覆盖感知(感觉)、理解和预测3 个层次。此概念被逐渐接受并应用到各个行业。

近年来，智能船舶逐渐成为全球海事界关注的热点。船舶智能化技术被期待能够大幅降低船舶操作中的人为失误率，保障船舶营运的安全性，优化船舶的航行性能。面对人工智能技术的迅猛发展，船舶领域的控制软件也应具备“认知大量的时间和空间中的环境要素，理解它们的意义，并预测它们在不久将来的状态”的态势感知能力。态势感知与智能船舶行业结合并得到了应用。

1 智能LNG加注船的概念

LNG 加注船主要用于载运液化天然气(LNG)，在国内港口间运输，为国内沿海中、大型LNG 燃料动力船提供船对船加注服务，兼顾为小型沿江LNG加注岸站、沿江LNG 加注趸船及LNG 卫星站提供船对岸(船)补液业务的LNG 运输加注船，航行于各类海区及内河。

智能型LNG 加注船，基于选取的船级社入级符号的要求以及船东基于管理的商业化需求的多样化，可以实现不同的智能功能，体现不同的智能等级。基本的功能包括实现态势感知、部署统一集成的智能船舶网络信息平台，设置有数据中心、安全中心、控制中心，具备实现智能航行、智能机舱、智能能效、智能货物管理、智能船体等满足船级社智能符号要求的功能，同时可以扩展智能作业管理、智能人员管理等功能(图1)。

2 智能LNG加注船货物系统态势感知设计

2.1 货物系统态势感知系统整体架构设计

图1 LNG加注船智能系统典型架构Fig.1 Typical infrastructure of intelligent system for LNG bunkering vessel

货物系统是LNG 加注船最核心的业务系统，利用各类传感器设备对货物、货舱和货物保护系统的参数进行自动采集，实现对货物系统的综合态势感知的“感”；同时基于数据处理和分析技术，以实现货舱、货物和货物保护系统状态的监测、报警、辅助决策，实现对货物系统态势感知的“知”。

实现货物态势感知，首要是对系统进行整体规划设计。智能LNG 加注船货物态势感知系统整体架构如图2 所示。

底层货舱内部、货舱外部、货物输送系统、货物价值、货物安全、视频及其他传感器，实现“感”；中间层为网络中心及数据中心，实现所有数据的互联互通并作为原始数据、业务数据的共享池；上层是分析决策中心，大小不同的态势分析模块，对应单个业务模块，结合机理模型进行低维度数据分析；核心决策模块针对整体架构进行高维度数据分析决策，安全决策模块作为系统中的独立第三方，除了对数据质量进行监控，还对态势分析模块的输出质量以及对核心决策模型的合理性进行监控，必要时进行安全介入，确保系统决策层的安全裕度。

图2 智能LNG加注船货物态势感知系统整体架构模型Fig.2 Overall architecture model of cargo situation awareness system for LNG bunkering vessel

基于大数据的关联分析能力，货物系统态势感知系统将货物系统相关信息作为核心对象，基于规则、统计等方面实现对货物状态乃至货物系统状态的监测、报警、预警及趋势预测功能，支持货物和货物系统信息的横向关联和纵向关联分析。在警报事件发生初期，帮助船员或船东收集有价值信息，迅速查明问题的根源，从而尽量减少或避免设备的损毁和商业损失。

2.2 货物系统态势感知设备选型

要实现LNG 加注船货物系统的态势感知，首先要通过配备多种传感器实现“感”。针对LNG 货舱和作业设备的特殊性，进行以下部分的选型工作。

2.2.1 货舱内部系统感知设备选型

温度是LNG 液货的主要特征，需要对LNG 液货进行持续的温度监测。适用于LNG 液货的超低温度传感器，其在0 ℃点的特征要满足LNG 货物的物理特性，其正常测量范围要覆盖-165～50 ℃的区间，其极限耐受低温要达到-200 ℃的下限(主要考虑液氮对舱温控制的介入)。一般温度传感器安装在垂直温井内，在高度上设置低、中、高区间多个传感器，对应感测LNG 液货舱不同高程温度差异大的特性。

液位是LNG 液货量的主要特征，是运输能力和贸易交接环节最重要的指标。对超低温液体的液位测量，主要通过雷达(超声波)式和浮子式2 种方式，单独一种或混用，设置多套液位传感器，满足规范法规对“监测报警”和“控制”场景的要求。由于LNG液货具有自然蒸发特性，对自然蒸发气(Boiled Off Gas，BOG)持续监测是确定LNG 货损数据，进行贸易交接的重要参考。对BOG 的压力监测同时也是进行舱温控制的主要依据。同样选择多套适合超低温(-200 ℃)的压力传感器作为BOG 压力监测的手段。

2.2.2 货舱外部维护系统感知设备选型

货舱外部货物维护系统确保对LNG 液货舱有效保护，主要包括对货舱绝缘层的绝缘效果监测和空间环境监测，其中包括采用贴片式温度传感器对货舱舱壁不同高程的温度探测和对空间环境(空气温度、空气湿度、氧气含量、凝露点)的持续探测。

2.2.3 货物输送系统感知设备选型

货物输送系统包括液相(LNG)和气相(BOG)分系统，分系统各自包括管道、阀门、泵、压缩机、对外加注装置等设备。需要分别对管道的温度、流速、流量、阀门的开闭、开度，泵的开关、容量，压缩机的开关和负荷率以及加注装置的对接有效性进行持续检测。

2.2.4 货物价值感知设备选型

LNG 货物价值感知，包括对货舱内部的温度、液位、成份、流量，BOG 成分等贸易交接涉及的货物总量、货物成份、货物特性等进行检测，其中LNG 液货和BOG 成份检测是贸易交接的重要核心参数。采用在线式采样设备可以持续监测BOG 成分的变化，减少人为采样的主观性，为贸易交接提供更加可信的数据。

2.2.5 货物安全系统感知设备选型

安全是LNG 加注船最主要的指标，对火警、危险气体泄漏、LNG 液舱的溢流、过压、泄漏的监测最为重要，此外在LNG 装载、卸载、加注作业过程中的加注系统连接有效性、通信有效性的监测是确保作业安全的有效手段。对货舱的高高液位进行独立检测、在货舱外部空间进行空气环境的气体(甲烷)成分检测、加注作业区的视频检测，对船岸连接系统(Ship-Shore Link，SSL)以及火气探测系统进行各自独立的探测。

2.3 货物系统态势感知系统实现

态势感知，除了以上的“感”，还需实现“知”。通过部署在数据平台的各类态势分析模块，将智能LNG 加注船传感器获得的数据进行管理，赋值于已知的货物系统各主要要素的关系和逻辑，实现对货物系统数据的认知，在此基础上提供一些预测功能。货物态势感知系统软件架构设计由协议解析端、管理平台、分发平台、数据推送端、应用平台组成。协议解析端用于解析从网关采集的数据、第三方系统发送的数据；管理平台用于集成配置管理和运维管理；分发平台是整个软件架构的核心，负责数据流相关处理、存储；数据推送端用于将解析后的原始数据按需分发至其他软件应用和岸基；应用平台用于集成第三方智能应用和实现统一报警。

主要分析模块功能包括：

货物监测报警和辅助决策模块。系统根据监测状态参数，给出状态异常报警，并通过对状态参数的分析，选择合适的方法将货舱内的货物温度、压力等控制在一个合理范围内，并给出优化的处理建议。

蒸发气(BOG)变化趋势预测模块。通过对一定时间范围内货物状态参数的收集分析，以及BOG 消耗设备的运行情况，给出以后一段时间BOG 变化趋势的预测，并提出控制BOG 的合理建议。

装卸货过程中BOG 控制决策模块。通过对货物和受注船舶状态进行分析选择合适的方法将货舱内温度、压力等控制在一个合理范围之内，最终给出最优化的BOG 处理建议。

货物保护系统的监测报警和辅助决策模块。对保护货物安全相关的结构、设备和系统进行监测，当监测的参数发生异常时，系统应能发出报警，并给出故障位置、可能出现的原因以及应对措施，船员能够据此对货物保护系统及时进行检查和维修。

货物配载决策模块。货物配载系统是综合考虑各种制约因素进行自动优化的配载仪，利用传感器采集货物装卸有关的数据，经计算分析，提供最优配载和操作方案。

2.4 货物系统态势感知关键技术

货物系统态势感知技术体系的关键技术有基于多源异构数据的综合状态理解技术和基于深度学习的态势预测技术。

2.4.1 基于多源异构数据的综合状态理解技术

为了更进一步地理解货物系统的实时运行状态，首先需要筛选货物系统态势感知过程中的核心信息，再将这些多源异构数据进行融合，根据机理上的关联性及组合性，使这些数据更加有效与精确，且能够为后续的实时状态评估和各类数据的互补特性辨识提供数据基础。综合状态理解技术包含以下3 类技术：

①多源异构数据集成技术。主要采用统一的网络总线方式与标准的接口适配转换模块，实现LNG 加注船的货物系统数据信息的高效整合。

②多源异构数据处理技术。采用全船统一的数据中心进行货物系统的数据筛选、数据预处理、无效数据剔除、数据质量评估、数据转换等步骤，为货物系统业务功能的数据分析提供数据支撑。

③多源异构数据挖掘技术。通过货物系统所有信息的存储，进一步将海量的货物系统数据通过数据挖掘整合为具有货物性质特征的评估或状态信息，为货物的操作或商业行为提供辅助决策与数据支撑。

2.4.2 基于深度学习的态势预测技术

货物系统态势感知的核心是态势预测，基于机器学习和数据挖掘技术，确定货物系统的运行状态特征，建立货物系统的运行分析体系，实现潜在的、未知的安全风险的超前预测。采用人工神经网络等深度学习算法，利用感知到的历史数据作为训练数据，拟合生成单因素或多因素条件下的趋势分析曲线，并向用户直观地反映货物系统的影响变化趋势，建立货物系统的关联模型，为货物系统的操作提供快速预测与最优方案推荐。通过深度学习，不断开发多维分析和智能分析工具，实现海量历史数据的知识挖掘，以标准技术方案和专业知识经验为基础，实现货物系统的态势预测分析和预警辅助决策功能。

3 总 结

智能LNG 加注船，通过对高精度的专业传感器的选型、布置、系统连接、软件架构部署、数据应用，实现对货物系统态势的“感”和“知”。货物态势感知系统的实现将增强船舶的货物安全等级，提升船舶的作业精度，最终提高船舶的商业效率。