海上风电场智能安全监控平台的设计与应用

潘天国 王维公 李东起 黎祯祥 陈文 范嵩 李俊立

1.中广核阳江海上风力发电有限公司；2.广东海安水运技术服务有限公司；3.广州市勤思网络科技有限公司

海上风电近年来呈现迅猛的发展势头，《“十四五”可再生能源发展规划》显示，到2025年，我国可再生能源年发电量应达到3.3万亿千瓦时左右，风电和太阳能发电量实现翻倍[1]。海上风电场有诸多优势，但因其在海上形成了固定或漂浮的碍航物，占用大片通航水域，对通航环境构成影响，容易造成船舶碰撞风机事故[2]。另外，风电场水域面积广阔，设备庞大，给风电场内运维的船舶和人员安全带来了挑战。海上天气变化快、环境复杂，不同海域差异性也较大，作业窗口期相对较短，这些也给海上风电设备后期运维安全带来了困难。在风电产业进入发展快车道之际，风电场及相邻水域安全管理成为一个重中之重的问题。

1.海上风电的安全监控需求

（1）风电场动态感知需求。海上风电场面积广阔，存在多个需要进行安全监控的对象，如何进行覆盖全域范围的信息采集是首先需要解决的关键问题。

（2）风险事件感知需求。针对已知的海量数据，如何进行存储和分析，及时识别其中与人、船、物相关的风险事件是海上风电安全监控的另一大需求。

（3）风险应急需求。安全事件的量化、感知和处理，需要建设配套的处理、展示与应急处理平台，实现对隐患的自动判别、捕捉与报警，做到即时发现、即时处理，提前预防，保障企业安全生产。

2.智能化海上风电监控平台系统

2.1 平台设计思路

针对目前海上风电安全监控的需求，结合大数据、人工智能和信息化手段，建设基于海上风电安全监控的软硬件平台，实现对风电场区域内的人、船、物的安全监控。首先建设和联通基础传感器，采集风电场域内多种不同维度的数据；其次，利用大数据和人工智能手段，对各类数据进行处理与融合；再次，以电子海图为基础，结合可视化技术提供数据的查询、分析和决策功能；最后，结合风电和海事监控要求，构建一体化决策平台。

2.2 平台架构

智慧海上风电安全监控平台架构见图1。

2.3 基础平台建设

2.3.1 全域要素采集

利用各类传感器、终端采集设备，通过有线、无线、物联网等网络，对风电海域周边的关键要素进行数据采集，并汇聚于平台。通过各类模型算法对汇聚数据进行整合、挖掘，最终实现应急管理的大数据应用，在此基础上为监督管理、监测预警、指挥救援、决策支持等基础业务提供有力支撑保障。

采集数据的硬件包括CCTV、AIS、雷达、VHF、水文、气象等终端设备，采集的数据为终端设备现场采集的数据以及通过数据同步方式获取的有关海上通航要素数据，如船舶、船员、航道等基础数据。

2.3.2 大数据分析平台

为了满足智慧风电运维管理和安全应急指挥等应用需求，实现智慧风电全局通信的互联互通，需完成对包括CCTV、AIS、雷达、VHF等设备形成的数据资源进行存储与有效整合。由于采集的数据为格式不同异构数据，需要经过数据有效的数据处理，才能形成有效的决策数据，因而需要建立相应的大数据分析平台，进而实现对风电场采集数据的清洗、预处理和分析决策。

2.3.3 深度学习平台

数据的决策分析基于模型，而大数据的建模必须依靠精确的数据特征抽取。面对海量的风电场异构数据，数据特征分析是一个挑战。深度学习是近年来广泛用于数据分析建模的主流技术，能够实现视频、音频和文本等多种异构数据的处理。基于深度学习的数据特征分析是实现风电场大数据分析决策的关键。

2.3.4 定位系统

北斗定位。采用北斗定位作为人员定位终端信号。人员定位终端佩戴在作业人员身上，实时接收北斗地基增强系统地面差分站播发的差分改正信息，实现对人员的分米级精准定位，并将定位结果实时发送给平台。平台通过对终端传送数据进行分析，得到人员的具体位置，并将位置信息在海图上显示，同时判断人员是否在已设定好的施工作业区域内，根据判断结果进行安全区域报警，实现对人员的精准安全管控。

AIS定位。为全面掌握风电场域内船舶动态，通过场域的AIS设备接收过往船舶发出的AIS信号，采集船舶航行路线定位数据。通过船舶AIS数据的采集能够实现：1）识别船舶身份；2）及时掌握船舶路线并判断是否进入核心控制区状态；3）预判船舶航速航向，判断船舶是否有碰撞风机和拖拽海缆的风险。

2.3.5 海图系统

电子海图服务平台支持对风电应用图层的接入服务，可以对包括通航要素、AIS实时数据、VTS实时数据、行政区域、运维管控区域等风电业务应用图层提供接入服务，并可以实现不同图层的叠加及切换显示。可接入符合OGC标准的Web地图资源。

2.4 应用平台建设

2.4.1 人员监控

①位置监控。风电场内的施工作业人员都需要佩戴定位识别装置，以便实时采集人员位置信息。通过人员位置信息的采集一方面可以记录人员工作打卡的工作地点和时间，另外对高危作业的人员来说，一旦发生落水或者伤害事件，通过设备可以及时发出响应并提示救援，降低因事故带来的风险。

②行为监控。近年来随着人工智能技术的发展，基于视频图像开展人员异常行为监控已成为可能。在人员行为监控中，最重要的问题是人体关键点分析，这类问题可以利用深度学习中的人体姿态估计来实现。风电场域内人员的监控重点是安全行为监控，如施工人员是否超越警戒区域、人员密度、人员统计、机械操作规范与否等。

2.4.2 船舶监控

①船舶识别与跟踪。利用AI智能识别技术，集视频图像智能分析和监测预警于一体，对进入安全管控区域的船舶进行识别并对其行为进行分析，如识别船名、锚泊行为等。对未开启AIS船舶，可实现对隐患船舶的自动判别、捕捉与报警，做到即时发现、即时处理。实时监控过往船舶细节，尤其是船名船号，保存为图片，并结构化存储。基于视频实现自动统计船舶流量且每艘船均有照片为证，提升流量数据采集质量和频度，提高统计工作的准确度。对于航行在风电场域内的船舶，通过AI视频技术实现船舶的识别与跟踪，能够掌握船舶的航行动态。

②船舶异常行为监控。利用AIS大数据，结合AI视频分析，对根据风电场多级预警的情况设置不同针对船舶的电子围栏规则：禁止进入、限制进入、禁止锚泊、限制锚泊、禁止掉头、区域防走锚、区域限速、关机监控等，同时系统可配置多级管控电子围栏的智能分析算法。对于识别到的行为异常的船舶，可及时通过VHF设备或者AIS短信通知船主，及时驶出风电场监控区域。

2.4.3 风机监控

①风机状态监控。将风机运行时的参数采集到系统，从而实现：一是风机运行状态的可视化展示，通过3D模型叠加风机运行参数，让用户直观了解风机运行状态；二是通过对历史运行参数的收集与处理，实现参数统计以供决策，另外通过对各项参数进行建模，可实现对异常状态的预测和预警，及早处置风险。

②风机叶片监控。风机叶片是风机设施的重要组成部分，由于长时间高强度恶劣环境情况下的运行，可能会出现损坏。系统在风机停机时，使用高清摄像头拍摄的照片，结合AI智能分析技术，对风机叶片情况进行自动分析，及时发现叶片存在的问题。风机叶片的智能监控减少了人工现场操作的风险，可以提高运维频次和运维效率。

2.4.4 风险应急处置

风电场内部和周边的人、船、物、环境等信号经过采集和处理后，形成了信息化数据，为快速感知风电场运行状态提供了基础，同时，也为应急决策响应提供了依据。例如：船舶进入风电场周边领域，值班人员可以根据船舶的识别情况对其发出提醒；船舶进入风电场核心区域时，如果识别存在异常行为，可以发出驱离信号；风电设备运行参数存在预警，系统生成检修任务，提示维修；检测到人员落水时，可以及时将信息同步给搜救机构，同时创建紧急救援程序并下发到相关人员组织现场救援。通过安全监控基础硬件的建设和应用平台的建设，能够将风电场内的风险因素在第一时间发掘出来，为安全风险应急响应提供了依据。

2.4.5 综合展示与查询分析

①查询功能。满足对船舶、人员、风机、通航要素、敏感资源、应急力量、历史信息这些数据提供快速查询的要求，数据整合后在系统建立数据索引，对不同数据进行分类筛查，提供高效的高速查询检索的速度。

②统计分析功能。基于静态数据和动态数据，按照数据的维度进行统计，并形成表格、柱状图、饼状图、折线图等各种类型的统计结果。提供对大数据的分析加工能力，对数据进行建模，实现预测、分类、关联分析等各种模式分析。

③展示功能。建立风电场域一张图，综合展示风电场内的各项运行指标。基于脚本、三维动画、图表建立各主题数据的展示模块，结合业务特性，以静态或者动态的方式渲染数据结果，形成有效的感知决策基础。

综合展示与查询分析效果如图2所示。

图2 综合展示与查询分析

3.结束语

海上风电的自身特性决定了安全因素是风电生命周期中必须关注的重要因素。基于海上复杂环境特点，结合风电安全监控业务的需求和痛点，本文提出了智能化海上风电监控平台的解决方案。借助人工智能和大数据，通过对风电场域综合数据进行感知、处理和分析，形成对风险因素有效感知和风险应对智能决策的重要平台。海上风电智能监控平台的建设和应用，能有效降提升风电场应对风险的能力，对保障人民的财产和生命安全具有重要意义。