[論文レビュー] Determining offshore wind installation times using machine learning and open data

Bo Tranberg, Kasper Koops Kratmann+1 more|arXiv (Cornell University)|Sep 25, 2019

Maritime Navigation and Safety参考文献 15被引用数 4

ひとこと要約

本論文は、風力タービン設置位置の事前知識なしに、オープンアクセスのAISデータを用いて、ジャッキアップ船のデータから自動的に洋上風力タービンの設置時間を特定する機械学習手法を提案する。軌道のクラスタリングにより、設置、移動、埠頭滞在の各フェーズを特定し、設置作業に要する時間の57.2％が実際にタービンを設置していることが判明。風速との関連で著しいばらつきが観察された。

ABSTRACT

The installation process of offshore wind turbines requires the use of expensive jack-up vessels. These vessels regularly report their position via the Automatic Identification System (AIS). This paper introduces a novel approach of applying machine learning to AIS data from jack-up vessels. We apply the new method to 13 offshore wind farms in Danish, German and British waters. For each of the wind farms we identify individual turbine locations, individual installation times, time in transit and time in harbor for the respective vessel. This is done in an automated way exclusively using AIS data with no prior knowledge of turbine locations, thus enabling a detailed description of the entire installation process.

研究の動機と目的

• 公開利用可能なAISデータを用いて、洋上風力タービン設置時間を自動的に推定する手法を開発すること。
• 風力タービンの設置時間、移動時間、埠頭滞在時間を、タービン位置の事前知識なしに特定すること。
• データ駆動型の時間分解を提供することで、将来的な洋上風力プロジェクトにおけるコスト推定の不確実性を低減すること。
• 異なる風力発電所やプロジェクト間でジャッキアップ船のパフォーマンスをベンチマーク可能にする。
• 特に風速が設置効率に与える影響を調査すること。

提案手法

• デンマーク、ドイツ、イギリスの海域で操業するジャッキアップ船から得た高分解能のAISデータ（位置、速度、コース）を収集する。
• クラスタリングアルゴリズムを適用し、船の位置を設置、移動、埠頭の3つの運用フェーズに分類する。
• 空間的・時間的クラスタリングを用いて、船の移動パターンからタービンの位置と設置イベントを推定する。
• 時間的順序と既知の風力発電所の配置との空間的近接性を分析することで、クラスタの割り当てを検証する。
• 風速データをシーメンス・ゲームサ社の内部データベースから統合し、天候要因が設置時間に与える影響を評価する。
• 現場特有のスクリプトに依存しないように、全パイプラインを自動化し、保守負荷を低減する。

実験結果

リサーチクエスチョン

• RQ1 機械学習手法を用いることで、タービン位置の事前知識なしにAISデータから正確にタービン設置イベントを特定できるか？
• RQ2 設置作業全体に占める実際のタービン設置時間の割合はどの程度か？ 一方で、移動時間や埠頭滞在時間はどの程度か？
• RQ3 風速が、異なる洋上風力発電所における設置時間の長さとばらつきにどのように影響するか？
• RQ4 この自動化手法が、将来的な洋上風力プロジェクトにおけるコスト推定の不確実性をどの程度低減できるか？
• RQ5 異なる風力発電所やジャッキアップ船において、設置時間と船のパフォーマンスはどのように変動するか？

主な発見

• 本手法は、タービン位置の事前知識なしに、AISデータのみを用いて13か所の洋上風力発電所の設置、移動、埠頭滞在フェーズを正常に特定した。
• ホーンズレブ3では、合計4,932.5時間の設置時間のうち57.2％が実際にタービンを設置する作業に費やされたが、35.1％は埠頭に滞在していた。
• ホーンズレブ3におけるタービン1基あたりの平均設置時間は100.6時間であり、移動時間や埠頭滞在時間を含めたため、従来の推定値より顕著に高かった。
• 風速と設置時間の間に非線形な関係が認められ、風速が高いほど設置時間のばらつきが大きくなった。
• 従来のスクリプト手法と比較して、同様の精度を維持しながら保守負荷を低減した。
• 本手法により、発電所間および船間でのパフォーマンスベンチマークが可能となり、設置時間推定値の段階的改善が可能になった。