[논문 리뷰] Determining offshore wind installation times using machine learning and open data

Bo Tranberg, Kasper Koops Kratmann외 1명|arXiv (Cornell University)|2019. 09. 25.

Maritime Navigation and Safety참고 문헌 15인용 수 4

한 줄 요약

이 논문은 항만 위치에 대한 사전 지식 없이, 잡업선의 개방형 AIS 데이터를 사용하여 해상 풍력 터빈 설치 시간을 자동으로 결정하는 기계학습 기반 접근법을 제안한다. 선박 항로를 군집화함으로써 설치, 이동, 항만 단계를 식별하며, 설치 시간의 57.2%가 터빈 설치에 소요되며, 풍속과 밀접한 관련이 있는 변동성이 뚜렷한 것으로 드러났다.

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.

연구 동기 및 목표

• 공개된 AIS 데이터를 활용하여 해상 풍력 설치 시간을 자동으로 추정하는 방법을 개발하기 위해.
• 터빈 위치에 대한 사전 지식 없이도 설치 시간, 이동 시간, 항만 체류 시간을 식별하기 위해.
• 데이터 기반의 시간 분할을 제공함으로써 향후 해상 풍력 프로젝트의 비용 추정 불확실성을 줄이기 위해.
• 다양한 풍력 발전소와 프로젝트 간 잡업선 성능 비교 분석을 가능하게 하기 위해.
• 특히 풍속과 같은 기상 조건이 설치 효율성에 미치는 영향을 탐색하기 위해.

제안 방법

• 덴마크, 독일, 영국 수역에서 운영 중인 잡업선으로부터 고해상도 AIS 데이터(위치, 속도, 항로)를 수집하기 위해.
• 선박 위치를 설치, 이동, 항만 단계로 구분하는 군집 알고리즘을 적용하기 위해.
• 공간적·시간적 군집화를 통해 선박 이동 패tern에서 터빈 위치와 설치 이벤트를 유추하기 위해.
• 시간적 순서와 알려진 풍력 발전소 배치도와의 공간적 근접성을 분석함으로써 군집 할당의 타당성을 검증하기 위해.
• 기상 영향 평가를 위해 내부 시멘스 게사 데이터베이스에서 풍속 데이터를 통합하기 위해.
• 현장 특화 스크립트에 의존하지 않고 유지보수 부담을 줄이기 위해 전체 파이프라인을 자동화하기 위해.

실험 결과

연구 질문

• RQ1 기계학습 기법을 사용하여 터빈 위치에 대한 사전 지식 없이 AIS 데이터에서 터빈 설치 이벤트를 정확히 식별할 수 있는가?
• RQ2 총 설치 시간의 몇 퍼센트가 실제 터빈 설치에 소요되는가, 이동 및 항만 운영 시간과 비교해보면 어떻게 되는가?
• RQ3 풍속은 다양한 해상 풍력 발전소에서 설치 시간의 지속 기간과 변동성에 어떤 영향을 미치는가?
• RQ4 이 자동화된 방법이 향후 해상 풍력 프로젝트의 비용 추정 불확실성을 얼마나 줄일 수 있는가?
• RQ5 다양한 풍력 발전소와 잡업선 간에 설치 시간과 선박 성능은 어떻게 달라지는가?

주요 결과

• 이 방법은 터빈 위치에 대한 사전 지식 없이도 AIS 데이터만으로 13개의 해상 풍력 발전소에서 설치, 이동, 항만 단계를 성공적으로 식별하였다.
• 혼즈 레브 3에서 총 4,932.5시간의 설치 시간 동안 실제 터빈 설치에 57.2%가 소요되었으며, 항만 체류 시간은 35.1%였다.
• 혼즈 레브 3에서 터빈당 평균 설치 시간은 100.6시간으로, 이동 및 항만 시간까지 포함하여 이전 추정치보다 뚜렷이 높았다.
• 풍속은 설치 시간과 비선형적 관계를 보였으며, 높은 풍속에서 설치 시간의 변동성이 증가하는 경향을 보였다.
• 기존 스크립트 기반 방법에 비해 유지보수 부담은 감소시켰지만, 정확도는 유사하게 유지하였다.
• 이 방법은 다양한 풍력 발전소와 선박 간 성능 비교 분석을 가능하게 하여 설치 시간 추정치의 점진적 개선을 지원한다.