(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210936736.4 (22)申请日 2022.08.05 (71)申请人 中远海运科技股份有限公司 地址 200135 上海市浦东 新区民生路6 00号 (72)发明人 段俊利　王新波　 (74)专利代理 机构 北京海虹嘉诚知识产权代理 有限公司 1 1129 专利代理师 高丽萍 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/906(2019.01) G06Q 50/06(2012.01) (54)发明名称 一种基于AIS的海上风电场识别方法及系统 (57)摘要 本发明提供了一种基于AIS的海 上风电场识 别方法及系统， 基于船舶AIS动态数据和船舶资 料数据， 并结合业务逻辑确定出疑似风电安装 船， 以及风电安装船安装风机时所具备的AIS特 征， 然后采用DBSCAN聚类算法对满足AIS特征的 疑似风电安装船的经纬度位置信息进行聚类得 到多个第一簇， 再采用Kmeans聚类算法将得到的 每个第一簇再次进行聚类， 得到多个第二簇， 再 结合业务逻辑筛选出疑似风机的簇， 以及疑似海 上风电场的簇， 并计算每个疑似海 上风电场中每 个风机与其他风机之间的距离， 以及每个风机与 其距离最近风机的斜率， 根据每个 疑似海上风电 场中的风机数量、 风机之间的距离、 斜率和船舶 目的港识别出海 上风电场区域， 警告船舶禁止进 入相关区域并评估 海上风电的发展情况。 权利要求书2页 说明书7页 附图2页 CN 115310533 A 2022.11.08 CN 115310533 A 1.一种基于AIS的海上风电场识别方法， 其特 征在于， 包括以下步骤： 数据采集步骤： 采集船舶资料数据， 根据业务逻辑从船舶资料数据中进行风电安装船 特征挖掘以确定出疑似风电安装船； 特征确定步骤： 采集疑似风电安装船的AIS动态数据， 根据AIS动态数据确定风电安装 船安装风机时所具备的A IS特征； 所述A IS动态数据包括船舶经纬度位置信息、 对地航速、 船 艏向、 船舶吃水和船舶目的港； 聚类及计算步骤： 采用DBSCAN聚类算法对满足AIS特征的疑似风电安装船的经纬度位 置信息进行聚类， 得到多个第一簇， 再采用Kmeans聚类算法将得到的每个第一簇再次进行 聚类， 得到多个第二簇， 并获得每个第二簇的中心 点经纬度坐标， 根据中心 点经纬度坐标计 算出第二簇的半径， 并根据A IS动态数据计算出第二簇内船艏向的方差、 船舶吃水的均值和 方差； 风机识别步骤： 从多个第 二簇中将半径、 船艏向的方差、 船舶吃水的均值和方差均满足 各自的预设条件的簇智能筛 选出来， 作为疑似风机存 储至数据库中； 风电场识别步骤： 采用DBSCAN聚类算法对数据库中已筛选出作为疑似风机的各个簇的 中心点经纬度坐标进 行聚类， 得到多个第三簇， 将第三簇作为疑似海 上风电场， 并计算每个 疑似海上风电场中每个风机与其他风机之 间的距离， 以及每个风机与其距离最近风机的斜 率， 根据每个疑似海 上风电场中的风机数量、 风机之间的距离、 斜率和船舶目的港自动识别 出海上风电场。 2.根据权利要求1所述的基于AIS的海上风电场识别方法， 其特征在于， 所述数据采集 步骤中， 所述船舶资料数据包括船舶状态字段、 船舶设备字段和船舶类型字段， 所述船舶状 态字段包括在营运字段、 拆解字段和订单字段， 所述船舶类型字段包括提供海上服务字段 和支撑平台字段。 3.根据权利要求1所述的基于AIS的海上风电场识别方法， 其特征在于， 特征确定步骤 中， 所述AIS特 征包括对地 航速和航行状态。 4.根据权利要求1至3之一所述的基于AIS的海上风电场识别方法， 其特征在于， 所述聚 类及计算步骤中， 在采用DBSCAN聚类算法进行聚类时， 还采用轮廓系数作为聚类效果的评 价指标。 5.根据权利要求4所述的基于AIS的海上风电场识别方法， 其特征在于， 所述聚类及计 算步骤中， 在得到多个第二簇后， 保留簇内的最小时间和最大时间， 并根据最小时间和最大 时间计算出时间差， 作为 风电安装船安装效率的评价指标。 6.一种基于AIS的海上风电场识别系统， 其特征在于， 包括依次连接的数据采集模块、 特征确定模块、 聚类及计算模块、 风机识别模块和风电场识别模块， 所述数据采集模块， 采集船舶资料数据， 根据业务逻辑从船舶资料数据中进行风电安 装船特征挖掘以确定出疑似风电安装船； 所述特征确定模块， 采集疑似风电安装船的AIS动态数据， 根据AIS动态数据确定风电 安装船安装风机时所具备的AIS特征； 所述AIS动态数据包括船舶经纬度位置信息、 对地航 速、 船艏向、 船舶吃水和船舶目的港； 所述聚类及计算模块， 采用DBSCAN聚类算法对满足AIS特征的疑似风电安装船的经纬 度位置信息进行聚类， 得到多个第一簇， 再采用Kmeans聚类算法将得到的每个第一簇再次权　利　要　求　书 1/2 页 2 CN 115310533 A 2进行聚类， 得到多个第二簇， 并获得每个第二簇的中心点经纬度坐标， 根据中心 点经纬度坐 标计算出第二簇的半径， 并根据 AIS动态数据计算出第二簇内船艏向的方差、 船舶吃水的均 值和方差； 所述风机识别模块， 从多个第 二簇中将半径、 船艏向的方差、 船舶吃水的均值和方差均 满足各自的预设条件的簇智能筛 选出来， 作为疑似风机存 储至数据库中； 所述风电场识别 模块， 采用DBSCAN聚类算法对数据库中已筛选出作为疑似风机的各个 簇的中心 点经纬度坐标进 行聚类， 得到多个第三簇， 将第三簇作为疑似海上风电场， 并计算 每个疑似海上风电场中每个风机与其他风机之 间的距离， 以及每个风机与其距离最近风机 的斜率， 根据每个疑似海上风电场中的风机数量、 风机 之间的距离、 斜率和船舶目的港自动 识别出海上风电场。 7.根据权利要求6所述的基于AIS的海上风电场识别系统， 其特征在于， 所述船舶资料 数据包括船舶状态字段、 船舶设备字段和船舶类型字段， 所述船舶状态字段包括在营运字 段、 拆解字段和订单字段， 所述船舶类型字段包括 提供海上服 务字段和支撑平台字段。 8.根据权利 要求6所述的基于AIS的海上风电场识别系统， 其特征在于， 所述AIS特征包 括对地航速和航行状态。 9.根据权利要求6至8之一所述的基于AIS的海上风电场识别系统， 其特征在于， 所述聚 类及计算模块中， 在采用DBSCAN聚类算法进行聚类时， 还采用轮廓系数作为聚类效果的评 价指标。 10.根据权利要求9所述的基于AIS的海上风电场识别系统， 其特征在于， 所述聚类及计 算模块中， 在得到多个第二簇后， 保留簇内的最小时间和最大时间， 并根据最小时间和最大 时间计算出时间差， 作为 风电安装船安装效率的评价指标。权　利　要　求　书 2/2 页 3 CN 115310533 A 3