上海海洋地质勘察设计有限公司 上海 200120
摘要：本文指出海上风电场选址问题所面临的多种主要影响因素，构建因素的比较判断矩阵，利用侧扫声纳的技术手段和模糊综合评价方法在地理、环境因素方面引入海上风电场选址问题中，提供高效的选址方法。侧扫声纳能够提供的海底微地貌、底质类型、障碍物等信息，为海底地理环境提供准确有效的指标判别。模糊综合评价方法将影响因素划分为不同级别的指标，采用层次分析法确定指标权重，对东海某海上风电规划区域A、B、C、D四个区域进行模糊层次分析评价，获取各区域的评价值，确定选址适宜性及最终确定海上风电建设选址及分布网型。
关键词：侧扫声纳；模糊层次分析法；小波变换；图像判别；海上风电；选址
引言
风能作为一种可再生、清洁、经济能源，广泛用于国内外电力行业。传统风能发电多建立于内陆高山，面临风力季节性变化、发电不均衡；电力长距离输送等多种困难。相对于我国东部沿海海上风电场的建立，具有海上风力资源丰富，发电量大、距离负荷中心近、电力输送短等优势，但也具有选址、建设、运行、维护难度大、投资大等限制。近年来，我国沿海地区对海上风电场建设日益关注，如何确定和评价风电场选址的可行性具有重要意义。
国内外学者将侧扫声纳广泛能用于水下工程检测 、海底地形识别 、跨海通道稳定性检测 、水下定位 等方面的应用，并对侧扫声纳的图形进行分割、识别。G Ding 和S Yan利用极限学习机实现侧扫声纳图像分割与合成，有效提高图像细节提取以及图像特征识别，大大提高图像判别精度 。B Lehmann将深度卷积神经网络应用于侧扫声纳图像分割，提高图像特征提取精度 。国内外学者在风电选址问题上多采用以层次分析法（AHP）为基础的多因素模糊评价方法 、神经网络法 、GIS空间分析法、云理论模型法等，对地理特征、环境要素、经济因素、交通条件等多方向、多角度的综合评价；但风电场选址问题的重心多偏向于陆地风电场的建立，以及以风力资源、地形对风电的影响、经济因素的问题，而对于近海海洋风电场的选址还需考虑航道、海床地质、海床障碍物、航道及海底光缆、海洋保护区、海洋渔业、军事设施等多种复杂因素。本文主要基于侧扫声纳获取海床图形，为模糊综合评价法提供准确海床信息，提高因素指标划分准确度；并利用模糊综合评价方法实现对海洋风电选址区域进行综合评价，以衡量选址准确性。
1侧扫声纳系统
1.1系统组成与原理
本文研究基础是KLEIN3000侧扫声呐系统对东海某海域海床探测成果，侧扫声纳由声学系统、数据采集系统、定位系统、数据处理系统及辅助传感器组成，通过声学系统（换能器）发射声波阵列，并接收回波信号；经数据采集系统过滤杂波及二次回波信号，将回波信号转换为数字信号，反算测量距离与时间间隔，依据定位系统成果，获取高精细海床图像。KLEIN3000侧扫声呐系统通过数据归一化处理，使得不同方向上的回波信号基本均匀，在测量水深的同时也获取直观的海底形态；可以依据测量数据信息对海底沉积物类型（岩石、泥、沙）、障碍物（沉船）、人工设施、通信设施等进行判别，从而有利于海上风电选址的精确性。本文研究海域位于近海，KLEIN3000侧扫声呐系统定位方式采用DGPS、CORS系统相结合，定位精度达厘米级，具有较高的精度，准确反映研究区海床特征。
1.2侧扫成果分析
1.2.1侧扫范围
1.2.2图像特征识别方法
侧扫声纳获取海底图像是一种声学数据拟态海底底质的侧扫声纳产品，既能获取大面积海底混响区，也有海底起伏不平整、表面粗糙度以及海底附近的各种散射体对声波的散射作用 ，所以侧扫声纳图像具有明显的海底空间结构特征，但不具备纹理特征。本文针对海底侧扫声纳图像进行空间结构特征，依据专家经验与基于小波变换的特征增强相结合，建立海底目标判别准则，并以此判别研究区A、B、C、D四个区域的海底地形、障碍物及人工设施。
小波变换在时域和频域中具有较好的信号处理能力，可以有效去除噪声影响，突出图像特征。小波变换函数：
经小波变换后，获得特征增强图像，通过对其特征分析可看出：为侧扫声纳探测海床地貌图像，图中存在波纹状规则突起；经小波变换后可看出在波纹出存在明显的明暗灰度变化，可较为明显的表现海床特征。经分析该区域海床存在较为平坦，但存在连续线状地物，该线状地物呈明显的S型，且形状规则有序，S型间距分布均匀；此外，该特征与周边海床底质特征存在明显差别，处于明显高出周边海床。该特征与专家经验相结合，可得特征可能表明海床区域存在海底电缆，拖曳式放缆导致电缆的S型分布且由于海底环境与海洋生物形成S型高出海床的图像特征。
依据侧扫图像特征与专家经验结合，确定海底各种地形变化特征及分类判读准则。
4结论
本文利用模糊层次分析法分析海上风电建设的主要因素所在风电选址中所占权重以及解决多种因素共同作用下的海上风电选址问题。对于主要影响因素的现状采用侧扫声纳获取不同海域侧扫声纳图像，经小波变化和专家经验法实现海床地物判读，为海床地形地物或人工设施提供参考依据，为提高海上风电选址精度提供有价值参考。
本方法应用于海上风电选址，通过比较A、B、C、D四个海域的硬性制约、技术制约、环境制约、软性制约作为主要因素，分析得出选址目标综合排序向量，获得A区域较为可靠；验证基于侧扫声纳和模糊综合评价方法在海上风电选址中应用的可行性。但本次评价选址未引入经济因素可能对结果存在影响，且海上风电建设所受影响因素众多，后期可引入更多因子对方法进行改进。
参考文献
[1]沈立祥, 陈浩, 严文晗. 侧扫声纳在护底工程软体排检测中的应用[J]. 海洋测绘, 2018, v.38；No.182(03):60-62+71.
[2]Greene A,Rahman A F , Kline R , et al. Side scan sonar: A cost-efficient alternative method for measuring seagrass cover in shallow environments[J].Estuarine,Coastal and Shelf Science, 2018:S0272771417311095.
[3]李振, 彭华, 姜景捷, et al. 侧扫声纳在琼州海峡跨海通道地壳稳定性调查中的应用[J]. 地质力学学报, 2018, 24(2).
[4]Petrich J , Brown M F , Pentzer J L , et al. Side scan sonar based self-localization for small Autonomous Underwater Vehicles[J]. Ocean Engineering, 2018, 161:221-226.
[5]Ding G, Yan S, Jia G, et al. Side-scan sonar image segmentation using Kernel-based Extreme Learning Machine[C]// Underwater Technology. 2017.
[6]Lehmann B, Siantidis K, Aleksi I, et al. Efficient pre-segmentation algorithm for sidescan-sonar images[C]// International Symposium on Image & Signal Processing & Analysis. 2011.
[7]Wang X B, Li Y J, Sun J Y. Research on logistics distribution center location model and fuzzy comprehensive evaluation under electronic commerce[C]// International Conference on Machine Learning & Cybernetics. 2005.
[8]Mingchang L , Qi S , Shuxiu L , et al. Carrying Capacity Assessment of Tianjin Binhai New District by Artificial Neural Network[C]// International Workshop on Intelligent Systems & Applications. IEEE, 2011.
[9]李启虎. 声呐信号处理引论[M]. 科学出版社, 2012.
[10]吕跃进. 基于模糊一致矩阵的模糊层次分析法的排序[J]. 模糊系统与数学, 2016, 16(02).
论文作者:胡玗晗
论文发表刊物:《防护工程》2019年12期
论文发表时间:2019/9/1
标签：声纳论文; 海床论文; 海底论文; 特征论文; 图像论文; 海上论文; 风电论文; 《防护工程》2019年12期论文;