大數據技術在船舶能效管理中的應用

葛 沛，徐宏偉，劉燦波，李林海

(南通中遠海運川崎船舶工程有限公司，江蘇 南通 226005)

0 引言

目前全球航運市場持續低迷，而燃油價格的上漲、港口使用費的上升以及維修費用的增加等因素導致船舶營運成本大幅度增加,其中燃油費約占據船舶運營總成本的三分之二以上，存在很大壓縮空間，所以船舶能效管理成為航運企業控制運營成本的首要切入點。近年來，互聯網信息技術已滲透到各個行業，通訊技術也越來越發達，利用大數據、云計算、物聯網等技術，可以改善船舶運營的能效水平，提升航運的信息化水平。柳晨光等[1]從大數據、信息物理系統等方面介紹了船舶的智能化，從船舶智能管理與服務方面分析了水路ITS、交通流理論和數據分析方法的最新發展，并提出了基于可視分析解決船舶管理大數據處理的流程。本文重點研究了大數據技術在船舶能效管理方面的應用，包括數據采集、能效水平評估、提供船舶操作的決策建議、建立航區航線的海況數據庫、水動力性能優化。

1 智能能效管理簡介

船舶能效管理可以分為3個層次：第1層次是能效相關數據信息采集；第2層次是基于采集的能效數據，為船舶的航行操作提供決策輔助；第3層次是優化船舶的水動力性能，實現固定航線的船舶型線優化。能效管理是一個復雜的過程。能效管理系統自動采集船舶的航行狀態、外界環境信息、機器耗能狀況數據，對船舶能效狀況、航行及裝載狀態等進行評估，并通過大數據分析、數值仿真分析及優化技術，為船舶提供數據評估分析結果，以及航速優化、基于縱傾優化的最佳配載等輔助決策建議，從而實現船舶能效實時監控、智能評估及優化。

2 營運數據監測及分析

船廠及設計單位在船舶設計時需要考慮安裝能源監控系統，以監控機器和船舶的性能參數、采集船舶運營過程中的能效數據。船舶航行數據包括GPS位置、航速、航向、舵角、吃水，周圍的環境參數如風速、風向、水深。機器的參數有主機的轉速、功率、油耗、扭矩等。海洋的潮流數據可以通過船上的多普勒測速儀獲取。波浪數據一般通過船員目測觀察手動記錄。這些船舶營運的數據通過衛星通訊系統定時傳送到岸基的數據中心，傳送的周期一般為6 h。但通過衛星傳輸長期監測的海量數據，由于成本較高，因此傳送的頻率受到限制。同時采集的數據，受到設備運行環境的影響，可能會有失真或局部丟失情況，因此對于船舶監測的數據還需要篩選過濾。如某時刻僅有一兩個信號無數據，可采用數據趨勢進行臨近插補進行填補。

依托大數據分析方法，對采集的數據進行統計分析，挖掘出研究對象的內在規律，最大化地開發數據資料的功能。數據分析包括聚類分析、因子分析、相關分析、回歸分析和數據挖掘。聚類分析是將具有相似特征的數據歸為一類。因子分析是少數因子來描述許多指標之間的聯系。相關性分析是測定不同變量之間的相互關系。數據挖掘是從這些大量的隨機數據中提取潛在的信息和知識，完成分類、估值、預言、相關性分組或關聯規則、聚集、描述和可視化6種不同的任務。以研究排水量、船速與功率之間的關系為例，其步驟如下：

(1)將數據進行歸類處理，即從采集的數據中按照類型篩選出航行時的首尾吃水、船速、功率、風速風向、浪高浪向、水深等數據。同時根據吃水和排水量的范圍，將排水量較為接近時采集的數據分成幾組。對數據進行相關性分析，可以判斷船速、功率與排水量、風速風向相關。

(2)將采集的功率數據修正到無風無浪的理想環境下的功率。

(3)通過回歸分析，得到排水量、船速、功率之間的關系。

3 船舶節能航行

3.1 縱傾優化

縱傾優化方法是指應用CFD工具或船模水池試驗，計算船舶在不同裝載工況和不同航速下的阻力，同時引進系統優化思想，以最小阻力為目標，在全面考慮航行視線、穩性、強度安全的基礎上，給出船舶航行最佳縱傾浮態，為船舶實際營運提供有效建議。對于縱傾性能數據庫，傳統方法是在設計階段通過CFD模擬計算和水池試驗結果，計算船舶在航行中各吃水對應的不同航速、縱傾下的阻力，進而得出各吃水、航速和縱傾下的主機功率。根據出航前預定的航速和吃水，搜索最低的主機功率對應的最佳縱傾。

以上這種搜索最佳縱傾的方法存在一些局限性，比如船舶的實際航速和吃水深度并不總是和船模試驗時的數據一致。因此需要在縱傾矩陣圖內插入一些數值，并假設插入值在原值之間是線性的關系，但這種假設并非總是正確的，尤其當吃水深度和縱傾離球鼻艏浸沒點非常接近的時候。此外，該方法難以考慮船舶外界擾動以及動態的實時情況，例如風、下沉等所產生的影響，即船員無法精確獲得船舶在航行中的實際吃水深度，只能確定出航前的準確吃水。有時按比例將模型試驗的數據放大至實際海況也會導致偏差，妨礙船舶在海上按照最優縱傾狀態航行。由于航速、海況、海面起伏等因素，船舶會發生動態的垂向晃動。劇烈的尾傾會導致阻力增加，改變船舶動態縱傾。航行中的實際縱傾角度和靜態縱傾角度有時相差較大，靜止狀態下最優縱傾和動態縱傾之間相差可能達到1 m。因此，有必要實時采集船舶的數據，并對其進行多維分析，尋找動態縱傾優化方法。動態縱傾優化方法考慮大量的變量數據，包括流體力學相關變量，如淺水下沉量、艏側推和操縱舵角，也包括必要的天氣條件，如風況、海浪等。在考慮影響航行的各種因素后，計算出最優縱傾的數值，并且需持續地進行數據采集、過濾和分析，才能夠不斷提高縱傾優化的精度，實現船舶節能航行。

3.2 航速優化

除了船舶航行浮態對船舶能效有影響外，主機轉速、航速也會影響油耗。在船期允許情況下，大型船舶普遍采取降低航速的措施，達到減少油耗的目標。依據船舶航行數據，結合航次計劃、航線特點、燃料消耗評估及航行成本核算分析等結果，形成航速優化方案。能源監控系統不僅可以輸入預定的航行線路、艏艉吃水、燃油價格、出港到港的預定時間，還可以接收岸基數據中心發送的風、浪涌和潮流等氣象及海況預報信息，然后將預定的航線分成許多段，在每一航段上計算出最佳航速和轉速，指導船員設定轉速[2]。

航速優化的核心是確定變量之間的數學模型和采用的優化算法。燃油消耗數學模型如下：

(1)船體模型：體現速度和功率的關系。

(2)主機模型：體現主機負荷和油耗率關系。

(3)螺旋槳模型：體現螺旋槳進速系數與效率的關系。

對于采集的數據，多個變量之間存在某種規律性，經過統計分析建立關聯性數學模型，可以預測數據。例如：船舶在淺水中的下沉量，計算公式(式1)根據學者的研究結果往往是確定的，現在通過統計分析，可以得到更為精確的模型。風的阻力計算(式2)，傳統方法根據風阻系數、相對風向的面積、風速計算得到。但現在有采集的數據之后，通過大數據統計分析可以得到更接近實際情況的精確風阻模型(式3)。運用OpenMDAO優化算法，雖然能夠得到優化速度，但其結果仍然存在不確定性，比如：船身效率隨著運營時間變化，船體表面的粗糙度會不斷增加，螺旋槳和主機的性能也會下降；氣象預報信息的可信度和精度、服務航速的變化、水動力和空氣動力模型的精度、采集數據的質量和數量、航速調整的頻率等因素都會影響航速優化的結果。航速優化、縱傾優化的精確度取決于數學模型中使用的速度功率關系曲線。能源監控系統采集船速、功率等數據，應用大數據技術，可以定期更新速度功率曲線，從而提高航速優化和縱傾優化預報的精度。

(1)

式中：Sb為淺水下沉量；h為水深；T為吃水；CB為方形系數；Lpp為垂線間長；B為船寬；V為船速；g為重力加速度。

(2)

式中：RAA為風阻力；ρair為空氣密度；CAA為風阻系數；AF為相對風向的面積；Vwind為相對風速。

(3)

式中：wi為風阻因子；αwind為相對風向角；i為風向角編號；N為風向角數目。

3.3 清除污底節點優化

隨著運營時間加長，船體和螺旋槳表面形成污底。為減小船體阻力，提高螺旋槳的推進效率，船舶需要定期進塢進行清除污底工作，而大數據技術能為船舶清除污底的時間提供更合理的建議。從運營監測的數據中篩選出船速、主機功率系列數據，按照時間序列進行排序。消除風浪流、水深、海水溫度等其他因素對于船舶營運功率的影響，可以進一步分析得到船舶污底與營運時間及航線間的關系，推算出需要塢修清污的時間節點。船舶根據實際污損情況選擇進塢，對于提高船舶能效、降低營運成本具有重要意義。

4 數據深層次挖掘

船舶營運中監測的數據不僅有助于提高船舶在運營中的能效、減少排放，也是船型后續改善的有力支撐。營運船舶數據監測包含了海況環境的長期監測，如風、浪、水深等，將這些數據統計分析后可建立航區、航線的海況資料[3]。這些海況資料，作為實時氣象預報信息的補充，可應用于船型開發設計、航線優化和航速優化等，是具有珍貴價值的資料。例如：集裝箱船的型線設計，通常是在設計吃水條件下進行型線優化以降低船舶阻力，而不考慮其他吃水和縱傾。目前航運企業在集裝箱調運時，受市場因素的影響，有時貨物多有時貨物少，這種裝箱量的不平衡導致船舶出港時不一定達到設計吃水，此時運營的經濟性就并非最優。如果運營中監測航行數據，得到概率較高的吃水和縱傾，然后在此基礎上結合采集的航線航區海況統計數據，以船舶靜水阻力和風浪中的阻力增加構成的總阻力為目標，優化船體型線，降低航行阻力，就可使船舶運營的經濟性達到最大化。某8萬噸級散貨船型線優化的4種方案見表1。在監測的航行數據中篩選出概率較高的幾組吃水、縱傾、航速和波高、周期、風速數據，然后計算靜水阻力、實際海況下的波浪增阻及總阻力和功率油耗。研究結果表明：型線4與原型線相比，載貨工況下的有效功率降低7.16%，燃油減少7.29%。

5 結論

(1)大數據技術在船舶能效管理方面具有重大價值。通過對監測數據的可視化分析能幫助船員實時了解船舶的運行狀態，利用優化算法提供船舶縱傾、航速和清除污底的時間等操作建議，可提高運營效率，大幅降低能耗。

(2)在采集數據基礎上進行大數據技術分析，可以得到更復雜精確的數學模型，進一步提高了數據分析與預測的實時性和有效性。

(3)采集的數據通過必要的分類整理，形成航線海況的統計資料，可用于船舶水動力性能優化設計，從而推動船舶產品性能升級和航運行業的發展。