船舶智能能效優化關鍵技術研究現狀與展望

王凱，胡唯唯，黃連忠*，蔡玉良，馬冉祺

1 大連海事大學 輪機工程學院，遼寧 大連 116026

2 中國船級社，北京 100007

0 引 言

水路運輸具有運量大、成本低、環境友好等優勢，對國民經濟的發展起著重要的支撐作用。隨著“交通強國”、“海洋強國”、“一帶一路”以及“長江經濟帶”等國家戰略的提出，航運業迎來了新的發展機遇。然而，不斷增高的燃料成本以及日益嚴格的污染氣體排放法規給船舶的營運與優化管理帶來了諸多挑戰[1-2]。船舶的優化管理，需在降本增效的同時實現與環境協調的可持續發展。燃料的消耗既是船舶營運的主要成本，也是污染氣體排放的主要來源，而船舶能效優化方法與技術的研究及應用則是降低船舶能源消耗的有效途徑[3-4]。此外，隨著大數據、人工智能、機器學習等技術的不斷發展，以及“E 航海”戰略的實施，面向智能船舶的智能能效管理技術的研究與應用將是大勢所趨。中國船級社于2020 年發布了新版《智能船舶規范》，該規范體系主要包括自主操作、遠程控制、智能航行、智能船體、智能機艙、智能能效管理、智能貨物管理和智能集成平臺等幾個方面[5]。其中，智能能效管理作為《智能船舶規范》體系的組成部分之一，是以實現船舶能效實時監控、智能評估及優化，進而提高船舶能效管理水平為目的，通過大數據挖掘技術、數值分析及智能優化等技術，來為船舶提供數據評估分析結果與輔助決策建議。智能能效管理的研究與應用對促進船舶的智能化與綠色化發展，以及對市場競爭力的提升具有重要意義[6]。船舶能效智能優化技術與方法的研究及應用，不僅是我國履行國際減排公約的必然要求，也是落實船舶綠色智能發展戰略的有效措施，同時，也是航運企業實現降本增效、提升市場競爭力的有效方法。

本文擬針對船舶智能能效優化方法的核心內容，系統地分析船舶智能能效管理的國內外發展現狀，具體包括船舶智能能效管理規范與檢驗指南、船舶能效智能監控與系統開發、船舶智能能效大數據應用技術研究、船舶智能能效優化模型與智能算法等關鍵技術，然后在此基礎上，提出船舶智能能效發展存在的不足與面臨的挑戰，并對智能能效優化的未來發展與研究方向做出展望，以期為船舶智能能效優化方法的研究與發展提供參考。

1 船舶智能能效管理規范與檢驗指南

中國船級社發布的《智能船舶規范》明確提出了智能能效管理的相關要求[5]，此外，《船舶智能能效管理檢驗指南》針對智能能效優化的一般要求、能效智能在線監控、航速優化、基于縱傾化的最佳配載等幾方面也做了相關要求[7]，如圖1所示。

圖1 智能能效管理檢驗指南概覽Fig. 1 The inspection guidelines of intelligent energy efficiency management

“智能能效優化的一般要求”規定，船舶應具有智能能效管理功能標志，包括基于航速優化和縱傾優化的船舶智能能效管理2 部分[5]。

所開發的“船舶能效智能在線監控系統”需要實現船舶能效數據的監測、采集、傳輸、存取，采用數據分析技術對船舶能耗/能效及排放水平進行分析，對能效、能耗進行評估，并在此基礎上進行輔助決策，從而優化船舶的能效水平[5]。

此外，針對基于航次計劃和經濟效益的“航速優化”也分別提出了具體要求。其中，前者根據天氣、海況和船舶效率等因素評估其對船舶航速的影響，并在此基礎上提出航速優化方法；后者根據船舶的各項營運費用對整個航次的經濟效益予以評估，進而進行航行優化決策[5]。

“基于縱傾化的最佳配載系統”需包括數據采集單元、縱傾性能分析基礎數據庫以及縱傾優化分析功能[5]。

2 船舶智能能效監控與系統開發

隨著信息傳感及無線通信等技術的不斷發展，船舶能效在線監控技術也得到了快速發展。國內外在船舶能效在線監控技術方面開展了大量研究，并相繼推出了多種船舶能效監控系統[8]，如表1 所示。其中，Marorka 公司研發的船舶能效監控系統可以對船舶的性能參數進行監控，并能根據船舶營運數據，結合船舶的航次計劃、航線特征、能耗評估及航次成本分析等，形成船舶航線、航速和縱傾的優化方案。德國勞氏船級社通過分析船舶吃水及其他因素對油耗的影響，開發了ECOAssistant 軟件系統，使船舶操作者能夠對主、輔機的能耗狀況進行實時監控[9]。Jeppesen Marine 公司研發的航行與船舶優化系統軟件能夠計算CO2的排放量，通過優化航線、選擇最佳航速等優化方法，可有效降低船舶油耗。NAPA 公司研發的船舶能效管理模塊，可以根據所采集的風、浪、流等數據信息，規劃最佳航線與最優航速，并制定優化的裝載方案。ABB 公司推出的船舶能效綜合監控系統具有船舶能效監測與優化功能[10]。此外，Devex Mechatronics 公司也推出了大型船舶燃油優化控制系統，其通過對螺旋槳、主機轉速、不同水域和氣象條件下的航行路徑進行優化，最終達到了優化船舶能效的目的。在能效管理系統開發方面，國外起步較早，市場占有率相對較高。然而，因船舶能效模型的復雜性以及船舶航行環境的復雜性，使得能效管理系統的應用還處于不斷的技術更新和完善升級階段。

在國內，中國船級社與大連海事大學等單位合作開發了營運船舶能效管理和計算軟件系統，包括船舶能效數據庫、應用系統軟件、船載數據采集與管理軟件等。武漢理工大學在內河旅游船“凱婭”輪上搭建了船舶能效與通航環境數據監測系統，此系統可以對船舶的主機油耗、軸功率、船舶對水航速，以及相對風速、航道水深等通航環境數據進行實時的采集與監控[11-12]。此外，中遠集裝箱運輸有限公司也推出了船舶燃油監控系統[13]，該監控系統通過應用多種信息技術，可使船舶管理人員及時接收燃油消耗異常信息并能對此進行定量分析，然后通過制定科學的調整方案，減少船舶能源消耗。鄭士君等[14]設計了一款中遠集運能效管理系統，用以實現航運企業能效的優化管理，主要包括能效數據的采集與計算等。熊林[15]基于北斗導航技術，研發了船舶油耗監測系統。蘇一等[16]提出了面向能效優化的船舶航速管理系統，該系統能夠決策船舶的經濟航速，并能基于航線、航速及氣象水文等信息實現船舶航速模型的不斷迭代優化，從而達到節能減排的目的。陽世榮[17]圍繞輔機節能問題研發了能耗綜合管理系統，實現了船舶輔機能耗的實時管理與優化控制。

然而，上述能效監控系統大多只具有對能耗設備和航行狀態等參數的監控功能，尚未建立船舶能效與航行數據之間復雜的邏輯關系，以及基于實時數據的能耗指標分析、評估與預測。因此，有必要研發基于大數據分析和智能優化算法的船舶能效智能監控系統，提高船舶能效優化管理的智能化水平，從而降低船舶能耗與污染氣體的排放量[18]。能效智能監控旨在通過對船舶航行狀態、能耗狀況的在線監測，以及數據的自動采集，對船舶能效狀況、航行及裝載狀態等進行自主評估，并通過大數據分析及優化技術，給出評估分析結果和輔助決策建議，包括船舶最佳航速、最佳航線與基于最佳縱傾的船舶優化裝載方案等。

近年來，國內外又相繼研發出了具有不同功能特點的船舶智能能效管理系統，如表2 所示。其中，Rolls Royce 公司研發的智能能效管理系統通過運用智能算法，可降低船舶的能耗與營運成本，并通過運用大數據技術對機艙設備進行分析，可向船東提供維修和更換的輔助決策建議，進一步降低了船舶能耗，使得船舶的能效監測、設備壽命預測的智能化水平得到了較大提升。SeaTechnik公司推出的船舶能效監控系統可對船舶性能和航行數據進行實時的監控和在線分析，并根據所得到的分析結果優化船舶航行性能。

表1 開發的能效監控系統Table 1 Developed energy efficiency monitoring system

表2 智能能效監控系統列表Table 2 The intelligent energy efficiency monitoring systems

在國內，中國船級社與大連海事大學等單位聯合開發了船舶能效在線智能管理系統，該系統旨在提供面向船舶航行能效的綜合智能優化方案。此外，由滬東中華有限公司自主設計并建造的中遠海運“乞力馬扎羅”號，是中遠海運集團獲得的首艘經中國船級社（CCS）認證的智能能效管理船舶，其通過對船舶能效進行監測，一方面可以得到主要能耗設備的能耗水平，另一方面可以為船舶能效優化提供輔助決策[19]。江蘇杰瑞深軟科技有限公司研發的船舶智能能效管理系統具有低、高兩級功能，其通過采用數據關聯分析、數據模型與算法等技術，實現了船舶能效和CO2排放等數據的分析、評估及預測[20]。

目前，船舶能效智能控制系統的研發尚處于發展階段，有待開發出更為成熟的產品，并進行產業化推廣使用。此外，所開發的能效智能控制系統只實現了部分智能能效管理功能，尚未形成集數據挖掘分析、模型參數自學習、動態智能決策于一體的船舶能效智能優化管理系統，在大數據挖掘分析與可視化、自學習、自修正，以及自主決策等方面還有待進一步的深入研究，船舶能效監控系統的智能化水平還有待進一步提升。作為船舶智能化發展的重要組成部分之一，搭載先進智能算法的船舶能效綜合管理系統研發是船舶智能能效管理發展的重要方向。

3 船舶智能能效大數據應用技術研究

3.1 大數據技術的發展與優勢

大數據技術是通過對大量的各種類型數據進行分析與挖掘來獲得更多的潛在知識，以輔助信息獲取和決策的技術[21]。大數據技術主要包括大數據采集、大數據處理、大數據存儲、大數據分析與挖掘，以及大數據展示與可視化等[22]。通過實時監測對象在運行過程中產生的海量數據，采用大數據分析技術對所獲取的數據進行深入的挖掘和分析，可揭示出事物的發展規律以及關聯關系，從而給出分析結論與輔助決策。大數據技術的意義在于通過對大量數據進行分析與挖掘，揭示事物之間的復雜關系或預測事物的發展趨勢，從而得出研究結論并進行輔助決策。與傳統的數據挖掘方法相比，大數據可以更加全面、準確、客觀地揭示事物之間的關聯關系[23]。

3.2 基于大數據分析的船舶智能能效優化

隨著航運界對船舶智能能效優化技術研究的逐步深入，大數據技術在船舶能效優化管理方面的應用已是大勢所趨。在基于大數據分析的船舶智能能效優化管理方面，國內外學者已探討了大數據的采集與處理，以及其在船舶營運狀態監測與分析、船隊船舶優化管理決策等方面的應用。

在船舶能效大數據處理方面，萬輝等[24]針對內河船舶大數據的關鍵技術進行了探討，其通過分析船舶各數據間的關聯關系，確定了內河船舶大數據的建設內容，提出了大數據的處理方法，為內河船舶大數據的獲取與分析奠定了基礎。Klaveness Digital 公司開發了基于云計算的數字化平臺，主要用于存儲和處理船舶營運大數據。該平臺能夠將多個數據源的船舶營運數據存儲于一個中心平臺，便于數據的共享及新數字化解決方案的開發[25]。該平臺還可實現船隊性能的實時展示，具備分析船舶性能發展趨勢、檢測船舶性能異常等功能。馬士基航運基于該大數據分析平臺，采用大數據技術對獲得的大量數據進行處理與分析，推出了新的服務模式和管理理念，獲得了客戶的普遍認可，有效提升了其經濟效益和市場競爭力。

在基于大數據的船舶能效監測與分析方面，Perera 等[26]構建了以船舶引擎為中心的數據流程，如圖2 所示（圖中，x(t)為采集的時間序列信號；y(t)為處理后的時間序列信號），可以方便地處理大規模數據集。其通過收集船舶性能和導航數據，采用大數據技術對不同優化控制措施下的船舶能效水平進行了分析。Bocchetti 等[27]基于實船監測數據建立了多元線性回歸模型，能有效預測船舶能耗。林俊等[28]在分析船舶能效監控需求的基礎上，設計了面向船舶能效優化管理的大數據監控平臺，提出了相應的技術指標及實驗驗證方案，并對船舶能效大數據監控平臺的實施進行了論證分析。謝云鵬等[29]建立了基于大數據技術的船舶油耗監測系統，為船舶營運的優化管理提供依據，從而可以有效提高船舶的能效管理水平。孫峰等[30]采用k-means 聚類算法，對大量船舶航行數據進行聚類分析，得到了船舶主機在不同轉速時其負荷和油耗率的變化規律。此外，充分考慮主機轉速、航行環境、船舶裝載、航行時間約束，以及港口運行效率等因素對船舶能效的影響，基于獲取的航行環境、船隊船舶營運狀態和能耗等數據，通過采用大數據關聯規則算法、主成分分析法等，可以挖掘影響船舶能效的主導要素，分析各主要影響要素與船舶能效間的動態響應關系，可為考慮多影響因素的船隊船舶能效模型與經濟效益模型研究奠定基礎，從而提高船隊船舶的能效水平和經濟效益。

圖2 船舶能效大數據流[26]Fig. 2 The big data flow of the ship energy efficiency[26]

在基于大數據分析的船隊船舶能效優化管理方面，Adland 等[31]以超大型原油運輸船隊為對象，分析船隊營運數據，提出了一種面向船隊優化管理的航速優化方法。Coraddu 等[32]基于大量的實船營運數據，通過將船舶的排水量、航速，以及風、浪等參數視為隨機變量，采用蒙特卡羅方法計算了船舶的能效營運指數。Lee 等[33]基于通航環境大數據分析，通過引用燃油消耗理論計算公式，提出了可有效降低船舶能耗的航速優化方法。韓佳彤[34]通過采用大數據分析技術，提出了一種船舶航線智能優化方法，其通過地理信息數據的獲取及船舶航行知識數據庫的建設，通過對典型航線上的歷史大數據進行挖掘分析，提出了港口到港口、任意點到港口、任意點到任意點的最優航線決策方法，從而優化了船舶的能耗水平。Yan 等[35]采用適用于大數據分析的并行分布式k-means 聚類算法，實現了對航線上航段的劃分，其基于自主開發的大數據分析平臺，分析了長江航線通航環境的分布特征，并提出了基于通航環境大數據航段劃分的船舶能效優化方法，提高了船舶的能效水平。

雖然大數據技術在船舶智能能效優化應用方面已有探索性研究，但尚存在問題和挑戰：首先，目前還沒有形成系統的船舶能效大數據使用標準與應用體系；其次，基于大數據分析的船舶智能能效優化相關研究理論和技術體系尚不成熟，在船舶能效與通航環境時空特征分析、船舶能效與通航環境數據關聯關系挖掘，以及基于在線學習的通航環境和船舶運行工況預測模型等方面，還有待進一步深入研究。

4 船舶智能能效優化模型與智能算法

智能優化模型與智能算法在船舶能效優化管理中的應用主要體現在船舶能效評估與預測、航線智能優化、航速智能優化，以及面向能效提升的船體與縱傾優化幾個方面[36]。

在船舶能效評估與預測方面，Yan 等[37]基于實船采集的能效數據，建立了用于評估船舶能效水平的神經網絡模型，可以實現船舶能效的預測與評估。Yuan 等[38]將人工神經網絡和高斯過程應用于船舶能耗評價并進行了實驗，結果表明速度優化可以有效減少船舶能耗，考慮天氣的路徑優化和縱傾優化也可以降低船舶能耗。Bal Be?ik?i等[39]以油船為對象，基于船舶的正午報告數據，建立了基于人工神經網絡的能效預測模型與決策系統。Pagoropoulos 等[40]提出采用支持向量機的方法實現船舶能效評估，驗證結果顯示所提方法有效。Lu 等[41]通過建立不同載荷、速度和浪向的船舶運行性能模型，對SuezMax 油輪的燃料消耗進行了智能化預測，其通過預測結果來指導船舶優化航行，達到了降低船舶能耗的目的。Wickramanayake 等[42]系統地分析了基于機器學習方法的船舶能耗預測，其針對多變量時間序列的艦隊能耗預測問題，比較了基于隨機森林、梯度增強及神經網絡方法的有效性，結果表明，采用隨機森林技術可以獲得更為準確的預測結果。Alonso等[43]采用人工神經網絡與遺傳算法相結合的方法，對船舶柴油機的性能予以了優化，試圖找出滿足最嚴格排放法規的參數配置，以減少船舶的燃料消耗。Tillig 等[44]使用蒙特卡羅方法和通用船舶能源系統模型，在船舶全生命周期的各個階段對船舶燃料消耗預測的不確定性進行分析，結果顯示能降低油耗預測的不確定性，提高了船舶油耗監測和預測的智能化水平，對減少船舶能源 消耗具有重要的促進作用。在船舶能效預測方面，Yang 等[45]提出了基于遺傳算法的灰箱模型，解決了天氣因素的限制，并與基于時序參數估計的灰箱模型進行了比較，結果表明，該算法具有更高的船舶能效預測準確性，可有效減少污染氣體的排放。王勝正等[46]建立了交替稀疏自編碼網絡模型，其訓練過程如圖3 所示，通過采用關聯規則算法對航行數據進行特征選擇，預測了海洋環境對船舶航行的影響，所提出的網絡模型不僅可以減少訓練時間，而且能提高預測精度。圖3中，xim為第i（i=1, 2, ···,n）個樣本的第m個屬性；hl,j為第l層的第j（j=1, 2, ···,sl）個神經元輸入，其中sl為 第l（l=k?1,k?2, ···, 2）層 的 神 經 元 總 數，k為網絡總層數；am為訓練隱藏層1 的第m個神經元輸出；csl為訓練隱藏層2 的第sl個神經元輸出；為第i個樣本的預測輸出。

圖3 交替稀疏自編碼網絡模型訓練過程[46]Fig. 3 Training process of alternating sparse self-coding network model[46]

在船舶航線智能優化方面，定期對船舶營運能效和經濟效益進行綜合評估，并根據評估結果對船舶航線和航線上船隊的配置進行優化調整，是提高船隊船舶能效的有效途徑。王寰宇[47]基于船舶在風浪中失速值的時間序列，通過采用聚類分析算法，實現了船舶航段的合理劃分，并在此基礎上提出了基于模擬退火算法的船舶航速分段智能優化算法，通過此算法，實現了目標船的航速優化。Marie 等[48]采用模糊邏輯方法建立了船舶能耗模型，并采用多目標遺傳算法決策出了船舶的優化航線。Wang 等[49]建立了考慮多環境因素的船舶能效模型，并采用粒子群優化算法實現了船舶航線優化以及不同航段的航速優化，通過航線和航速的聯合優化取得了較好的能效優化效果。Lazarowska[50]將蟻群算法應用于船舶導航決策支持系統，實現了公海及限制水域船舶航行路徑的科學規劃。Meng 等[51]通過采用非循環網絡上的最短路徑算法，建立了基于場景的動態編程模型，有效解決了班輪集裝箱運輸公司的多期船舶規劃問題。Sen 等[52]基于Dijkstra 最短路徑算法建立了船舶航線優化模型，并驗證了該算法和模型的有效性。劉浩等[53]提出了一種新型的船舶航線規劃方法，其采用遺傳算法實現了船舶航線的有效規劃。Zhang 等[54]提出了一種基于大數據驅動的自動航線優化方法，其在航線數據分析的基礎上，通過采用具有噪聲的基于密度的空間聚類（ density-based spatial clustering of applications with noise，DBSCAN）算法和蟻群算法，實現了船舶最優航線的自動規劃。Zaccone 等[55]提出了一種考慮氣象因素的船舶航行三維動態規劃方法，可有效提高船舶航行安全性，降低船舶能耗水平。Wang 等[56]和Ma 等[57]通過采用Dijkstra 算法，實現了考慮多因素、面向多優化目標的船舶航行優化決策，不僅可以提高船舶的安全性和能效水平，還滿足排放法規要求。Shao 等[58]提出了一種新的應用于氣象定線的動態規劃方法，如圖4 所示，與傳統方法相比，該方法不僅能優化船舶航向，而且對船舶功率也進行了優化；分析結果表明，此方法降低了船舶約3%的油耗，還減少了船舶航行時間。

圖4 氣象定線的動態規劃方法[58]Fig. 4 The dynamic programming method for weather routing[58]

在船舶航速智能優化方面，黃連忠等[59]通過建立船舶主機能耗模型，采用模擬退火算法決策出了所劃分不同航段的船舶最佳航速與主機轉速，降低了船舶能耗水平。Song 等[60]建立了一個雙目標的船隊優化部署模型，通過采用遺傳算法模型，獲得了最終的優化方案，并通過實例驗證了模型的有效性。Qi 等[61]建立了基于船舶能耗和服務水平的多目標優化模型，其通過不同港口操作時間來決策船隊的最佳運行方案，最終使船隊總能耗達到最少。Wang 等[62]研究了基于粒子群優化算法的船舶能效優化方法，其以LNG 雙燃料船舶為研究對象，建立了船舶能效與運行安全性多目標優化模型，分析了不同運行工況下的船舶能效水平與安全性，通過采用群智能粒子群優化算法，實現了不同運行工況下的船舶主機轉速優化，從而在保證船舶營運安全的條件下提高了船舶能效水平。馬冉祺等[63]提出了定航線船舶的航速智能優化方法，其基于實船監測數據，采用離散化思想建立了船舶航速優化模型，并通過遺傳算法實現了航速的優化決策，有效降低了船舶能耗水平，如圖5 所示。圖中，L0 為所劃分的第1 個航段的起始點；Li（i=1, 2, ···, 12）為所劃分的第i個航段的終點，同時也是第i+1 個航段的起始點；ni為第i個航段的船舶主機轉速；Qi為第i個航段的船舶油耗量。

圖5 定航線船舶航速智能優化方法[63]Fig. 5 The intelligent speed optimization for given route ship[63]

在最佳縱傾與船體優化方面，劉伊凡等[64]基于Fluent 數值計算和Simulink 建模仿真方法，建立了船舶數值仿真模型和基于“轉速?航速?能效營運指數”的船舶能效準穩態仿真模型，分析了不同條件下船舶縱傾變化對其營運能效的影響。王緒明等[65]研制了一套船舶智能縱傾控制系統，其通過設計控制算法來調節船舶前、后艙壓載水量，以此對船舶縱傾角進行智能控制，達到了優化船舶能效的目的。段菲等[66]采用非支配排序遺傳算法對船體型線進行優化，并針對極地船舶提出了一種多目標優化方法，該方法將船舶無冰靜水阻力和冰區航行阻力作為優化目標，根據極地船舶排水量指標和船舶能效設計指數對船型進行了智能優化。路通[67]依據船舶航行歷史數據，通過采用粒子群算法優化摩擦增量系數等參數，提高了主機能耗模型的準確性，并在此基礎上建立了船體污損退化模型，可以為船舶塢修時間提供輔助決策。繆愛琴等[68]基于多目標粒子群優化算法（multi objective particle swarm optimization，MOPSO）對船型的阻力性能予以了優化，其以船型變換參數為優化變量，以興波阻力為優化目標，通過采用MOPSO 算法對多目標優化模型進行求解，獲得了系列優化船型，最終提高了船舶能效水平。Wang 等[69]設計了一種基于徑向基函數神經網絡控制算法的舵側傾穩定系統，該系統搭載了包含機動特性和波浪擾動的非線性數學模型，船舶動態響應分析結果顯示，所設計的控制系統在減少波浪中船舶的側傾運動方面與基于反向傳播神經網絡的控制系統和比例微分控制系統相比具有明顯優勢。

智能優化算法及其在船舶能效智能優化中的應用如表3 所示。其中，遺傳算法、粒子群優化算法、蟻群算法及模擬退火算法等屬于群智能算法，是一種基于群體疊代的尋優算法，適于求解非線性的優化問題，因此在解決船舶航速優化、航線優化、船型優化以及船體阻力優化等船舶智能能效優化問題方面有著廣泛的應用。然而，對于不同的優化問題，各算法的優化效果及應用效果還有待進一步的對比分析，通過開展各優化算法對不同優化問題的適用性分析，可以選擇最佳的智能優化算法。人工神經網絡、隨機森林算法、支持向量機等算法可以實現船舶能耗及能效的預測與評估，作為船舶能效優化的重要基礎，可以實現船舶能效的智能優化。同樣地，有關不同智能算法實現船舶能耗及能效預測的效果還有待進一步的對比驗證分析，以便確定最佳的能耗預測智能算法。此外，采用蒙特卡羅算法可以實現能耗預測的不穩定性分析。采用動態規劃算法可以實現基于實時信息的船舶能效的動態優化，從而提高船舶能效的優化精度和優化效果，規避靜態優化信息更新不及時的缺點。關聯規則算法可以發現數據項集之間的關聯關系或相關關系，在海洋環境對船舶航行的影響研究中，使用關聯規則可以挖掘環境數據與航行數據之間的相關性，從而分析航行環境對船舶能效的影響，為考慮航行環境的能效模型建立與優化奠定基礎。聚類算法作為一種無監督學習算法，可以將具有相似特征的樣本劃分為同一類，進而實現基于相似性樣本的劃分。對于船舶航速的智能優化，采用聚類算法可以將航線進行合理劃分，使不同航段具有不同航行環境特征，從而為基于航段劃分的船舶航速智能優化研究奠定基礎。

表3 智能優化算法及其應用Table 3 The intelligent optimization algorithms and their application

雖然國內外學者已對智能優化算法及優化模型在船舶智能能效管理中的應用予以了探索，但尚未形成集數據挖掘分析、模型參數自學習、動態智能決策于一體的船舶能效智能優化方法體系，缺少集數據分析、自學習、自更新、自決策、滾動優化于一體的船舶能效智能優化集成算法，因此，需要開展基于大數據分析與機器學習技術的船舶能效動態智能優化算法的開發。所開發的算法應具有自學習、自改進和持續優化的功能，從而不斷提高船舶智能化水平。此外，對于已有的群智能啟發式求解算法，如遺傳算法、蟻群算法等，還需進一步優化改進，并需結合船舶航行優化的實際問題，與神經網絡、決策樹等機器學習算法進行深度融合，從而實現集數據分析、自學習、自更新、自決策、滾動優化于一體的船舶智能能效優化方法體系，促進船舶智能能效優化管理方法與策略的不斷發展和成熟。

5 總結與展望

在船舶綠色化、高效化、智能化發展的大背景下，船舶智能能效優化方法研究引起了業界的廣泛關注。目前，船舶智能能效優化管理研究主要是在智能能效管理規范與檢驗指南的大框架下研發船舶能效智能監控系統，實現船舶航行狀態、能效狀態數據的自動采集和在線監測；通過大數據分析技術評估船舶能效狀態水平，分析船舶能效的主要影響因素和內在關聯關系；并在此基礎上，運用大數據分析和人工智能等先進的技術與方法，實現船舶能效的自學習、自評估與自預測，通過建立基于智能優化算法的船舶營運優化模型及決策算法，實現船舶航速優化、航線優化、縱傾優化等自主決策，達到能效使用最大化和能效管理智能化的目的。雖然國內外對船舶智能能效優化管理的相關核心內容已進行了相關的探索性研究，但仍存在如下問題與挑戰：

1） 在能效大數據分析與應用方面，當前圍繞船舶能效的研究仍偏重于數據采集，且對采集的數據缺少充分的特征分析以及不確定性評估；此外，當前研究大多還是基于數據的簡單清洗與預處理，對采集數據的特征規律未能進行有效、深入的挖掘分析，在基于實測數據的船舶航行狀態辨識、能效狀態評估、能效數據關聯關系分析，以及時空分布特征挖掘分析等方面還有待進一步深入研究。

2） 在智能優化算法與優化模型方面，現有模型所考慮的影響因素不夠全面，所建立的模型沒有綜合考慮多要素的綜合影響，對多環境要素與“船體阻力-螺旋槳-主機”的動態響應機理缺乏深入研究；此外，在當前研究中，船體阻力、功率與油耗等模型大多是基于經驗公式計算得到，且參數是固定的，而不同環境條件下船-機-槳動態特性的差異會導致不同條件下船舶能效模型參數有所不同，但目前的研究并未采用有效方法對模型參數進行基于實時信息的在線辨識與滾動優化，模型精度有待進一步提高；另外，當前研究大多是基于歷史數據進行船舶能效建模與靜態優化方法的研究，沒有考慮多影響要素的時變性和空間差異性，對基于實時信息的船舶能效動態優化方法研究，特別是智能優化算法的開發還有待進一步深入。

3） 在智能能效系統開發方面，國內外關于能效綜合管理智能控制系統的研究尚處于發展階段，未形成成熟的智能化產品及產業化推廣應用；此外，所研發的系統大多只具備主要耗能設備、航行狀態等參數的監測功能，尚未建立船舶能效與航行數據之間的動態響應關系，在基于實時數據的船舶能效指標分析、評估與預測，以及船舶航行優化自主決策等功能方面還有待進一步提升和完善。

基于船舶智能能效規范要求，以及當前船舶智能能效管理面臨的問題與挑戰，對船舶智能能效優化的核心內容進行了如下展望：

1） 在能效大數據分析與應用方面，需加強大數據分析與挖掘技術在船舶智能能效應用方面的廣度與深度，進一步探索和分析基于大數據的船舶能效優化方法與優化潛力，采用先進的大數據分析理論與方法不斷推進船舶智能能效優化管理技術的發展。在分析船隊船舶能效主要影響因素的基礎上，通過獲取航行環境信息、船隊船舶營運狀態和能耗等大量數據，采用大數據挖掘、數值仿真與智能優化相結合的方法分析船舶主機轉速、航行環境、船舶裝載、航行時間，以及港口運行效率等多因素對船隊船舶能效的影響，并在此基礎上構建考慮多因素影響的船隊船舶能效動態智能優化決策算法，實現船隊船舶能效的智能優化管理，包括最優航速、航線、最佳裝載等的智能決策，從而提高船隊船舶的能效水平和智能化水平。

2） 在智能優化算法與優化模型方面，需綜合考慮風、浪、流、船舶裝載等多影響因素的時空差異性和復雜多變性，對多影響要素和船舶能效數據進行深入的挖掘分析，探究船舶能效數據的分布規律和數據之間的關聯關系；此外，通航環境的復雜多樣性使得不同通航環境下的船舶運行狀態以及船舶推進系統的工作特性具有較大差異，因此，有必要建立基于實時數據驅動的多環境要素耦合作用下的船舶能效在線模型，實現基于大數據在線學習的船舶能效模型參數的自更新與自優化；另外，船舶在航行過程中風、浪、流等隨機環境因素的不斷變化使得不同時刻船舶的運行工況也在不斷變化，船舶能效的智能優化應根據實時的多源信息及動態優化模型實現自動求解與決策，通過設計高效智能優化算法，對優化模型進行動態尋優求解，可以充分考慮多環境要素的時變性，實現船舶能效的動態智能決策。

3） 在智能能效系統開發方面，需開發集船載能效數據采集系統與岸基能效數據分析平臺于一體的船舶能效綜合智能優化管理系統。所開發的系統需能實現船載能效數據采集系統與岸基能效數據分析平臺的無縫連接，其中，船載能效數據采集與監控系統通過安裝在船舶上的相應傳感器來獲得通航環境、船舶能效等數據，并通過遠程傳輸模塊傳送至岸基能效數據分析平臺，從而為更深入的數據分析和優化方案研究奠定數據基礎。所開發的船舶智能能效管理系統需搭載先進的大數據分析及智能優化模型與算法，從而實現船舶能效多源異構數據信息的在線監測和存儲、船舶能效狀態評估，以及基于智能優化算法的船舶航行優化決策。通過開發集數據分析、自學習、自更新、自決策、滾動優化于一體的船舶能效智能優化管理系統，最終實現船舶能效的智能優化管理，達到船舶節能減排的目標。