船舶燃油消耗预测与控制系统的测试及实现外文翻译资料

A Procedure for Predicting and Controlling the Ship Fuel Consumption: Its Implementation and Test

Erto, Pasquale; Lepore, Antonio; Palumbo, Biagio;

Quality and Reliability Engineering International, 11/2015, 卷 31, 期 7

Abstract

In light of the International Maritime Organization guidelines, the new Regulation of the European Union urges shipping companies to set up a system for monitoring, reporting and verification of CO₂ emissions based on ship fuel consumption. However, in nowadays market, there is a lack of techniques for fuel consumption monitoring that can be adopted in a real environment. The proposed procedure overcomes the use of Speed–Power curves, which are commonly utilized in the Naval Architecture, by means of a multiple linear regression model that exploits the navigation information usually available in modern ships. This procedure can be used both to alert technical management of a shipping company for anomalous fuel consumption and to quantify the fuel consumption reduction connected with any specific policy adopted to improve energy efficiency. Therefore, this can be particularly profitable for shipping companies and operators in order to claim for carbon credits. The proposed approach is currently implemented by the Energy Saving Technical Department of the Grimaldi Group on a Ro-Ro Pax ship. Copyright copy; 2015 John Wiley amp; Sons, Ltd.

1 Introduction

The new Regulation (EU 2015/757) of the European Union (EU) Council of 25 April 2015[1] deals with the monitoring, reporting and verification (MRV) of CO₂ emissions from maritime transport. This Regulation is in accordance with the previous guidelines[2] of the International Maritime Organization (IMO) aiming to regulate CO₂ emissions through the Energy Efficiency Design Index (EEDI)[3-5] and the Ship Energy Efficiency Management Plan (SEEMP).[6, 7] In particular, at EU level, a suitable option remains setting up a MRV system of CO₂ emissions based on ship fuel consumption.

In this scenario[2-8] modern ships are more and more frequently equipped with complex Data AcQuisition (DAQ) devices in order to develop continuous and consistent data collection.

This paper proposes a practical procedure for predicting and controlling the ship fuel consumption at each specific voyage based on the data obtained by a DAQ device. Through a multiple linear regression, the procedure provides point and interval prediction of the fuel consumption that can be used to control potential anomalous voyages. In this way, the technical management of a shipping company can be rationally supported in making decision on ship energy efficiency.[8-11]

Moreover, the proposed model can be also utilized to quantifying the fuel consumption reduction after a specific initiative to improve efficiency (e.g. hull form optimization, hull cleaning, propeller polishing, ultra smooth coating, engine maintenance operation and power plant enhancement). In fact, in nowadays market, there are not convincing techniques that can be adopted in a real (random) environment. This aspect is profitable for carbon credit (i.e. the right to emit one tonne of CO₂) acquisition in all those countries with commitments under the Kyoto Protocol. The amount of allowed CO₂ emissions is set through the emission trading system that enables shipping companies with carbon credit excess to trade these permits in the international carbon market to companies/countries that are over their targets.

Note that such procedure overcomes the use of Speed–Power curves, which are commonly utilized in the Naval Architecture[12] to predict fuel consumption only through a bi-dimensional relation between power/consumption and speed.

In Section #39;Data description and model identification#39;, the data are described in detail and the variables that have the main technological influence on the fuel consumption are identified. In Section #39;Actual fuel consumption calculation#39;, the actual fuel consumption is calculated. In Section #39;Statistical procedure for fuel consumption prediction#39;, the statistical procedure for fuel consumption prediction is presented, and the model adequacy is checked. In Section #39;Monitoring the fuel consumption per mile at a given voyage#39;, the proposed procedure is exploited for monitoring the fuel consumption. Section #39;Quantifying the fuel consumption reduction#39; suggests how to exploit the procedure to quantify the actual fuel consumption reduction after a specific initiative to improve efficiency.

2 Data description and model identification

In this paper, the data has been collected from a cruise ship of the Grimaldi Group. The considered ship links two European ports in the Mediterranean sea through different routes also because

全文共21111字，剩余内容已隐藏，支付完成后下载完整资料

船舶燃油消耗预测与控制系统的测试及实现

著者：Erto, Pasquale; Lepore, Antonio; Palumbo, Biagio;

Quality and Reliability Engineering International, 11/2015, 卷 31, 期

摘要

根据国际海事组织的指示，新的“欧盟条例”力促船舶公司根据船舶燃料消耗量建立二氧化碳排放的监测，报告和核查制度。然而，在当今市场上，依旧缺乏可在现实中使用的燃料消耗监测技术。本文所研究的系统程序通过利用现代船舶通常可用的导航信息的多元线性回归模型实现了在海军中通常使用的速度 – 动力曲线。该系统程序既可便于船舶公司对燃油消耗异常的技术管理，也可以量化与提高能源效率所采用的任何具体方法相关的燃油消耗量。因此，为了得到有限二氧化碳的排放的许可，这对航运公司和运营商来说都是很有利可图的。拟议的方法目前由Grimaldi集团的节能技术部门在Ro-Ro Pax系列船上实施。

1、简介
2015年4月25日欧盟（EU）理事会出台的新规（EU 2015/757）涉及海运行业中二氧化碳排放的监测，报告和核查。该规则符合国际海事组织（IMO）规范二氧化碳排放量的宗旨，该组织以实现能源效率设计指标（EEDI）和船舶能源效率管理计划为目标。特别是在欧盟层面，合适的选择依然是建立基于船舶燃料消耗的二氧化碳排放MRV系统。
在这样的情况下，现代船舶越来越多地配备复杂的数据采集（DAQ）设备，以便进行连续不间断的数据采集。
而本文提出了一种根据DAQ设备获得数据，用以预测和控制每次特定航程船舶燃油消耗的实际程序。通过多重线性回归，该程序提供了可用于控制潜在的异常航行的燃料消耗的点和间隔预测。这样船舶公司的技术管理能够在决定船舶能源效率方面得到合理支持。
此外，所提出的模型还可以用于量化在以特定举措提高效率（例如船体形状优化，船体清洁，螺旋桨抛光，超平滑涂层，发动机维护操作和发电厂增强）之后所减少的燃油消耗。事实上，在现在的市场中，没有任何一项足够权威的技术可以在一个真实的（随机的）环境中被采用。在“京都议定书”之下的所有承诺国，在获得碳信用额度（即排放一吨二氧化碳）的权利这一方面是有利可图的。允许的二氧化碳排放量是通过排放交易系统来确定的，这种排放交易系统使具有碳信用额度的船舶公司能够在国际碳市场上向符合目标的公司/国家交易这些许可证。
请注意，这种方法克服了使用速度 - 功率曲线，这些曲线通常用于海军建筑中，以通过功率/消耗与速度之间的二维关系来预测燃料消耗。
在“数据描述和模型识别”一节中，详细描述了数据，确定了对燃油消耗具有主要技术影响的变量。在“实际燃油消耗计算”部分，则计算了实际燃油消耗量。在“燃料消耗预测统计程序”一节中，介绍了燃油消耗预测的统计程序，并对模型的适用性进行了检测。在“给定航程监测每英里燃料消耗”一节中，拟议的程序用于监测燃油消耗作为实现。 “量化燃料消耗量削减”一节提出了如何利用程序来量化实际燃料消耗减少量，特别是提高效率的举措。

2、数据描述和模型识别

在本文中，这些数据是通过Grimaldi集团的游轮收集的。 船舶通过不同的路线连接两个欧洲地中海的港口，这也是因为在夏季在第三个港口进一步中途停留。 出于保密原因，船名，航行日期和港口名称被刻意省略。 然后，所有的航程都由航行渐进号码（VN）标识。 根据图1说明的时间表，选择一年校准期（2012年8月至2013年7月），以避免对数据的季节性影响，不包括干坞操作。 在此期间，可提供370航次（VN 156-537）（校准航行）。 一些特定问题的航行数据以及不完整的数据已被排除在分析之外。

图1 帆船和码头作业期间的时间表

被考虑的船舶配备了一个DAQ设备，它从传感器网络收集大量信号[13]。 这些信号总结为：

• 导航数据：GPS（全球定位系统）地面定位课程（COG），地面速度（SOG），船尾，船首和中段剖面的测算，明显的风速和方向;
• 发动机数据：主发动机和柴油发电机转速，推力，两轴发电机和三台电动柴油发电机的电力，排气温度，供气压力和温度。

此外，传统的午间报告也由船员手动填写，并登记了离场和到达日期，时间和港口，航程，主机转速和功率，稳定翅片运行时间和平均风速在博福特规模。 然而，在本文中（除了稳定鳍操作时间的例外），午间报告收集的数据被忽略，因为它们可能受到主观评估的影响，结果不可靠。
主要发动机每英里燃油消耗Q（Mt / NM）独立于特定路线，适时被假设为每次航行的响应变量。 Q定义为主发动机燃油消耗量Y（Mt）与地面距离（DOG），M（NM）之间的比值。 后者作为由DAQ装置收集的船舶起始和到达GPS位置之间的离散距离获得。

这段较长时间的初步调查，被用以确定可以解释燃料消耗的大变化性的变量。 但是，在实践中无法准确地衡量许多可能起“显性变量”作用的因素。 在与海洋工程师，航运经理和经营者密切交流信息和经验后，最终确定了一组候选说明变量与一组实际可测量变量之间的交集。 让我们将实际的导航时间定义为出发港口的完成发动机（FWE）订单与到达港口的发动机（SBE）订单之间的时间。然后假设以下一组变量作为每次航行时的船舶运行条件的表征：

• 平坦地面速度V，表示 DAQ设备从DGPS（差分全球定位系统）速度信号采集的SOG实际导航时间的平均值。
• 平头风，WH（结）。 实际导航时间的平均值是从船弓吹的风速。
• 平安侧风，WS（结）。 横跨风速的实际导航时间的平均值。

基于由DGPS获取的COG和SOG以及车载风速计收集的相对风速和方向计算WH和WS。

• 平均位移Delta;（Mt）。当船离开出港口（SOG大于0.3节），船舶到达港口（SOG小于0.3节）时登记的两个位移值的平均值。具体地说，这些位移值是根据船上水位数据（即港口和右舷草图的平均值）和误差优化（即前后垂直牵伸的差值）从船舶静水数据计算的。
• 稳定器散热片使用情况，F.稳定翅片运行时间（从午间报告中扣除）与实际导航时间的百分比。该变量考虑到补充电阻，因此考虑到使用稳定器翅片的附加燃料消耗。
• 累计对接时间tD是港口船舶稳态的累计时间计数器。在这样的情况下，在干坞对操作DD1（图1）之后立即开始（tD = 0），直到干坞操作DD2。该变量表示已知影响船体和螺旋桨结垢状况的船舶（例如停留在港口）中的长时间空闲期间或低活动度。
• 发动机运行模式，E.一个指示器，用于确定发动机系统以固定转速（恒定模式，E = 0）或变速rpm（组合模式，E = 1）驱动推进。选择是由船长根据航行情况作出的。恒定模式不允许船舶达到其最大速度，但允许轴发电机接合在变速箱上，从而避免使用额外的柴油发电机供电。另一方面，组合器模式允许船舶达到最大速度，但在这种情况下，需要用于电力供应的额外的柴油发电机。
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

3、实际油耗计算

为了开发该模型，需要在每次航行时每个主发动机Y每英里的实际燃料消耗量。 不幸的是，与表征操作条件的变量不同，Y的直接测量不可用。 为此，可以基于下面描述的主发动机功率来获得Y的间接测量。
图2说明了考虑游轮的机舱布局。 这四个主发动机分为两个发动机组（j = 1,2），每个发动机组具有用于电力的轴发电机，其被连接在齿轮箱上，以及两个具有变桨距推进器的主发动机。

图2 机房布局

对于每个发动机组，可以从DAQ装置获得在轴推进器上的推力PjT的实际导航时间和电力PjE的平均值。
第一个(PjT)由位于轴螺旋桨上的变速箱附近的扭矩计测量，而第二个(PjE)由位于轴发电机上的功率计测量。
通过考虑第j发动机组的变速箱机械效率和轴发电机电效率，主发动机功率Pj计算如下：

Pj=PjEeta;jeeta;jm PjTeta;jm.(1)

从（1）起，可以将第j发动机组的第i（i = 1,2）主发动机的平均功率Pij计算为：

Pij=0ifxij=0xijsum;i=12xijPjotherwise(2)

其中，如果第j个发动机组的第i个主发动机通电，则xij取值1，否则为0。
最后，通过以下关系式计算主发动机的实际燃油消耗量：

Y=sum;i=12sum;j=12PijhijSFCij(3)

其中hij是工作时间，SFCij是第j个发动机组的第i个发动机的比燃料消耗。
在20-25节的速度范围内在牵引箱中进行的电阻测试表明，对于考虑的船型，流体动力学阻力R与SOG（V）的平方功率成比例，则Pijthinsp;=thinsp;R Vthinsp;prop;thinsp;V3是一个误差可以接受的结果。 因此，从（3）可以看出

• Yprop;V3.(4)

4、燃料消耗预测统计程序

参考“数据描述和模型识别”一节中报告的变量，已经发现以下多线性回归模型与实际估计在每次航行的主发动机每英里的燃料消耗一样有效：

Q=beta;0 beta;1V3 beta;2Delta; beta;3WH beta;4WS beta;5F beta;6tD beta;7E Z(5)

其中beta;j（j = 0，...，7）是q = 8回归系数，Z是具有零均值和未知方差sigma;2的正态随机误差分量。 V和Y之间的非线性关系是由于关系式（4）。
表1报告了回归系数beta;jthinsp;的最小二乘估计[17]。 这些基于响应变量Q和操作条件(Vi,thinsp;Delta;i,thinsp;WH,i,thinsp;WS,i,thinsp;Fi,thinsp;tD,i,thinsp;Ei)的观察值Qi = Yi / Mi和(V,thinsp;Delta;,thinsp;WH,thinsp;WS,thinsp;F,thinsp;tD,thinsp;E)，分别在下一节中详细说明的校准航行i（i = 1，...，n）收集。

表1. 主要回归分析结果

您可能感兴趣的文章

• 基于图像的分类调查外文翻译资料
• 用于单样本的视频人脸识别特定领域的人脸合成外文翻译资料
• 具有Si0,薄膜覆盖层的温度补偿声表面波器件外文翻译资料
• SAW/LSAWCOM参数从数值计算实验中提取周期性电极的谐波导纳外文翻译资料
• 三轴加速度计用于体力活动的评估:现状与未来外文翻译资料
• 传感器新技术的发展外文翻译资料
• 基于nRF24L01的无线通信系统设计外文翻译资料
• 扩展交通信号灯识别：相位和导向符号的有效分类外文翻译资料
• 微型电解加工脉冲电源的设计外文翻译资料
• 8tsram单元作为超越vonneumann计算的多位点积引擎外文翻译资料