英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
从能源效率的角度监控和分析RO-PAX船舶的性能数据
Anna Maria Galli，副教授Paola Gualeni，教授。 Giuseppe Stranieri教授，理学硕士。意大利热那亚大学研究大学
意大利乔凡尼·库萨诺·塞特纳股份公司的Stefano Qualich
摘要
燃料成本的上涨，越来越严格的国际标准以及对污染物排放对环境的影响的日益认识，使能效成为海洋领域的一大主题。提高能源效率的策略可能既涉及减少能耗，又涉及增加能源回收系统。事实证明，需要对船上能源过程进行监控。监视信息被记录并存储在数据库中，需要对其进行分析以找出大型数据集中的模式。
为了获得对船舶性能的进一步了解，已经分析了来自RO-PAX船舶的大量数据。深入研究船舶姿态的历史数据可以提高船舶的能源性能。
关键词：能源；效率;监控；纵倾；消耗
引言：考虑到船舶能效管理的竞争，这项工作的目的是尝试研究推进力和能效如何受到各种参数（即纵倾，速度和排水量）的影响。CETENA S.p.A.收集了这项研究中使用的数据，作为船舶消耗监测的一部分。
船舶说明和数据管理
该船在地中海航行，可搭载215辆汽车、3000车道米的公路车辆，可容纳2300名乘客。四台四冲程柴油发动机（Wartsila 12V46D）提供动力，每台发动机可提供最大功率13860 kW。所采用的推进方案包括将每对发动机通过齿轮箱连接到轴，轴的末端是带有四个叶片的可变螺距螺旋桨。 还有一个取力器（PTO），用于在导航过程中产生电能。在图一显示出了安装在船上的推进装置的简化方案。
图1 推进装置方案
该船的主要数据如表1所示。
表1 船舶主要数据
被检查的船舶沿三种不同的路线运行：第一条路线在全年航行近19个小时内覆盖了440英里的距离，其他路线分别在168英里和293英里的距离内分别航行了7个小时和11个小时仅夏季（实际上是在全年路线中停靠）。该船配备有由CETENA设计，实施和安装的监控系统，该系统可以记录
大量的变量；在表2中，总结了船上自动化系统提供的主要参数。对于每个数量，自动化系统每20秒提供一个值，然后监视系统在5分钟内得出平均值并将其记录在适当的文件中。此外，基于速度和GPS系统，该系统识别到达港口的情况，并根据船次细分文件。数据文件会通过电子邮件或ftp连接自动发送到船东，因此陆上能源管理器会不断更新船舶的性能和管理。管理船舶数据采集，分析和记录的软件主面板如图2所示：
图2 CETENA绩效监控系统的主面板
此外，还安装了测斜仪（以及适当的采集硬件）并由CETENA进行了校准，以进行标记。船首低时为正，船尾尾为负。
监视系统的完整框图如图3所示。从表中列出的项目数量可以很容易地猜到，每次航行都与大量数据相关联，这些数据代表了有关船舶姿态和性能的重要信息来源。但是，另一方面，它收集了与船舶不同方面有关的大量数据（例如，消耗量分析，主机和发电机的性能，维护计划，压载物管理等）。面临的挑战是如何正确合成和使用大量数据。
表2 用于获取旅行数据的主要变量和工具。
遵循的过程由假定的方法组成，以得出这些值在导航时间上的平均值。在每次行程中，将监控参数的时间范围划分为连续阶段是很有用的：
bull;出发前的负荷-推进量的意义不大，而吃水和纵倾则具有很大的波动性，与典型的装卸和重量转移有关。
bull;出发机动性-所有数量都有一个过渡阶段，随着速度和功率的逐渐提高
bull;导航-数量处于其巡航值附近，此阶段记录的监视数据代表了所有后续分析的起点。
bull;到达机动-此阶段的特征是瞬态，随速度和功率的降低而减小。
图3 监控系统的完整框图
从表中列出的项目数量可以很容易地猜到，每次航行都与大量数据相关联，这些数据代表了有关船舶姿态和性能的重要信息来源。但是，另一方面，它收集了与船舶不同方面有关的大量数据（例如，消耗量分析，主机和发电机的性能，维护计划，压载物管理等）。面临的挑战是如何正确合成和使用大量数据。遵循的过程由假定的方法组成，以得出这些值在导航时间上的平均值。在每次行程中，将监控参数的时间范围划分为连续阶段是很有用的：
bull;出发前的负荷-推进量的意义不大，而吃水和纵倾则具有很大的波动性，与典型的装卸和重量转移有关加载和卸载阶段。
bull;出发机动性-所有数量都有一个过渡阶段，随着速度和功率的逐渐提高。
bull;导航-数量处于其巡航值附近，此阶段记录的监视数据代表了所有后续分析的起点。
bull;到达机动-此阶段的特征是瞬态，随速度和功率的降低而减小。
在图4和图5中，显示了所选行程的一些记录的变量的时间分布。为了突出显示已采用的细分，显示了一个表示旅程不同阶段的栏。对于本文进行的研究，主要使用导航数据。操纵过程中测得的值
必须将它们排除在外，因为它们可能与瞬态运动引起的突变有关，如图4和5所示。另一方面，加载相位数据部分用于定义一些静态量，例如静态修整或通风，从中可以收集到达和离开的位移。
图4 一次航行的推进力和平均速度的时间分布。
图5 同一航次的平均航向和航线的时间分布
时间分布与平均值
采纳数量
描述航行器的性能并试图找到大量可用时变量之间的相关性可能很复杂，因为航程的特点是航行周期可变（同样是在同一条路线上），装载阶段的持续时间也有所不同（几乎是随机的方式），无论路线如何。通过平均数量来描述航程，或者说是每个旅程的航行时间段（从现在开始，航行将严格指代对应的航行阶段）可能很有用。实际上，确实有必要为每个数量引用一个值，以便能够通过散点图而不只是时间的函数来比较属于同一样本的航程。从研究修整对推进量的影响的角度来看，并非所有可用数据都是必需的。然后可以进行选择，仅选择合理地可能影响船舶性能的数量。下面列出了一些选定的变量，并简要说明了它们的含义，并在必要时简要介绍了实现这些变量的方式。
bull;平均推进功率[kW]：它是4个主引擎提供的功率，是整个导航期间的时间加权平均值
bull;平均导航速度[Kn]：它是导航期间记录的速度值的加权平均值。
bull;每小时消耗量（FCH）：用于实现独立于导航持续时间的消耗量度，该量度表示传递到发动机推进装置的燃油流速的时间加权平均值（由流量计测量）。
bull;平均航行消耗量m3 ：表示FCH乘以航行小时数。
bull;特定燃油消耗量（SFOC）：从（1）中获得，其中，为：
bull;出发点的静态修剪[m]：导航开始前的最后一个静态修剪值。它的定义是：
bull;到达时的静态修整[m]：导航结束后立即获得的第一个静态修整值。它的定义是：
bull;平均静态修整[m]：出发和到达时静态修整的算术平均值
bull;静态修整差[m]：到达与离开之间的静态修整差
bull;平均动态修整[m]：表示在整个导航过程中通过测斜仪测得的修整的加权平均值。因此，它是指船舶在波浪场中的动态姿态。
bull;动态残余修剪[m]：根据（5）的“真实”动态修剪：
bull;偏离[t]处的位移：从静水压力表中输入，偏离时的平均吃水深度。
bull;到达时的位移[t]：它是与在到达操纵期间并且船舶已经在港口中记录的最后一对吃水TFORE和TAFT相对应的位移
bull;平均位移[t]：前两项的算术平均值，由下式给出：
bull;位移差[t]：到达和离开之间的位移差，由下式给出
bull;路线[°]：以导航期间计算的平均值（加权平均值）表示的路线
bull;风向[°]：绝对风向表示为导航期间监视值的加权平均值
bull;风强度[节]：它是导航期间记录的数据的加权平均值
bull;导航小时数[h]：此数量表示导航的持续时间。
有趣的是注意到引入和分析位移和修剪的不同定义的重要性。由于例如消耗量的减少，船舶的排量沿行进方向不断变化。因此，已经介绍了平均位移和到达与离开之间的位移差。的确，就修剪而言，可以定义三个相互关联的量，但含义不同：bull;静态修剪：此变量在一定范围内可由船员根据重量控制。船舶及其分布；可以通过适当的转移或装载/卸载重量（例如，压载）进行更改，并表示船员在装载之前船离开港口之前可调节的数量。
bull;动态纵倾：忽略与操纵相位有关的瞬变，该数量是船舶在航行过程中动态假定的纵向倾角。尽管从静态调整降低，但动态值并不是可控制的变量，因为它取决于船只的速度和几何形状。此外，由于船舶运动相对于海况也存在变化。原则上应该定义一个稳定的动态调整和一个不稳定的动态调整。可以通过特定的采集系统（例如，三个倾斜仪，一个在船头，一个在中轮，一个在船尾，安装在所考虑的船上以获取可靠的值）来测量动态纵倾。
残余动态修整：根据（5），通过将静态修整量减去测得的动态修整量，得出了该数量，在导航期间，这是由于消耗品的减少以及随之而来的变化 重量分布。
为了弄清楚所采用的定义之间的差异，图6显示了该船舶航行的动态纵倾和剩余动态纵倾的趋势（先前趋势示例采用的相同航程）。
图6 航行动态修剪和残余动态修剪的时间趋势
数据选择与分析
导航数据数据库由相对于导航年份（286航次）由监控系统传输到技术办公室的数据组成。由于在某些航行中可能会丢失数据并且某些变量显示的值超出范围，这可能是由于某些测量仪器的不正确校准（或故障）所致，因此在初步检查之后，就从样品中排除了异常量。
可用数据（228次航行）不代表均质样本，因为它们与所有航线有关，因此无法根据航行速度进行区分，并且会考虑船舶在一年中遇到的所有风况。样品异质性的可视化表示可以通过使用归一单位面积的归一化直方图来实现。
下图（图7至图10）显示了整个样本的推进力，导航速度，动态残余修剪和平均位移的直方图。
推进功率的值在25000 kW和45000 kW之间，分别对应于主机最大输出功率（等于55440 kW）的45％和81％。数据未显示单个平均值附近的分布，但是存在三个主要功率水平（27500 kW，38500 kW和43000 kW），围绕三个主要功率水平以一定的分散度分布值。但是，所获得的直方图与数据的物理含义并不矛盾，因为这些数据包含有关与三种不同路线有关的全年航行的信息，因此代表了一个异类样本。
图7 平均推进力分配
图8 平均速度分布。
同样，速度（图8）并不是围绕一个平均值对称分布，而是具有两组数据，这些数据可能与两个“钟形”形状相关，尾部重叠。 从直方图中可以得出，有两种主要速度（分别为23.5和26.5节）围绕其分布了一年中的所有数据。 与功率和速度相比，动态残余修剪（图9）具有平均值（约60 cm船尾修剪），即使不对称且以 某些非均匀数据的存在，其最小值在约2米的船尾纵剪和最大值在约50厘米的弓型纵倾之间变化。
图9 动态残余修剪分布。
图10 平均位移分布。
与残余动态修整类似，位移（图10）呈现出具有规则分布的直方图（最小值在大约22500 t和最大值在大约27000 t之间），相对于平均值几乎对称，等于25000 t。在图7和图8所示的直方图中观察到的趋势表明，在尝试获得变量的均质子集时，可以根据平均速度和推进力进一步细分样本，以便进行分析。分别针对不同组的数据。值得提醒的是，短途路线的距离明显比长途路线短（分别为168和293英里，而440英里），而且导航时间也要短得多（7和11个小时，而19个小时）。在速度和推进力方面的类比，以及将它们与“长途航线”联系起来的关系，可以将短途航线的数据视为单个统计样本。
此假设使得将数据分为以下两类更加容易：
bull;长途路线-长途航行的所有数据，与导航方向无关。该示例包含65个行程。 bull;短途路线-短途航行的所有数据，与导航方向无关。该样本包括91个旅行。进一步的选择允许从考虑用于分析配平和推进变量（速度，功率和燃料消耗）之间的关系的变量中排除天气条件和导航方向。因此，以下分析旨在研究所选样品的修整和推进量的不同定义之间的关系。进行选择和分析的过程表明，根据关联数据的最大功率百分比，数据可以分为三个不同的类别，如下表3所示。所有数据均涉及长途航行属于第一类，而不论航行方向和季节性如何，而涉及短途航行的数据则分为其他两个类别：第3类包含在7月进行的航行，而其余航行属于2类。
表3 分析采用细分
在图11中，显示了按类别划分的所选样本（156次行程）的数据。
图11 按班级细分
为了分析数据，在本文中，我们决定考虑一个静态的配平定义（由静态出发配平直觉给出，它代表机组人员可调整的变量），两个动态定义（由平均动态配平给定， 它表示在导航过程中直接测量的变量以及剩余的动态配平），速度，推进功率和消耗（以SFOC表示，并根据测得的功率计算得出）。
在本文中，我们将仅介绍涉及第2类的结果，即涉及短期路线的结果，不包括已经提到的7月数据。1类数据涉及长距离路由，在此期间性能百分比可能会有所不同。每次旅行期间很多：平均旅行数据不太重要，因此本文中未介绍。
4.1第2类–短途路线
第一个散点图显示了出发时动态残余修剪与静态修剪的关系。如图12所示，它们的特征在于强的正相关性（rho;= 0.92），尽管有一些例外，但数据样本是在普通最小二乘法的线周围收集的。
图12 第2类出发时动态剩余修剪的趋势与静态修剪的关系
图1
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236892]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
