本发明涉及一种船舶设计,更具体地说,涉及船舶航速的优化。
背景技术:
1、国际社会的环保意识日益提高,航运业对环保的要求也不断提高,近年来,陆续实施了seemp、eedi、eexi和eeoi,旨在敦促船舶节能减排,提高能效管理,降低温室气体排放。为了提高船舶的能效,减少船舶的油耗并降低二氧化碳排放,航运企业通过船舶上应用风帆、空气润滑等设备降低船舶能耗,提升船舶的营运能效。
2、在绿色智能的发展趋势下,仅仅通过绿色手段不足以达到最佳的节能效果,需要在绿色技术的基础上有效利用智能手段提升船舶能效管理效率,降低船舶的油耗和二氧化碳排放。
3、目前市场上的部分智能能效管理系统具有船舶航速优化功能,但是其航速优化具有局限性,主要问题如下:
4、1、目前的能效系统中的航速优化是基于船舶采集的营运过程中的主辅机的燃料消耗及航速等数据进行统计和分析建立航速和油耗的数学模型,进而提出航速优化辅助决策,但建立的模型脱离了船舶自身的航速和油耗的情况;
5、2、船舶的航速和油耗数学模型还与风浪的情况有关,目前的能效系统模型未考虑吃水和浮态的影响;
6、3、目前能效系统的航速优化功能需使用较长时间才可以给出合理的航速优化建议。
技术实现思路
1、针对上述问题,本发明提供一种船舶航速优化具有自学习能力的船舶航速优化方法,本发明航速油耗以船模船模试验结果或数值仿真计算结果为基础建立初始的数学模型;航速油耗数学模型考虑了风浪的影响;本发明在安装上船后即可提供较合理的航速优化辅助决策,同时,数据模型可以根据实际营运数据不断自主学习和优化,提高航速优化的准确性和合理性。
2、为了达到上述目的,本发明一种船舶航速优化具有自学习能力的船舶航速优化方法,包括如下步骤:
3、s1、数据采集:
4、g.采集船舶的主机功率pture;
5、h.采集船舶主机的燃油消耗量focture;
6、i.采集船舶的对地航速vg
7、j.采集船舶的船首和船尾的吃水tf/ta
8、k.采集船舶周围的相对风速vwrref和相对风向ψwrref;
9、l.采集波浪的有义波高h1/3;
10、s2、建立初始的燃油消耗foc与航速v的关系模型,包括如下步骤
11、1)根据船舶的设计型线建立缩尺模型,通过在试验水池中的航行模拟实际船舶在海水中航行的状态,通过测量可以得到主机功率p和航速v之间的关系,具体过程如下:
12、e)在选定的船舶吃水t1下,在试验水池中以航速v1进行航行,测量得到船舶的阻力r1和推进效率η1,计算得到对应的主机功率p1=r1×η1;在试验水池中以航速v2进行航行,测量得到船舶的阻力r2和推进效率η2,计算得到对应的主机功率p2=r2×η2……
13、在试验水池中以航速vn进行航行,测量得到船舶的阻力rn和推进效率ηn,计算得到对应的主机功率pn=rn×ηn,n为自然数;通过对上述一系列数据点进行拟合可以得到吃水t1下推进功率和航速之间的关系p=f1(v);
14、f)在选定的船舶吃水t2下重复a)过程,p=f2(v);
15、g)在选定的船舶吃水tn下重复a)过程,p=fn(v);
16、h)通过对a)到c)得到的一系列吃水和推进功率的关系进行拟合处理,可以得到考虑吃水因素的推进功率p和航速v之间关系p=f(v,t);
17、2)当主机功率为pn时,每千瓦主机功率需要消耗燃料记作sfoc,故主机功率pn消耗的燃料foc=pn×sfoc;
18、3)结合1)和2)建立初始的燃油消耗foc与航速v的关系模型为foc=sfoc×f(v,t);
19、s3、分析处理,包括如下步骤:
20、d.风阻力影响因子
21、海洋中的风将导致船舶收到的阻力增加,增加的阻力raa=0.5ρa·caa(ψwrref)·axv·vwrref2-0.5ρa·caa(0)·axv2·vg2
22、式中:raa表示风导致的阻力增加;
23、ρa为空气的密度;
24、caa(ψwrref)为相对风向下的风阻力系数;
25、axv为迎风面积;
26、caa(0)为迎风的风阻力系数;
27、vg为船舶的对地航速;
28、故风阻力影响因子可以表示为数学模型fwind=f(ψwrref,vwrref);
29、当船舶在营运过程中,按天采集到相对风向ψwrref-n和相对风速vwrref-n,计算得到风阻力影响因子fwind-n,逐步完善风阻力影响因子模型fwind=f(ψwrref,vwrref),逐渐接近真实情况;
30、e.浪阻力影响因子
31、海洋中的浪将导致船舶收到的阻力增加,增加的阻力
32、式中:rawl表示风导致的阻力增加;
33、ρs为海水的密度;
34、g为重力加速度;
35、h1/3为海水的有义波高;
36、b为船宽;
37、lbwl为船长;
38、故浪阻力影响因子可以表示为fwave=f(h1/3);
39、船舶在营运过程中,按天采集到波浪有义波高h1/3-n,计算得到浪阻力影响因子fwave-n;逐步完善浪阻力影响因子模型fwave=f(h1/3),逐渐接近真实的影响情况;
40、f.燃油消耗差异因子
41、实际运营过程的sfocture由轴功率仪采集的主机功率pture和质量流量计采集的燃料消耗focture计算得到,
42、引入燃油消耗差异因子故燃油消耗差异因子可以表示为fsfoc=f(pture,focture);
43、当船舶在营运过程,按天采集到主机功率pture-n和燃料消耗focture-n,计算得到波浪阻力影响因子fsfoc-n;逐步完善燃油消耗差异因子模型fsfoc=f(pture,focture),逐渐接近真实情况;
44、s4、航速优化,包括如下步骤:
45、c.根据步骤s2和s3,所述燃油消耗foc与航速v的关系模型优化为foc=fwind×fwave×fsfoc×sfoc×f(v,t);
46、d.船舶每天航行的距离s=v×24,
47、单位距离的燃油消耗为
48、进而在实际营运过程中,根据船舶漂浮在水中的实际状态获得船舶的吃水t,以fc最低为优化目标对数学模型求解,获得的航速vo。
49、优选方式下,通过设置轴功率仪采集船舶的主机功率pture,主机功率pture指主机提供螺旋桨旋转推动船舶前进的动力大小。通过安装在主机供给系统管路上的质量流量计,采集船舶主机的燃油消耗量focture。通过全球卫星定位系统(gps)采集船舶的对地航速vg。通过吃水测量设备采集船舶的船首和船尾的吃水tf/ta。通过风速风向仪安装在船舶最上层,采集船舶周围的相对风速vwrref和相对风向ψwrref。通过波浪雷达测量波浪的有义波高h1/3。
50、为了达到上述目的,本发明结合船舶设计理论,考虑了吃水和风浪对航速的影响,使航速油耗模型更加准确;本发明的航速油耗基础数学模型基于船舶自身航速功率曲线和主机的功率油耗特性曲线建立,模型建立在正确的理论基础上,系统安装上船后即可提供航速优化辅助决策。本发明随着营运过程中收集到的数据,航速油耗模型会不断地自主学习,使模型逐渐接近船舶营运的真实能耗情况,提高航速优化辅助决策的准确性;本发明具有基础数学模型,可以将实际油耗修正到理想环境下与基础模型中的数据对比,为船东判断出污底辅助决策。