详情

原文传递基于数据融合与机器学习的远洋船舶航速优化研究

论文题名：	基于数据融合与机器学习的远洋船舶航速优化研究
关键词：	船舶油耗预测;航速优化;数据融合;机器学习;航线分段
摘要：	船舶航速优化作为具有节能减排及降低船舶运营成本潜力的船舶能效优化措施之一，一直以来受到国内外学者的广泛关注。航速优化通常是针对未航行航线进行预先优化，既可以在开航前也可以在航行中进行，而船舶主机油耗模型与优化算法则是船舶航速优化的两个核心。目前船舶航速优化研究通常基于船舶推进原理构建原理模型计算主机油耗，很难准确考虑风、浪、流的影响致使油耗计算误差较大，同时很少深入探讨与航速优化密切相关的航线最优分段及气象准确加载问题，致使航速优化算法的实用性与准确性较低。因此，开展考虑实际天气与海况的船舶航速优化研究对于航运业的可持续发展具有重要意义。　　本文以远洋船舶为研究对象，基于船舶推进原理提出了船舶航行数据异常值识别方法，在完成船舶推进原理分析与异常值识别的基础上，采用船舶航行数据与机器学习方法构建了主机油耗数据驱动模型。同时，考虑到船舶航行数据低质量问题及单一数据驱动模型无法兼顾准确性与可靠性问题，提出了数据融合算法与模型融合方法，构建了准确可靠的主机油耗模型与轴转速模型。在此基础上，为了提高航速优化算法的实用性，开发了两种新的航线分段-气象加载-航速优化循环迭代算法，并开展船舶单目标与双目标航速优化研究。　　为了揭示船舶航速与外界环境因素、轴转速、主机油耗之间的关系，同时为构建主机油耗数据驱动模型提供理论基础，分析了船舶主机油耗与航行阻力计算等航速优化相关的船舶推进原理。同时，针对船舶航行数据异常值剔除问题，基于船舶推进原理开发了船舶推进原理模型与船舶航行数据异常值识别方法。模型及方法验证结果表明，针对某VLCC船的原理模型具有较高的计算准确性与可靠性，静水条件下的收到功率与轴转速误差均在±3％以内，数据异常值识别方法能够有效地识别并剔除船舶航行数据中的异常值。船舶推进原理及所提出的异常值识别方法为构建基于数据的主机油耗模型奠定了坚实的建模基础。　　针对用于构建主机油耗数据驱动模型的船舶航行数据质量较差等问题（例如采样频率低、特征不足），提出了一种数据融合算法，通过将集装箱船的船舶航行报告及传感器数据分别与可公开访问的海洋环境数据融合以提高建模准确性。在此基础上，采用9种机器学习方法全面对比分析多个融合数据集的建模准确性，对比结果表明数据融合可有效补充海浪、海流与海水温度数据，显著提升了船舶航行数据的建模准确性，在支持向量回归(SVR)模型上最优传感器融合数据集Set-5较传感器数据集Set-1的建模平均绝对百分比误差(MAPE)降低2.19％。所提出的数据融合方法为船舶航速优化中船舶主机油耗准确预测奠定了坚实的模型基础。　　考虑到不同机器学习方法的预测性能差异，在采用9种机器学习方法与最优融合数据集构建船舶主机油耗与轴转速数据驱动模型后，全面对比分析了9种模型的预测准确性、鲁棒性、可靠性与外推性。在预测性能方面，SVR模型在小数据集上具有最高的预测准确性与鲁棒性，而极端随机树(ET)模型则在大数据集上具有最高的预测准确性，多项式回归(PR)模型在大数据集上具有最优的预测可靠性与外推性。针对单一数据驱动模型通常难以兼顾准确性与可靠性问题，提出模型融合方法将预测准确性最高的ET模型与可靠性最高的PR模型融合，进而构建了用于船舶航速优化的准确且可靠的主机油耗与轴转速投票集成(VR)模型。主机油耗与轴转速VR模型的MAPE分别为3.31％与1.67％，且具有较好的航速-主机油耗及航速-轴转速变化趋势，说明模型融合使预测准确性与可靠性得到了合理的权衡。　　针对目前航速优化存在的航线分段后段内气象跨度大及无法准确加载气象造成油耗预测误差过大问题，分别基于船舶航行时间与有序聚类法(Fisher最优分割法)，开发了两种新的航线分段-气象加载-航速优化循环迭代算法。采用第二种迭代算法实现了航段内气象相似性最大的航线分段与基于实时气象的航速优化，有效缩小了优化油耗与实际油耗间的差距，提高了航速优化方法的实用性。基于循环迭代算法，以船舶主机油耗最低、船舶碳排放最低、船舶运营成本最低与船舶航行时间最短四个单目标，船舶主机油耗最低-航行时间最短与船舶运营成本最低-碳排放最低两个双目标，进行船舶航速优化研究。船舶单目标航速优化结果表明，航速优化的收益很大程度上取决于海况，但在所研究的6条案例航线中，基于实时气象加载的航速优化均表现出较高的收益。针对航线3的航速优化结果表明，在近期航运市场行情下单目标航速优化达到2.4％以上的成本节省率与3.3％以上的碳减排率，双目标航速优化实现了船舶运营成本与船舶碳排放之间的有效平衡。研究结果揭示了航速优化在提高船舶运营经济效益与环境效益方面的潜力，为船舶实现节能减排目标提供了强有力的技术支撑。
作者：	李潇河
专业：	动力工程及工程热物理
导师：	孙宝芝
授予学位：	博士
授予学位单位：	哈尔滨工程大学
学位年度：	2022