大数据技术在船舶能效管理中的应用

2020-01-09武汉船舶职业技术学院龚婷

河北农机 2020年12期

武汉船舶职业技术学院龚婷

燃油价格的上涨和港口使用及船只维护费用的上升增大了船舶营运的成本，而燃油费用占了总成本的三分之二，有巨大的节约压缩空间，所以船舶的能效管理是控制运营成本的关键部分。目前，互联网技术已经渗透到各行各业，大数据、云计算和物联网等技术已经在交通运输和通信行业得到了应用。在对管理技术和制度进行变革创新的基础上利用大数据技术来节约能效，不仅能够提高我国海上交通管理的品质与质量，也能节约资源，降低运输成本，推动我国经济发展。因此，船舶行业需要根据信息化特点科学地利用大数据技术，为船舶营运提供更加全面的技术支持，提高船舶工作运输效率。

1 大数据及其相关技术

1.1 大数据简介

大数据是指充分利用互联网和计算机技术，获取大批量信息数据并对其进行整合。其中，“大数据”中的“大”并不仅仅指信息数据量的庞大，还体现了通过数据挖掘等技术对数据和信息进行专业化处理，和对数据信息自身蕴含的应用价值的肯定。大数据具有 5V 的特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）和 Veracity（真实）。其中，Volume 指的是大数据的数量庞大，种类杂乱；Velocity 指的是数据增长速度快，呈几何式增长，且越到后期增长越快，对数据处理的速度也不断提高；Variety 指的是大数据中数据类型多样，结构复杂，表现形式不同；Value 指大数据包含大量无用信息，这就使得需要的信息往往被无用信息覆盖，导致数据利用困难，简单来说，需要对海量的数据进行采集、处理和分析才能获取所需要的信息；Veracity 指的是数据产生和处理是实时的，具有准确的特点。大数据的这些特性，使其具有广阔的应用前景和巨大的应用潜力。

1.2 大数据技术

大数据本身Value（低密度）的特点，导致需要对数据进行处理才能使用，否则数据将毫无价值。大数据处理以大数据为原材料，而正是因为大数据不同于传统数据量的庞大，导致无法用传统的数据处理技术进行处理，所以大数据处理技术应运而生。

大数据处理技术已经成了大数据领域内各行各业的关键环节，在互联网和计算机技术的推动下，各种大数据处理方法已经得到了广泛的发展和应用。一般来说，大数据处理需要经过以下几个步骤：数据的采集、数据的存储和数据的分析。经过这些处理后才有可能获取所需要的信息。常见的大数据技术有信息管理系统、NoSQL、分布式数据库、数据挖掘和类聚分析等。大数据处理技术的发展离不开计算机网络技术、传感技术和数学等基础学科的进步。目前社会上已经出现了大量的数据处理系统和算法，并在各行各业发挥作用，未来还会出现更加先进高效的大数据处理技术，不断推动着大数据的发展。

2 智能能效管理

船舶的能效管理有如下三个层次：第一层次是与能效相关的数据信息的采集；第二层次根据采集的能效数据对船舶的航行操作提供决策参考和辅助；第三层次主要是优化船舶的水动力性能，完成固定船舶的型线优化。

能效管理是一个非常复杂的过程，船舶的智能能效管理是通过能效监控和管理设备实现的，这两个部分都能进行实时采集关于航行状态、航行中设备机器的耗能情况等信息，自动收集船舶航行时的状态、外界环境条件、机器耗能情况等数据，并以此为基础评估船舶的能效、航行和装载情况，更进一步，再利用大数据技术、数值仿真分析等优化技术为船舶提供直观的可视化分析结果，为操作人员提供数据分析的结果和操纵上关于调整航行速度、最佳配载等决策的辅助建议，如提供最佳航速的参考，降低船舶耗能；装载计算机给出最佳装载建议，降低船舶阻力和油耗。真正做到对船舶实时监控、评估和优化。

3 船舶能效管理的具体作用

3.1 调度优化

随着我国海上交通运输的发展，船舶的数量迅速壮大，不过港口和航道的规划建设越来越难以跟上船舶增加的节奏，这就导致港口和航道的设置安排越来越杂乱，极大地增加了船舶调度的难度。而大量的船舶在港口的调度和航道规划受到诸多因素的影响，如果把这些因素统计起来用数据表示，将是极大的数据量，符合大数据的标准，可以利用大数据的采集和处理思路来解决。目前大数据分析技术已经在船舶调度管理方面得到了初步应用，并且一定程度上提高了调度的效率。具体步骤是，先把船舶信息预存入中心系统的数据库中，然后对它们进行集中分析处理，利用大数据相关技术（如数据挖掘和数据处理等）对船舶的动态进行即时分析和调度，实现船舶调度的科学化和信息化，在很大程度上缓解了港口和航道规划建设方面的压力，弥补了由于港口航道调度跟不上船舶发展而造成的漏洞。目前已经有学者提出了多种以大数据为基础的船舶调度方案，如图谱特征分析、关联特征匹配、数据挖掘等，对船舶调度管理做出了优化处理。

3.2 纵倾优化

纵倾优化是指应用CFD 工具或船模水池试验来计算船舶在不同装载情况或不同航速下受到的阻力，同时采用优化思想，以实现最小阻力为目标，在考虑航行视线、稳定和强度安全的前提下，给出最佳纵倾浮态的参考，为船舶实际的营运提供决策建议。设计纵倾性能数据库的传统方法是在设计阶段通过开头提到的两种方法来计算船舶在不同航行状态下吃水时对应的不同航速和纵倾受到的阻力，从而计算出吃水、航速和纵倾下的主机功率。再根据航行前预设的航速和吃水情况，找到最低功率下对应的最佳纵倾情况。

这种纵倾方法存在一定的局限性，比如实际的航速和吃水情况都不一定和试验时模拟的数据一致。所以需要在纵倾矩阵内插入一些数值，并假设它们和原数值之间存在线性关系。不过当吃水深度和纵倾离球鼻艏浸没点非常接近的时候，这种方式往往并不准确。另外，这种方法也存在局限，比如没有考虑到船舶外界扰动和动态的实时情况，如出现风或下沉，简单来说，船员不能准确获得船舶的实际吃水深度，只能确定出航前的状态。即使按比例放大也会出现偏差，从而阻碍了船舶获得最佳纵倾并按照这个状态航行。

航速、海况、海面等种种会在实际航行中实时变化的因素，导致航行中实际纵倾角度和静态纵倾角度相差很大，甚至可以达到1m。所以，对船舶航行数据进行实时采集是很有必要的，还要在此基础上进行多维分析，寻找优化动态纵倾的最佳方法。动态纵倾优化需要考虑大量的变量因素，如流体学相关和天气情况。在综合考虑这些种种因素后，再计算出最佳纵倾数值，并持续不断采集数据，对数据进行清洗和分析，不断提高优化纵倾的精度，实现船舶的节能智能航行。

3.3 航速优化

主机转速和航速也是影响油耗的重要因素。在船期范围内，大型船舶通常采取降低航速的方式来减少油耗。以航行数据为基础，结合航次记画、航线和燃料消耗情况以及成本分析，得出优化航速的最佳方案。能源监控系统既可以输入预定的航行线路、燃油价格、出发到达的具体时间，还可以接收基地发送的天气情况如风、浪涌和潮流等气象信息，然后将航线分为多个部分，对每一部分计算出具体的最佳航速和转速，为操作人员提供参考。

3.4 清除污底优化

随着船舶运营时间的增加，船体和螺旋桨表里都会积累大量污底。为了减小由此带来的阻力，提高螺旋桨工作推行的效率，需要定期清除船舶污底。大数据技术能够为这项工作提供更加高效的建议。大数据技术可以对运营时监测到的数据进行梳理，从中筛选出有关船速和主机功率的数据，并按照时间顺序进行排序，清除风、浪、流和海水温度等自然因素对船舶营运功率的影响，进一步得到船舶污底与营运时间和航线这三者之间的关系，根据实际情况清除污损，能够提高船舶能效、降低营运成本。

3.5 航线优化

海上交通运输的特殊性使得船舶必须依靠一定的导航系统才能到达目的地，而海事部门也需要对船舶的航迹进行预测掌握，从而调整航路调度，避免事故的发生。随着水上运输事业的发展，船舶定位和航迹预测的工作也变得越来越重要，成了近年来的热点话题。目前实现船舶定位和航迹预测方法的核心思想都是通过船舶定位数据进行曲线拟合，进而完成船舶定位和航迹预测，具体有神经网络、灰色模型、贝叶斯等方法。虽然这些方法在实际中已经有了应用，但准确性和可靠性都还有待提高，并且存在一定的局限性。例如，神经网络需要建立在大量的历史数据的基础之上；灰色模型法还局限于线性拟合等。而大数据技术的发展和应用为船舶导航和航迹预测的性能奠定了技术基础，可以使船舶导航和航迹预测更加精确可靠，满足了海上运输和船舶能效管理的实际需要，具有巨大的发展潜力。