理论模型加自动采集数据的船舶营运油耗模型建立方法与流程

本发明涉及船舶，具体涉及理论模型加自动采集数据的船舶营运油耗模型建立方法。

背景技术：

1、船舶运输因其运量大、成本低等优点而发展成为国际贸易中最重要的运输方式之一，80％以上的国际货物通过海运完成，其中船舶的燃油量在船舶的整个营运成本中所占的比例非常高。因此，船舶油耗的预测是船舶日常营运中的一个关键问题，是船舶进行经济性评估、航线优化、航速优化、油耗异常预警等的基础。但是，由于船舶的实际营运条件复杂，要实现船舶油耗的准确预报较为困难；同时实际营运中船舶性能是在不断变化的，比如船体会积累污底造成性能下降，主机等主要设备的老化造成油耗上升，船舶定期进坞维修又会使得性能得到改善油耗降低。所以需要对船舶的实际营运数据进行分析，建立船舶油耗预测模型，实现船舶油耗准确预测。目前许多船舶装备了数据自动采集监测系统，利用监测的船舶状态和外部环境的主要参数，使得更准确的船舶营运油耗模型的建立成为可能。

2、目前有利用营运监测数据、运用各种机器学习方法建立油耗模型的技术方案，然而这种方案建立的模型存在如下问题：如果使用少量特征参数进行学习，则模型不够准确；如果使用大量特征参数进行学习，会出现过拟合现象，模型的泛化能力不强，不能实现此前未遭遇的风浪条件的准确预测；此外，该方案由于采用纯数据学习方法，往往模型结果不稳定可控，可能出现风浪更大油耗反而降低等物理上存在矛盾的结果，可解释性差，且难以进行针对性的调整。

技术实现思路

1、本发明解决现有技术方案存在的运用少量特征参数进行学习模型不够准确大量特征参数进行学习模型过拟合的问题，提供理论模型加自动采集船舶营运数据分析建立船舶营运油耗模型，使得油耗的预测更加准确、稳定。

2、本发明要求保护的技术方案如下：

3、理论模型加自动采集数据的船舶营运油耗模型建立方法，包括如下步骤：

4、s1：船舶营运油耗理论模型建立：分三个模型部分建立油耗理论模型：模型部分1是船舶的静水航速功率曲线，反映船舶风浪极小时各吃水下航速功率对应关系；模型部分2是风浪中航速功率对应关系，即根据船舶风浪中功率增加计算方法，得到风浪造成的主机功率增加，结合模型部分1静水航速功率曲线，获得船舶在实际风浪中航速功率对应关系；模型部分3是船舶的主机油耗率曲线，即主机不同功率下的单位时间发出单位功率的油耗，结合模型部分2船舶风浪中航速功率对应关系，得到船舶风浪中航速油耗对应关系，即油耗理论模型。

5、s2：自动采集数据及数据处理：自动监测船舶状态和外部环境，自动采集船舶状态和外部环境的主要参数的实时数据，并对数据进行预处理。

6、s3：数据筛选：预处理后的数据分成小风浪稳定航行数据、一般风浪稳定航行数据和主机稳定运行数据三个数据部分，进行针对性的筛选。

7、s4：根据筛选的数据调整油耗理论模型：根据s3筛选的三个数据部分，分别对对应的三个模型部分进行针对性调整，得到最终的油耗理论模型。

8、优选地，s2所述的对数据进行预处理，指对自动采集的数据进行清洗和修补，通过插值、前填充、后填充等方法解决数据采集频率造成的缺失，去除难以修补的部分信号缺失数据；并对数据进行平均化处理，所述主要参数包括船舶吃水、对水航速、主机功率、主机转速、主机油耗、水深、风速、风向、浪高、浪向等。

9、所述的s3数据筛选步骤中的小风浪稳定航行数据包括对应吃水的、航速较高、转速稳定、深水航行、风浪极小的数据。

10、所述的s3数据筛选步骤中的一般风浪稳定航行数据包括对应吃水的、航速较高、转速稳定、深水航行、风浪非极大的数据。

11、所述的s3数据筛选步骤中的主机稳定运行数据包括对应吃水的、航速较高、转速稳定的数据。

12、所述的s4根据筛选的数据调整油耗理论模型包括如下步骤：

13、(1)利用所述的s3中筛选的极小风浪数据，确定各吃水下静水航速功率曲线的调整系数；

14、(2)利用所述的s3中筛选的一般风浪稳定航行数据，调整模型中风浪阻力增加的系数和风浪中推进效率降低的系数，从而调整风浪中功率增加计算方法；

15、(3)利用所述的s3中筛选的主机稳定运行数据，对主机油耗率曲线进行偏移调整，得到实际的主机油耗率曲线。

16、所述的s1中，模型部分1可以采用船模试验数据和船舶交船试航数据提供的航速油耗曲线；或采用待定系数法，对船舶初期营运自动采集数据进行s2所述的预处理和s3所述的数据筛选，采用筛选后的极小风浪数据建立静水油耗曲线，假定船舶的主机功率ps与对水航速vs成指数关系，即：

17、

18、利用所有筛选后的极小风浪数据通过最小二乘法确定系数a和b，得到初步的航速功率曲线；

19、所述的s1中，模型部分2的船舶风浪中功率增加计算方法为：假设船舶风阻为raa，波浪增阻为raw，则船舶风浪中功率增加δp可以用直接功率法计算，即：

20、

21、其中ηd为对水航速vs对应下的船舶推进效率，可从船模试验获得，或可以取为0.75，船舶风阻为raa，波浪增阻为raw采用经验公式计算。

22、所述的s1中，模型部分3的船舶的主机油耗率曲线可采用主机工厂试验或船舶试航数据建立或可采用待定系数法，对船舶初期营运自动采集数据进行s2所述的预处理和s3所述的数据筛选，采用筛选后的主机稳定运行数据建立主机油耗率曲线，假定船舶的主机油耗率sfoc与主机功率ps存在二次多项式关系，即：

23、

24、利用所有筛选后的主机稳定运行数据通过最小二乘法确定系数c1、c2和c3。

25、最终的理论油耗fo计算公式为：

26、fo＝(ps+δp)*sfoc

27、其中ps为船舶的主机功率，δp为船舶风浪中功率增加，sfoc为船舶的主机油耗率。

28、优选地，采用相关系数法确定不同吃水下静水航速功率曲线的调整系数cp，假定在某个吃水下，所述的s3中筛选的极小风浪数据中船舶的对水速度和主机功率分别为vsi和psi，根据油耗理论模型计算vsi对应的理论主机功率为psmi，则相关系数cpi为：

29、cpi＝psi/psmi

30、该吃水下所有所述的s3中筛选的极小风浪数据对应的cpi后，可假定相关系数cp与对水航速vs存在二次多项式关系，即：

31、

32、然后采用最小二乘法确定公式的系数kc1、kc2和kc3，获得该吃水下静水航速功率曲线的调整系数cp的计算公式，则调整后的静水功率为油耗理论模型的功率乘以cp。

33、优选地，采用待定系数法对风浪功率增加公式进行调整，即将风浪功率增加的计算公式调整为：

34、

35、其中raa为船舶风阻，raw为波浪增阻，vs为对水航速，ηd为对水航速vs对应下的船舶推进效率；基于调整后静水航速油耗曲线，计算各所述的s3中筛选的一般风浪稳定航行数据中相同对水航速vsi下主机功率psi与油耗理论模型静水功率psmi'之差δpi'，根据调整后的δp'计算公式和实际的δpi'值，采用采用最小二乘法确定kaw和kη的值，得到调整后的风浪功率增加δp'计算公式。

36、根据所述的s3中筛选的主机稳定运行数据中主机油耗和主机功率，计算主机的实际油耗率sfoci，并计算相同功率下的油耗理论模型主机油耗率sfocmi，计算两者的偏差δsfoci：

37、δsfoci＝sfoci-sfocmi

38、计算所有所述的s3中筛选的主机稳定运行数据对应的δsfoci后，可假定偏差δsfoc与主机功率ps存在二次多项式关系，即：

39、

40、然后采用最小二乘法确定公式的系数ks1、ks2和ks3，获得主机油耗率偏差量δsfoc的计算公式，则调整后的主机油耗率为油耗理论模型的主机油耗率加上δsfoc；

41、最终的实际油耗fo计算公式为：

42、fo＝(ps*cp+δp')*(sfoc+δsfoc)

43、其中ps为主机功率，cp为不同吃水下静水航速功率曲线的调整系数，δp'为调整后的船舶风浪中功率增加，δsfoc为主机油耗率偏差量，sfoc为船舶的主机油耗率。

44、有益效果：

45、本发明提供了理论模型加自动采集数据的船舶营运油耗模型建立方法，分船舶的静水航速功率曲线、风浪中航速功率对应关系和船舶的主机油耗率曲线三个模型部分建立油耗理论模型，分别对应船舶小风浪稳定航行、一般风浪稳定航行和主机稳定运行三种物理状态，覆盖船舶实际稳定航行的各种情况，保证了油耗理论模型的物理合理性，从而保证了输入参数与输出结果的合理稳定的对应关系，能够对各种情况进行油耗预测，避免模型的过拟合；自动监测船舶状态和外部环境，自动采集船舶状态和外部环境的主要参数的实时数据，并对实时数据进行预处理，预处理后的数据分为小风浪稳定航行数据、一般风浪稳定航行数据和主机稳定运行数据三个数据部分，进行合理筛选，筛选后的数据分别对三个模型部分进行针对性调整，使得能够反映船舶的当前实际营运油耗情况，解决了实际营运中船舶性能不断变化而使得油耗预测不准确的问题，并不需要大量的数据就可以提高模型预报的准确性和稳定性。

46、对自动采集的数据进行清洗和修补，提供数据的准确性，并进一步对数据平均化处理，消除数据的随机性；充分考虑了船舶吃水、对水航速、主机功率、主机转速、主机油耗、水深、风速、风向、浪高、浪向等可能影响油耗的各种因素，解决了船舶油耗的准确预报较为困难的问题。

47、自动采集的数据分成小风浪稳定运行数据、一般风浪稳定运行数据和主机稳定运行数据三个数据部分，分别对应油耗理论模型的三个部分，分别进行数据筛选，涵盖船舶运行的各种情况，保证船舶各种状态下油耗预测的准确性。

48、对船舶的营运数据进行实时的采集，然后采集的数据进行数据预处理和筛选，所得数据对对应的油耗理论模型进行调整，理论结合实际，解决了对此前未遭遇的风浪条件的预测不准确的问题，提高了油耗预测的准确性。