【技术实现步骤摘要】
本专利技术属于船舶油耗预测方法，特别涉及一种基于数据同化的船舶油耗预测方法。
技术介绍
1、船舶运行油耗不仅关乎运营公司的经济效益，大量的能源消耗及二氧化碳排放也严重危及着全球资源及环境。国际海事组织imo(international maritime organization)自2010年起陆续引入eeoi(energy efficiency operational index)、eedi(energyefficiency design index)等船舶能效指数，分别衡量船舶的设计、运营阶段的能耗水平。准确预测船舶运行油耗是计算船舶能效指数及优化航行策略的前提。
2、船舶油耗模型大致可分为白箱模型、黑箱模型和灰箱模型。
3、白箱模型通常做出合理的假设限制，通过系统内部物理联系建立起可测量的物理量(输入)与船舶油耗(输出)之间的简化模型。自1975年起，shoichi nakamura,coraddu，fabian等陆续提出了油耗回归公式、matlab油耗计算工具箱、船舶航速及油耗数学关系等白箱模型。这些白箱模型可以完成船舶油耗计算，并且由于物理模型内部参数关系透明，可以比较方便地对白箱模型内的各个模块进行修改完善，使其精度或者实时性得到提高。但在建立白箱模型的过程依赖于大量船舶性能参数、航行数据及风浪流等环境数据。有些数据难以获得，大大降低了白箱模型的实际计算精度，使其应用受限。
4、黑箱模型是一种直接描述系统输入与输出之间关联关系的模型。与白箱模型相比，黑箱模型不需了解系统内部参数间的物
5、灰箱模型是一种介于黑箱模型与白箱模型之间的一种模型，同时具有黑箱模型与白箱模型的优缺点。在建立灰箱模型时，利用已知的物理量和物理关系建立白箱部分，而物理关系不确定的部分利用黑箱模型加以填补。2008年，leifson等首先利用白箱模型对船舶阻力、主机和螺旋桨进行建模，获得一个油耗估计值，然后利用黑箱模型对油耗值进行修正，提高了油耗估算的精确度。灰箱模型可以充分利用已知的物理关系来建立初始模型，并且在部分物理量关系不确定或物理量本身不确定的情况下依据实测数据提高模型精度，完成有效的船舶油耗计算。但leifson等提出的方法中利用黑箱模型直接对油耗值进行修正，这仍是在建立原始数据与油耗之间的弱物理关系，需要比较大的数据积累和模型更新的工作。
技术实现思路
1、本专利技术解决目前传统油耗预测方法中存在的白箱、黑箱模型各有优缺点，而结合两种模型的灰箱模型实质上是将白箱、黑箱模型割裂仍然是两种模型各起各的作用，无法充分发挥各自优点，也无法摒弃弱点，从而导致仍然具有数据量大、精度低、不灵活的技术问题，提供一种基于数据同化的船舶油耗预测方法，不但能具有白箱、黑箱模型各自的优点，还大大降低了所需数据的数量，提高了精度，而且避免了黑箱模型建立原始数据与油耗之间弱物理关系的步骤，得以更加灵活地应用在不同船型、不同航行工况中。
2、本专利技术的技术方案是：
3、一种基于数据同化的船舶油耗预测方法，其特征是包括下列步骤：
4、s1：白箱模型的建立：将传统油耗模型作为白箱，从物理角度建立起航速、船体参数、风浪等多(因素)参数影响下的油耗计算模型；
5、s2：案例船航行数据前处理：建立案例船原始数据为基础的航行数据，将案例船航行过程中的多类实测原始数据，做缺失值、异常值、同步频率及必要物理计算处理，得到多类船舶航行数据，即油耗计算模型中的不同变量随航行时间变化的数据，包括船舶航行速度v、显著波高h1/3、波浪相对船的速度u以及单位时间燃油消耗质量q；
6、s3：确定状态向量：根据s1所述传统油耗模型公式分析目标案例船的不确定参数，组成数据同化中的状态向量；
7、s4：生成集合：对各不确定参数按照传统模型公式设置合理初值并确定标准差，并生成正态分布的样本集合；
8、s5：计算hx：即采用传统油耗模型公式计算不同参数下对应的油耗量，与实际油耗量q进行对比；
9、s6：数据同化：s2案例船某次航行部分时段内的单位时间燃油消耗质量q作为观测数据，并将其他与传统模型相关的数据代入公式，利用数据同化修正油耗传统模型中的不确定参数，得到与实际系统最一致的不确定参数；
10、s7：计算油耗：同化修正后准确的不确定参数带入所述传统油耗模型重新计算油耗。
11、步骤s1中多参数包括：船体参数包括船长、船宽，航速参数包括设计航速，多参数还包括静水阻力系数、波浪阻力系数、螺旋桨推进效率、湿面积、辅机功率、燃油消耗率、油耗量。
12、步骤s1中传统油耗模型公式为公式(1)和公式(2)，
13、
14、q＝kfp (2)
15、其中，k是与螺旋桨推进效率η和船舶速度有关的系数，η为船速为设计航速vd时螺旋桨推进效率,通常取0.6～0.7，当船速v降低时，k根据常数j和k(其中j+k＝1)下降，p是总功率，其中ρ是水的密度，ct是总阻力系数，s是湿润的表面，v是速度；cw是波浪阻力系数，g是重力加速度，h1/3是显著波高，b是船宽，l是船长，u是波浪相对船的速度，paux是运转水泵、照明用电以及船舶所有支撑系统所需的辅助主机功率，公式(2)中，q是单位时间燃油消耗质量(kg/s),kf是燃油消耗率(kg/j)。
16、s6中，数据同化计算公式为enkf数据同化计算公式，具体为公式(3)、公式(4)和公式(5)，数据同化第三方库为数据同化第三方库“dafi”代码；
17、xa(j)＝xf(j)+k(y(j)-zf(j)) (3)
18、z＝hx (4)
19、k＝cxz(cz+cy)-1 本文档来自技高网...
【技术保护点】
1.一种基于数据同化的船舶油耗预测方法，其特征是包括下列步骤：
2.根据权利要求1所述的基于数据同化的船舶油耗预测方法，其特征是步骤S1中多参数包括：船体参数包括船长、船宽，航速参数包括设计航速，多参数还包括静水阻力系数、波浪阻力系数、螺旋桨推进效率、湿面积、辅机功率、燃油消耗率、油耗量。
3.根据权利要求1或2所述的基于数据同化的船舶油耗预测方法，其特征是步骤S1中传统油耗模型公式为公式(1)和公式(2)，
4.根据权利要求3所述的基于数据同化的船舶油耗预测方法，其特征是S6中，数据同化计算公式为EnKF数据同化计算公式，具体为公式(3)、公式(4)和公式(5)，数据同化第三方库为数据同化第三方库“dafi”代码；
5.根据权利要求4所述的基于数据同化的船舶油耗预测方法，其特征是针对权利要求3所述传统油耗模型公式，其中不确定参数包括j、Paux及Cw，由这三者组成状态向量x，生成所述状态向量正态分布的样本，再通过增益矩阵K、样本与真实油耗之间的误差(y-z)，使不确定参数向量x不断向真实参数取值逼近。
6.根据权利要求
7.根据权利要求4所述的基于数据同化的船舶油耗预测方法，其特征在于所述案例船上述传统油耗模型涉及其中6种数据类型，分别是：右舷吃水、燃油密度、燃油体积流量、对地速度、风速和风向。
...【技术特征摘要】
1.一种基于数据同化的船舶油耗预测方法，其特征是包括下列步骤：
2.根据权利要求1所述的基于数据同化的船舶油耗预测方法，其特征是步骤s1中多参数包括：船体参数包括船长、船宽，航速参数包括设计航速，多参数还包括静水阻力系数、波浪阻力系数、螺旋桨推进效率、湿面积、辅机功率、燃油消耗率、油耗量。
3.根据权利要求1或2所述的基于数据同化的船舶油耗预测方法，其特征是步骤s1中传统油耗模型公式为公式(1)和公式(2)，
4.根据权利要求3所述的基于数据同化的船舶油耗预测方法，其特征是s6中，数据同化计算公式为enkf数据同化计算公式，具体为公式(3)、公式(4)和公式(5)，数据同化第三方库为数据同化第三方库“dafi”代码；
5.根据权利要求4所述的基于数据同化的船舶油耗预测...
【专利技术属性】
技术研发人员：阎丽文，李靖，
申请(专利权)人：上海船舶运输科学研究所有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。