CN112307688A - 一种电力推进船舶能效监控管理优化系统和方法 - Google Patents
一种电力推进船舶能效监控管理优化系统和方法 Download PDFInfo
- Publication number
- CN112307688A CN112307688A CN202011184941.7A CN202011184941A CN112307688A CN 112307688 A CN112307688 A CN 112307688A CN 202011184941 A CN202011184941 A CN 202011184941A CN 112307688 A CN112307688 A CN 112307688A
- Authority
- CN
- China
- Prior art keywords
- ship
- monitoring
- optimization
- data
- energy efficiency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
Abstract
本发明提供了一种电力推进船舶能效监控管理优化系统和方法,包括电力推进主机配电监测采集方案,建立主机阀值分析模型,采用数据挖掘和主成分分析的航速优化辅助决策,和结合目标船舶船模数值拖曳水池计算和CFD计算进行差值计算实现纵倾优化辅助决策,使能效监控和管理功能更适用于电力推进船舶,提高了电力推进船舶的能效监控的准确性和管理的有效性,同时提高了纵倾优化辅助决策的准确性。本发明通过智能监控管理电力推进船舶的能耗、提供航行辅助决策,达到了节能减排的效果;基于船舶试验及船机桨匹配关系进行航速优化,建立了主机功率与航速的最优匹配关系;基于船舶数值水池数据计算得到基础数据进行纵倾优化,提升了优化的准确性。
Description
技术领域
本发明属于智能船舶系统技术领域,具体涉及一种电力推进船舶能效监控管理优化系统和方法。
背景技术
电力推进是指船舶通过发电机组发电,然后再通过发动机带动螺旋桨的一种船舶推进方式。电力推进系统由发电机组、推进变压器、推进电动机、配电板、轴系、螺旋桨和监控系统组成。
船舶能效管理系统具有能效管理、能源管理、能耗设备工况监测、航行状态信息监测、航态分析、SEEMP(船舶能效管理计划)、报表管理等功能模块。通过采集船舶硬件设备输出数据,包括主辅机常规运行参数数据,记录轴功率、风速仪、水平仪、GPS、计程仪、测深仪等设备输出的航行数据,并与岸基进行数据同步,实现船舶能耗设备工况、航行数据和能效数据的船、岸在线监控和分析功能。
现有的船舶能效管理系统主要针对柴油推进船舶,以提高船舶整体运行效能为目的,寻找最佳节油方案,并进一步降低船舶的营运成本,这种船舶能效管理系统用燃油消耗的确切数据来证明船舶整体运行能效的提高;同时实现减少船舶温室气体排放目的。但目前船舶能效管理系统缺乏针对电力推进船舶的能耗监管和智能辅助决策方案,电力推进器作为船舶上最大的耗能设备,其驱动原理与柴油推进机存在很大不同,柴油推进机通过轴功率仪测量推进电机的输出轴、中间轴、螺旋桨轴或特殊的联轴节在扭矩作用下的变形,得到推进器的输出功率。而电力推进器可通过电信号进行电能的获取,此外二者的功率及航速优化也存在很大不同,电力推进船舶的航速与能耗的关系非常紧密,而目前以船舶油耗和废气的排放量作为能耗指标与航速的关系非常复杂,难以进行航速的准确实时优化。另一方面,在目前船舶能效管理系统提供纵倾优化时缺乏智能性,对目标船舶在不同吃水情况下的纵倾对航速、能耗的影响缺乏数据支持,导致优化结果缺乏实用性和目标性。
发明内容
本发明要解决的技术问题是:提供一种电力推进船舶能效监控管理优化系统和方法,用于提高电力推进船舶的能效监控的准确性和管理的有效性,同时提高纵倾优化辅助决策的准确性。
本发明为解决上述技术问题所采取的技术方案为:一种电力推进船舶能效监控管理优化系统,包括监控装置、决策装置和服务器;监控装置用于监控船舶的电耗参数和状态并上传给服务器;决策装置用于根据服务器存储的数据进行数据分析和评估,实现电力推进航速优化和纵倾优化;监控装置包括监控设备、配电检测系统、船舶状态传感器和信号采集单元,监控设备、配电检测系统和船载传感器的信号输出端分别连接信号采集单元的信号输入端;监控设备用于对变频器和推进电机的电参量进行实时监控;配电检测系统用于统计船舶的推进器及全船高耗能设备的电耗参数;船舶状态传感器用于采集船舶的状态参数;信号采集单元用于处理监控设备、配电检测系统和船载传感器采集的参数并上传给服务器;监控设备包括监控主机、车钟手柄、驾驶台、集控台和变频器控制面板;监控主机用于通过现场总线网络对推进电机进行驾驶台控制;车钟手柄用于通过变频器对推进电机进行集控台控制;变频器控制面板用于对推进电机进行机旁控制;监控主机包括功率管理模块和变频调速模块;功率管理模块包括功率管理单元,用于处理电参量并接收驾控台的控制指令;变频调速模块包括变频器,用于控制推进电机、负载电机的启动、停止、转速、转矩,并监测电机的电压、电流、功率和电磁转矩;配电检测系统包括按信号流向依次连接的电参数传感器、电量参数采集设备和终端处理器,电量参数采集设备和终端处理器挂接在总线上;电参数传感器用于采集包括开关量、电流、电压的信号;电量参数采集设备用于接收、处理电参数传感器采集的信号并发送给终端处理器;终端处理器用于定时读取、显示、处理、存储数据,并在数据超出预设范围时报警;决策装置包括评估决策模块、智能评估模块、辅助决策模块、数据分析模块、评估模块、航速优化模块、纵倾优化模块;航速优化模块和纵倾优化模块的输出端分别连接辅助决策模块的输入端;数据分析模块和评估模块的输出端分别连接智能评估模块的输入端;辅助决策模块和智能评估模块的输出端分别连接评估决策模块的输入端;航速优化模块用于通过数据挖掘技术获取船舶电力推进主机的历史电耗与降速、航速、航向、风浪流参数之间的关系,通过数据挖掘和主成分分析确定电力推进能耗的主成分,建立电耗神经网络,实时计算并预估主机电耗和最优航速;纵倾优化模块用于计算不同浮态下满足工程精度要求的静水航行阻力、结合模拟数据计算不同吃水和航速下的主机功率曲线建立3D模型,并应用计算流体动力学计算不同吃水和航速下的纵倾曲线,通过插值求解计算最优的纵倾状态。
按上述方案,船舶状态传感器包括吃水仪、测深仪、风速风向仪、计程仪、GPS设备、倾斜仪、流量计、压力表、温度仪和轴功率仪;流量计、压力表和温度仪布置在包括柴油发电机和副机的耗能设备的油料进出口,轴功率仪布置在主机轴。
按上述方案,监控设备包括发电机耗能参数监控设备和副机耗能参数监控设备。
按上述方案,电参数传感器包括LT208-S7型霍尔电流传感器、LT308-S6型霍尔电流传感器、HAX1000-S型霍尔电流传感器和开关量采集卡。
按上述方案,电量参数采集设备包括CAN模块iCAN-4055、DSP处理板、电压互感器LV25-400、电源模块、电源滤波器,电源滤波器包括220V单相交流滤波器、220V直流滤波器、380V三相交流滤波器。
一种电力推进船舶能效监控管理优化方法,包括以下步骤:
S1:搭建包括监控装置、决策装置和服务器的电力推进船舶能效监控管理优化系统;
S2:监控装置统计数据船舶的状态数据和电耗参数并上传服务器;
S3:决策装置从服务器获取数据,根据船舶的状态数据计算所需能效指标,以电力功率的方式对船舶能效水平进行实时的电力推进能效评估,并将评估和决策结果上传服务器;
S4:监控装置从服务器获取评估和决策结果,设定能效及能耗指标限定值,当船舶能效及能耗指标的实时值超过限定值时,监控装置报警。
进一步的,所述的步骤S3中,具体步骤为:
S31:在大量统计数据的基础上,利用多元高斯分布理论建立阈值分析模型,分析能效指标、能量的能效分级曲线和能效阈值,并作为基准数据;
S32:比较分析船舶当前能效指标与历史运营数据或同工况下最优值,综合评估船舶的能效水平并根据分析结果进行航速优化辅助决策和纵倾优化辅助决策,具体步骤为:
S321:评估电力推进主机的能效状态,进行航速优化辅助决策:以船舶运行记录作为样本,通过数据挖掘技术获取船舶电力推进主机的历史电耗与降速、航速、航向、风浪流参数之间的关系;通过数据挖掘和主成分分析确定电力推进能耗的主成分,简化输入参数;建立电耗神经网络,构建船舶航行状态识别模型和主机能耗模型;将处理后的实时运行数据输入船舶航行状态识别模型,识别主机的不同运行数据对应的航行状态;选取正常航行状态数据,采用主成分分析法对数据进行预处理,降低后续计算的复杂度,加快神经网络的收敛速度并减小误差;将处理后的航行状态数据输入主机能耗模型,得到主机的包括功率、转速、能耗的理论值;实时对比主机的实际能耗值与理论能耗值得到能耗残差值,评估发电机当前的运行状态是否正常;预估主机的电耗和最优航速;
S322:纵倾优化辅助决策:建立目标船船模的数值拖曳水池;通过模拟数据计算不同吃水和航速下的主机功率曲线;应用计算流体动力学计算得出不同吃水和航速下的纵倾曲线;通过插值求解,计算最优的纵倾状态。
进一步的,所述的步骤S31中,建立阈值分析模型的具体步骤为:
S311:运用高斯判别分析建立不同标签下样本的多元高斯分布模型;
S312:基于统计学习理论建立多元高斯分布模型的联合对数似然性函数,并求解包括各特征维度的均值向量、协方差矩阵、各标签概率的函数模型参数的极大似然估计,得到多元高斯分布模型的参数;
S313:为了通过样本验证多元高斯模型分布的准确性,采用留-K重交叉验证理论,将每种干扰方式下的样本平均分为K份,以K-1份样本为训练集用于执行监督学习操作,得到该种干扰方式下的多元高斯分布模型,以1份样本为测试集用于模型准确性的测试。
进一步的,所述的步骤S321中,简化输入参数的具体步骤为:精炼模型输入的特征以减少主成分分析中的干扰成分,采用前向选择算法剔除掉备选特征中对提升模型精度没有帮助的特征,保留对能耗模型存在影响的特征参数;通过贝叶斯学派的最大化后验概率建立模型的参数估计目标,调整有效特征的权重,降低VC维,解决样本数相对特征数不足所引起的过拟合问题。
进一步的,所述的步骤S322中,具体步骤为:在进行纵倾优化时,建立目标船船模的数值拖曳水池,基于开源计算流体动力学软件平台OpenFOAM,采用求解RANS方程的方法进行包括斜航、回转、横荡、首摇的数值模拟平面运动机构试验,则流体动力学控制方程如下:
其中,根据Boussinesq假设有:
而其中的涡粘系数νt采用成熟的且被广泛使用的二方程湍流模型来近似,控制方程为:
本发明的有益效果为:
1.本发明的一种电力推进船舶能效监控管理优化系统和方法,基于配电监测系统进行主机能效数据的处理和利用分析,基于历史数据进行数据挖掘和主成分分析,相比于轴功率仪的方式,使能效监控和管理功能更适用于电力推进船舶,提高了电力推进船舶的能效监控的准确性和管理的有效性,同时提高了纵倾优化辅助决策的准确性。
2.本发明通过智能监控管理电力推进船舶的能耗、提供航行辅助决策,达到了节能减排的效果。
3.本发明基于船舶试验及船机桨匹配关系进行航速优化,建立了主机功率与航速的最优匹配关系。
4.本发明基于船舶数值水池数据计算得到基础数据进行纵倾优化,提升了优化的准确性。
附图说明
图1是本发明实施例的功能框图。
图2是本发明实施例的配电检测系统的功能框图。
图3是本发明实施例的电量参数采集设备的原理图。
图4是本发明实施例的三组2维特征样本MND(多元高斯分布)综合概率分布实例对比图。
图5是本发明实施例的计算区域和边界条件图。
图中:双线为入口;单线为出口。
图6是本发明实施例的计算网格示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见图1,本发明实施例的一种电力推进船舶能效监控管理优化系统包括电力推进综合配电监控系统和智能辅助决策模块;电力推进综合配电监控系统用于根据监控需要,将多套电量参数采集设备采集到的电信号参数汇总到配电检测信息处理器进行集中显示;智能辅助决策模块用于进行电力推进航速优化改进和纵倾优化改进。
航速优化改进通过数据挖掘技术获取船舶电力推进主机历史电耗与降速、航速、航向、风浪流参数之间的关系,通过后台实时计算得到最优主机转速,并在自动驾驶模式时将指令提供给电力推进主机。
纵倾优化改进通过Fluent软件计算不同浮态下满足工程精度要求的静水航行阻力,结合模拟数据计算出不同吃水和航速下的主机功率曲线,使用相关计算机软件建立3D模型并应用CFD(计算流体动力学)计算得出不同吃水和航速下的纵倾曲线;并通过插值求解,计算最优的纵倾状态。
参见图1,在船舶已有的吃水测量设备、测深仪、风速仪、GPS设备、计程仪、倾斜仪等设备进行数据采集,通过TCP/IP通信协议以及数据接口将已有的设备信号抽取出来传输给信号采集单元模块;在柴油发电机、副机等耗能设备的油料进出口布置流量计、压力表、温度仪等参数检测设备,在主机轴布置轴功率仪设备,同时通过配电检测系统统计推进器及全船主要耗能设备的电耗参数,将设备参数通过电缆传输到信号采集模块单元,软件系统获取所有数据后,进行数据分析和评估,实现航速优化、纵倾优化等功能。
电力推进综合配电监控系统重点监控电力推进器的开关量、电流、电压信号参数:电力推进系统对变频器和推进电机产生的快速变化电参量进行实时监控,推进电机由驾驶台、集控台和机旁控制,驾驶台控制和集控台控制的指令源分别为监控主机和车钟手柄,并且都是通过现场总线网络和变频器实现对推进电机的控制。机旁控制则直接由变频器控制面板实现对推进电机控制功率管理系统以功率管理单元为控制核心,监控系统通过采集电站的关键参数送监控主机处理显示,接受来自驾控台的远程控制指令。变频调速系统以变频器为控制核心,监控系统通过与变频器的通信实现对推进电机、负载电机的启动、停止、转速、转矩控制,对电机电压、电流、功率及电磁转矩的监测。根据监控需要,多套电量参数采集设备将采集到的开关量、电流、电压信号汇总到配电检测终端信息处理器进行集中显示,每套电量参数采集设备由数个LT208-S7型霍尔电流传感器、数个LT308-S6型霍尔电流传感器、数个HAX1000-S型霍尔电流传感器组成。对于推进电动机的配电数据采用配电监控系统进行采集,配电检测系统连接关系如图2所示。
配电监控系统通过CAN(控制器局域网络)组成通讯系统。每个电量参数采集设备负责检测一个主配电板中的若干个配电支路上的电量参数,同时通过开关量采集卡实时监测配电支路的关断情况。
采集到的电量参数通过电量参数采集设备内的DSP(数字信号处理)数据采集处理卡进行处理后通过CAN接口上传到CAN网络。配电监测终端信息处理器在监控软件的控制下,负责定时从CAN网络读取数据并进行显示、处理、存储和报警等。电量参数采集设备负责检测一个主配电板中多配电支路上的电量参数,同时通过开关量采集卡实时监测配电支路的关断情况。采集到的电量参数通过电量参数采集设备内的DSP数据采集处理卡进行处理后通过CAN接口上传到CAN网络。电量参数采集设备内部主要由2块iCAN-4055、2块DSP数据采集处理卡、2个LV25-400电压互感器、1个电源模块、3个电源滤波器(1个220V单相交流滤波器、1个220V直流滤波器、1个380V三相交流滤波器)组成。电量参数采集设备的组成原理如附图3所示。
配电监控系统在统计数据的基础上,采用多元高斯分布理论建立主机阈值分析数学模型。
电力推进能效评估根据监测数据计算所需能效指标,直接以电力功率的方式对船舶能效水平进行实时评估。系统在大量统计数据的基础上,利用多元高斯分布理论建立阈值分析模型,分析得出各能效指标、能量的能效分级曲线和能效阈值,并作为理论基准数据。将船舶当前能效指标与历史运营数据或同工况下最优值比较分析,对船舶能效水平进行综合评估。并根据分析结果,为辅助决策提供决策依据。系统还需设定能效及能耗指标限定值,当船舶能效及能耗指标实时值超过设定限值时,系统进行报警。
考虑到配电检测数据样本特征空间的连续性以及各维聚类的特性,运用高斯判别分析(GDA,Gaussian Discriminant Analysis),建立不同标签下样本的多元高斯分布(MND,Multivariate Normal Distribution)模型。采用该模型的优势是所得到的样本空间中各分类标签的综合概率分布为非线性;同时模型中存在协方差矩阵,可以有效的反映特征之间的非独立性。之后基于统计学习理论,建立MND模型的联合对数似然性函数,并求解函数模型参数(各特征维度的均值向量、协方差矩阵、各标签概率)的极大似然估计,以得到MND模型的参数。
为了通过样本验证多元高斯模型分布的准确性,采用留-K重交叉验证理论,将每种干扰方式下的样本平均分为K份,以K-1份样本为训练集,用于执行监督学习操作,得到该种干扰方式下的MND模型,以1份样本为测试集,用于模型准确性的测试,具体案例图如图4所示。
航速优化辅助决策通过采集电力推进主机历史电耗与降速、航速、航向、风浪流参数之间的关系,经过数据挖掘和主成分分析,确定电力推进能耗主成分,并以此建立电耗神经网络,实时计算预估主机电耗和最优航速。
推进主机是电力推进船舶上最大的耗能设备,对电力推进主机的能效状态进行评估的具体流程是,以船舶运行记录作为样本,构建船舶航行状态识别模型和主机能耗模型。在构建能耗模型时,利用主成分分析法对模型输入参数进行简化,从而降低数据噪声和网络复杂性。将处理后的实时运行数据输入到基于神经网络构建的主机航行状态识别模型中,运用该模型识别出主机不同运行数据对应的航行状态;之后,选取正常航行状态数据,采用主成分分析法对数据进行预处理,以降低后续计算的复杂度,加快神经网络的收敛速度并减小误差;之后,将处理后的航行状态数据输入到基于神经网络构建的电力推进主机能耗模型中,得出主机的功率、转速、能耗等理论值。最后,将主机在实际运行中的实际能耗值与理论能耗值进行实时对比,得到能耗残差值,即可评估发电机当前的运行状态是否正常。
为减少主成分分析中的干扰成分,首先对模型输入的特征进行精炼,对备选特征采用前向选择算法剔除掉对模型的精度提升没有帮助的特征,由此所保留都是对能耗模型存在影响的特征参数;在此基础上,结合贝叶斯统计正则化理论,以贝叶斯学派的最大化后验概率(MAP,Maximum a Posteriori)为后续建立模型的参数估计目标,使保留的有效特征调整适宜的权重,以保障各特征维度对匹配贡献适当的力量,从而降低VC维(Vapnik-Chervonenkis Dimension),解决样本数相对特征数不足所引起的过拟合问题。
在进行航速优化时,目前常用的为船舶能效运营指数,船舶油耗和废气的排放量等指标,这些指标不适用于电力推进船舶,同时这些指标与航速的关系非常复杂,难以进行航速优化。本发明建立电力推进船舶船机桨匹配模型,由阻力试验得到的不同工作航速下的航速与有效功率关系,通过自航试验和敞水试验得到船舶与螺旋桨的匹配参数,建立推进主机在不同转速时有效功率与阻力功率的匹配曲线,拟合得到主机所需功率与速度之间的三次方函数关系,在实际航行时,根据配电检测系统得到的实际主机功率值进行最优航速的反向求解。
纵倾优化辅助决策通过建立目标船船模的数值拖曳水池,通过大量的模拟数据计算出不同吃水和航速下的主机功率曲线,应用CFD计算得出不同吃水和航速下的纵倾曲线。通过插值求解,计算最优的纵倾状态。计算区域和边界条件如图5所示。
在进行纵倾优化时,建立目标船船模的数值拖曳水池,基于开源CFD软件平台OpenFOAM,采用求解RANS方程的方法,数值模拟平面运动机构(PMM)试验,包括斜航、回转、横荡、首摇等,计算网格示意图如图6所示。流体动力学控制方程如下:
其中,根据Boussinesq假设有:
而其中的涡粘系数νt采用成熟的且被广泛使用的二方程湍流模型来近似,其控制方程为:
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (10)
1.一种电力推进船舶能效监控管理优化系统,其特征在于:包括监控装置、决策装置和服务器;监控装置用于监控船舶的电耗参数和状态并上传给服务器;决策装置用于根据服务器存储的数据进行数据分析和评估,实现电力推进航速优化和纵倾优化;
监控装置包括监控设备、配电检测系统、船舶状态传感器和信号采集单元,监控设备、配电检测系统和船载传感器的信号输出端分别连接信号采集单元的信号输入端;监控设备用于对变频器和推进电机的电参量进行实时监控;配电检测系统用于统计船舶的推进器及全船高耗能设备的电耗参数;船舶状态传感器用于采集船舶的状态参数;信号采集单元用于处理监控设备、配电检测系统和船载传感器采集的参数并上传给服务器;
监控设备包括监控主机、车钟手柄、驾驶台、集控台和变频器控制面板;监控主机用于通过现场总线网络对推进电机进行驾驶台控制;车钟手柄用于通过变频器对推进电机进行集控台控制;变频器控制面板用于对推进电机进行机旁控制;
监控主机包括功率管理模块和变频调速模块;功率管理模块包括功率管理单元,用于处理电参量并接收驾控台的控制指令;变频调速模块包括变频器,用于控制推进电机、负载电机的启动、停止、转速、转矩,并监测电机的电压、电流、功率和电磁转矩;
配电检测系统包括按信号流向依次连接的电参数传感器、电量参数采集设备和终端处理器,电量参数采集设备和终端处理器挂接在总线上;电参数传感器用于采集包括开关量、电流、电压的信号;电量参数采集设备用于接收、处理电参数传感器采集的信号并发送给终端处理器;终端处理器用于定时读取、显示、处理、存储数据,并在数据超出预设范围时报警;
决策装置包括评估决策模块、智能评估模块、辅助决策模块、数据分析模块、评估模块、航速优化模块、纵倾优化模块;
航速优化模块和纵倾优化模块的输出端分别连接辅助决策模块的输入端;
数据分析模块和评估模块的输出端分别连接智能评估模块的输入端;
辅助决策模块和智能评估模块的输出端分别连接评估决策模块的输入端;
航速优化模块用于通过数据挖掘技术获取船舶电力推进主机的历史电耗与降速、航速、航向、风浪流参数之间的关系,通过数据挖掘和主成分分析确定电力推进能耗的主成分,建立电耗神经网络,实时计算并预估主机电耗和最优航速;
纵倾优化模块用于计算不同浮态下满足工程精度要求的静水航行阻力、结合模拟数据计算不同吃水和航速下的主机功率曲线建立3D模型,并应用计算流体动力学计算不同吃水和航速下的纵倾曲线,通过插值求解计算最优的纵倾状态。
2.根据权利要求1所述的一种电力推进船舶能效监控管理优化系统,其特征在于:船舶状态传感器包括吃水仪、测深仪、风速风向仪、计程仪、GPS设备、倾斜仪、流量计、压力表、温度仪和轴功率仪;流量计、压力表和温度仪布置在包括柴油发电机和副机的耗能设备的油料进出口,轴功率仪布置在主机轴。
3.根据权利要求1所述的一种电力推进船舶能效监控管理优化系统,其特征在于:监控设备包括发电机耗能参数监控设备和副机耗能参数监控设备。
4.根据权利要求1所述的一种电力推进船舶能效监控管理优化系统,其特征在于:电参数传感器包括LT208-S7型霍尔电流传感器、LT308-S6型霍尔电流传感器、HAX1000-S型霍尔电流传感器和开关量采集卡。
5.根据权利要求1所述的一种电力推进船舶能效监控管理优化系统,其特征在于:电量参数采集设备包括CAN模块iCAN-4055、DSP处理板、电压互感器LV25-400、电源模块、电源滤波器,电源滤波器包括220V单相交流滤波器、220V直流滤波器、380V三相交流滤波器。
6.基于权利要求1至5中任意一项所述的一种电力推进船舶能效监控管理优化系统的优化方法,其特征在于:包括以下步骤:
S1:搭建包括监控装置、决策装置和服务器的电力推进船舶能效监控管理优化系统;
S2:监控装置统计数据船舶的状态数据和电耗参数并上传服务器;
S3:决策装置从服务器获取数据,根据船舶的状态数据计算所需能效指标,以电力功率的方式对船舶能效水平进行实时的电力推进能效评估,并将评估和决策结果上传服务器;
S4:监控装置从服务器获取评估和决策结果,设定能效及能耗指标限定值,当船舶能效及能耗指标的实时值超过限定值时,监控装置报警。
7.根据权利要求6所述的优化方法,其特征在于:所述的步骤S3中,具体步骤为:
S31:在大量统计数据的基础上,利用多元高斯分布理论建立阈值分析模型,分析能效指标、能量的能效分级曲线和能效阈值,并作为基准数据;
S32:比较分析船舶当前能效指标与历史运营数据或同工况下最优值,综合评估船舶的能效水平并根据分析结果进行航速优化辅助决策和纵倾优化辅助决策,具体步骤为:
S321:评估电力推进主机的能效状态,进行航速优化辅助决策:以船舶运行记录作为样本,通过数据挖掘技术获取船舶电力推进主机的历史电耗与降速、航速、航向、风浪流参数之间的关系;通过数据挖掘和主成分分析确定电力推进能耗的主成分,简化输入参数;建立电耗神经网络,构建船舶航行状态识别模型和主机能耗模型;将处理后的实时运行数据输入船舶航行状态识别模型,识别主机的不同运行数据对应的航行状态;选取正常航行状态数据,采用主成分分析法对数据进行预处理,降低后续计算的复杂度,加快神经网络的收敛速度并减小误差;将处理后的航行状态数据输入主机能耗模型,得到主机的包括功率、转速、能耗的理论值;实时对比主机的实际能耗值与理论能耗值得到能耗残差值,评估发电机当前的运行状态是否正常;预估主机的电耗和最优航速;
S322:纵倾优化辅助决策:建立目标船船模的数值拖曳水池;通过模拟数据计算不同吃水和航速下的主机功率曲线;应用计算流体动力学计算得出不同吃水和航速下的纵倾曲线;通过插值求解,计算最优的纵倾状态。
8.根据权利要求7所述的优化方法,其特征在于:所述的步骤S31中,建立阈值分析模型的具体步骤为:
S311:运用高斯判别分析建立不同标签下样本的多元高斯分布模型;
S312:基于统计学习理论建立多元高斯分布模型的联合对数似然性函数,并求解包括各特征维度的均值向量、协方差矩阵、各标签概率的函数模型参数的极大似然估计,得到多元高斯分布模型的参数;
S313:为了通过样本验证多元高斯模型分布的准确性,采用留-K重交叉验证理论,将每种干扰方式下的样本平均分为K份,以K-1份样本为训练集用于执行监督学习操作,得到该种干扰方式下的多元高斯分布模型,以1份样本为测试集用于模型准确性的测试。
9.根据权利要求7所述的优化方法,其特征在于:所述的步骤S321中,简化输入参数的具体步骤为:精炼模型输入的特征以减少主成分分析中的干扰成分,采用前向选择算法剔除掉备选特征中对提升模型精度没有帮助的特征,保留对能耗模型存在影响的特征参数;通过贝叶斯学派的最大化后验概率建立模型的参数估计目标,调整有效特征的权重,降低VC维,解决样本数相对特征数不足所引起的过拟合问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011184941.7A CN112307688B (zh) | 2020-10-29 | 2020-10-29 | 一种电力推进船舶能效监控管理优化系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011184941.7A CN112307688B (zh) | 2020-10-29 | 2020-10-29 | 一种电力推进船舶能效监控管理优化系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112307688A true CN112307688A (zh) | 2021-02-02 |
CN112307688B CN112307688B (zh) | 2021-07-13 |
Family
ID=74332231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011184941.7A Active CN112307688B (zh) | 2020-10-29 | 2020-10-29 | 一种电力推进船舶能效监控管理优化系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307688B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033073A (zh) * | 2021-02-22 | 2021-06-25 | 大连海事大学 | 一种基于数据驱动的无人船能效数字孪生方法及系统 |
CN113460280A (zh) * | 2021-07-21 | 2021-10-01 | 上海外高桥造船有限公司 | 一种用于fpso的推进器及其控制系统、fpso |
CN113815811A (zh) * | 2021-09-28 | 2021-12-21 | 中国舰船研究设计中心 | 敞水数据不完整情况下调距桨舰船特殊工况航速预报方法 |
CN113967529A (zh) * | 2021-10-21 | 2022-01-25 | 万洲电气股份有限公司 | 一种基于辊压机能效分析模块的智能优化节能系统 |
CN115027634A (zh) * | 2022-06-24 | 2022-09-09 | 中海油田服务股份有限公司 | 一种动力守护供应船故障预警方法和系统 |
CN115169434A (zh) * | 2022-06-14 | 2022-10-11 | 上海船舶运输科学研究所有限公司 | 基于k均值聚类算法的主机工况特征值提取方法及系统 |
CN115195971A (zh) * | 2022-07-15 | 2022-10-18 | 中国船舶重工集团公司第七一一研究所 | 船舶能效管理系统、方法及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105644735A (zh) * | 2016-03-25 | 2016-06-08 | 中国船舶工业系统工程研究院 | 一种面向散货轮的能效管理数据采集与分析装置 |
KR20170009336A (ko) * | 2015-07-16 | 2017-01-25 | 대우조선해양 주식회사 | 선박 에너지 효율 최적화 시스템 및 방법 |
CN107235113A (zh) * | 2017-05-25 | 2017-10-10 | 哈尔滨工程大学 | 一种高速船消波减阻及航态优化装置 |
CN107563576A (zh) * | 2017-10-14 | 2018-01-09 | 连云港杰瑞深软科技有限公司 | 一种船舶智能能效管理系统 |
CN109245313A (zh) * | 2018-11-27 | 2019-01-18 | 中国舰船研究设计中心 | 一种船舶能量管理与监控系统及方法 |
CN109359776A (zh) * | 2018-10-26 | 2019-02-19 | 中国船舶科学研究中心(中国船舶重工集团公司第七0二研究所) | 一种船舶能效监测管理系统 |
CN109683472A (zh) * | 2018-08-30 | 2019-04-26 | 上海海事大学 | 一种基于模型预测控制的船舶电力推进系统推力分配方法 |
CN110737986A (zh) * | 2019-10-15 | 2020-01-31 | 大连海事大学 | 一种无人船能效智能优化仿真系统及方法 |
CN111532397A (zh) * | 2020-04-20 | 2020-08-14 | 中国舰船研究设计中心 | 一种船舶用能量管理监测装置 |
-
2020
- 2020-10-29 CN CN202011184941.7A patent/CN112307688B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170009336A (ko) * | 2015-07-16 | 2017-01-25 | 대우조선해양 주식회사 | 선박 에너지 효율 최적화 시스템 및 방법 |
CN105644735A (zh) * | 2016-03-25 | 2016-06-08 | 中国船舶工业系统工程研究院 | 一种面向散货轮的能效管理数据采集与分析装置 |
CN107235113A (zh) * | 2017-05-25 | 2017-10-10 | 哈尔滨工程大学 | 一种高速船消波减阻及航态优化装置 |
CN107563576A (zh) * | 2017-10-14 | 2018-01-09 | 连云港杰瑞深软科技有限公司 | 一种船舶智能能效管理系统 |
CN109683472A (zh) * | 2018-08-30 | 2019-04-26 | 上海海事大学 | 一种基于模型预测控制的船舶电力推进系统推力分配方法 |
CN109359776A (zh) * | 2018-10-26 | 2019-02-19 | 中国船舶科学研究中心(中国船舶重工集团公司第七0二研究所) | 一种船舶能效监测管理系统 |
CN109245313A (zh) * | 2018-11-27 | 2019-01-18 | 中国舰船研究设计中心 | 一种船舶能量管理与监控系统及方法 |
CN110737986A (zh) * | 2019-10-15 | 2020-01-31 | 大连海事大学 | 一种无人船能效智能优化仿真系统及方法 |
CN111532397A (zh) * | 2020-04-20 | 2020-08-14 | 中国舰船研究设计中心 | 一种船舶用能量管理监测装置 |
Non-Patent Citations (1)
Title |
---|
孙建红 等: "大型船舶现场级电力监控网络系统优化研究", 《船电技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033073A (zh) * | 2021-02-22 | 2021-06-25 | 大连海事大学 | 一种基于数据驱动的无人船能效数字孪生方法及系统 |
CN113460280A (zh) * | 2021-07-21 | 2021-10-01 | 上海外高桥造船有限公司 | 一种用于fpso的推进器及其控制系统、fpso |
CN113815811A (zh) * | 2021-09-28 | 2021-12-21 | 中国舰船研究设计中心 | 敞水数据不完整情况下调距桨舰船特殊工况航速预报方法 |
CN113967529A (zh) * | 2021-10-21 | 2022-01-25 | 万洲电气股份有限公司 | 一种基于辊压机能效分析模块的智能优化节能系统 |
CN115169434A (zh) * | 2022-06-14 | 2022-10-11 | 上海船舶运输科学研究所有限公司 | 基于k均值聚类算法的主机工况特征值提取方法及系统 |
CN115169434B (zh) * | 2022-06-14 | 2023-09-19 | 上海船舶运输科学研究所有限公司 | 基于k均值聚类算法的主机工况特征值提取方法及系统 |
CN115027634A (zh) * | 2022-06-24 | 2022-09-09 | 中海油田服务股份有限公司 | 一种动力守护供应船故障预警方法和系统 |
CN115195971A (zh) * | 2022-07-15 | 2022-10-18 | 中国船舶重工集团公司第七一一研究所 | 船舶能效管理系统、方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112307688B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112307688B (zh) | 一种电力推进船舶能效监控管理优化系统和方法 | |
CN110110943B (zh) | 一种基于大数据的船队能效综合智能优化管理系统和优化方法 | |
CN110737986B (zh) | 一种无人船能效智能优化仿真系统及方法 | |
CN111552299B (zh) | 一种风翼助航船舶能效智能优化管理系统与优化方法 | |
CN107944648A (zh) | 一种大型船舶航速油耗率精准预测方法 | |
CN109657880A (zh) | 一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统 | |
Ellefsen et al. | Online fault detection in autonomous ferries: Using fault-type independent spectral anomaly detection | |
CN111273125A (zh) | 基于rst-cnn的电力电缆沟道故障诊断方法 | |
CN111190349A (zh) | 船舶机舱设备状态监测及故障诊断方法、系统及介质 | |
CN115659263B (zh) | 一种基于大数据的船舶操控行为风险评估系统及评估方法 | |
CN104634265A (zh) | 一种基于多元图像特征融合的矿物浮选泡沫层厚度软测量方法 | |
CN111412959A (zh) | 流量在线监测计算方法、监测仪以及监测系统 | |
Zeng et al. | A novel big data collection system for ship energy efficiency monitoring and analysis based on BeiDou system | |
CN113361014B (zh) | 一种船舶的智能能效管理方法 | |
Wang et al. | Energy Management Strategy for Diesel–Electric Hybrid Ship Considering Sailing Route Division Based on DDPG | |
CN113902327A (zh) | 一种海上风电场基础结构腐蚀健康状态的评估方法及系统 | |
CN107559212B (zh) | 一种火电机组定速循环水泵组泵效率在线监测方法及系统 | |
CN114115199A (zh) | 新能源环卫车辆的监测及故障诊断系统 | |
CN105550495A (zh) | 一种船舶航行增阻等级的评估方法 | |
CN108304654B (zh) | 基于潮流变化的污水深海优化排放方法 | |
CN110837932A (zh) | 基于dbn-ga模型的太阳能集热系统热功率预测方法 | |
Gao et al. | Energy consumption optimization of inland sea ships based on operation data and ensemble learning | |
Wang et al. | Research on Fixed Route Speed Optimization Based on Deep Neural Network and Genetic Algorithm | |
CN115392693B (zh) | 一种基于物联网的水资源调度预警装置及方法 | |
Liu et al. | A Speed Prediction Method of Electric Propulsion Ship Based on GA-Elman Neural Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |