CN113361014B - 一种船舶的智能能效管理方法 - Google Patents
一种船舶的智能能效管理方法 Download PDFInfo
- Publication number
- CN113361014B CN113361014B CN202110721638.4A CN202110721638A CN113361014B CN 113361014 B CN113361014 B CN 113361014B CN 202110721638 A CN202110721638 A CN 202110721638A CN 113361014 B CN113361014 B CN 113361014B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy efficiency
- ship
- fuel
- data
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 41
- 239000000446 fuel Substances 0.000 claims abstract description 42
- 238000005265 energy consumption Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000835 fiber Substances 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000010223 real-time analysis Methods 0.000 claims description 5
- 239000002826 coolant Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 claims description 2
- 239000005431 greenhouse gas Substances 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000003032 molecular docking Methods 0.000 claims description 2
- 238000013439 planning Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims description 2
- 238000012552 review Methods 0.000 claims description 2
- 239000002912 waste gas Substances 0.000 claims description 2
- 239000002918 waste heat Substances 0.000 claims description 2
- 239000000463 material Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种船舶的智能能效管理方法,通过智能集成平台获取机舱检测报警系统、流量计以及通导设备的数据,进行分析处理,提供能效管理设备检测及能效优化辅助决策。本发明通过船舶主要设备能耗分布计算,实现了船舶的机舱设备能耗分布实时计算及趋势显示,并且可以对能耗分布异常的情况进行警告提示。进行能效运营指数计算时可以实现对燃油单耗及EEOI等能效指标实时计算显示和历史图形显示。通过对主要设备能量利用效率计算,实现对主机、辅机及锅炉能量利用效率实时计算及趋势曲线显示,并且对能量利用效率异常状况示警。本发明可以通过智能集成平台,提供能效管理设备检测及能效优化辅助决策。
Description
技术领域
本发明涉及一种船舶的智能能效管理方法,属于船舶与海洋工程中的船舶的能效管理技术领域。
背景技术
船舶在航行时需要多种能源来提供动力,所以能效管理也逐渐被人们重视起来。如何在保证船舶安全稳定的到达指定地点的同时又可以更经济有效,是航运业探讨的越来越多的问题。2015年中国船级社(CCS)发布了《智能船舶规范》并于2019年进行了修订,规范提出了“智能能效管理”要求,获得了业界广泛认可及实施应用,越来越多的航运企业借助智能化手段来提高船舶能效。
当前,船舶智能能效管理方面还存在以下不足:
1、船上传感器采集的大量有关能效、能耗的数据没有进行分析,造成资源的浪费。
2、现有能效管理不能为船员提供辅助决策、帮助船员提高管理效率、减轻船员的负担。
3、现有能效管理没有对能耗分布进行评估、计算能耗指标、对能耗异常的状况进行及时警告。
4、不能实时可视化船舶状态及设备能耗状态,无法为船舶航行及时提供最安全、最经济的航线和航速分布。
发明内容
为了解决现有技术存在的上述不足,本发明要提供一种能够实现以下目的的船舶的智能能效管理方法:
1、通过船舶传感器采集数据,对数据进行处理分析,提供能效管理设备检测及能效优化辅助决策;
2、实时可视化显示船舶状态及主要设备能耗状态,以便对其进行检测;
3、实时分析能耗与智能评估关键设备能效状态,便于船员进行能效管理;
4、通过综合分析与评估,及时为船员提供辅助管理决策。
为了实现上述目的,本发明采用的技术方案如下:一种船舶的智能能效管理方法,通过智能集成平台获取机舱检测报警系统、流量计以及通导设备的数据,进行分析处理,提供能效管理设备检测及能效优化辅助决策,具体包括以下步骤:
A、船舶数据采集
对船舶状态、航行环境、设备状态和燃油状态进行检测和数据收集;所述船舶状态包括航速、艏向、吃水和纵倾的实时数据和历史数据;所述航行环境包括风速、风向、水温和水深的实时数据和历史数据;所述设备状态包括主机、发电机和锅炉的能耗数据和历史数据;所述状态包括燃油消耗、燃油存量和油品质量的实时数据和历史数据;
B、能耗实时分析与评估
对船舶进行能耗分布评估、能效指标计算、航行能效分析和能效评估;具体计算方法如下:
B1、船舶主要设备能耗分布计算如下:
Qf=Pe+Pm+Qloss+Qic+Qex+Qsr+Qqt
式中:
Qf——单位时间燃料燃烧放出的总热量,kW;
Pe——有效功率,kW;
Pm——机械损失功率,kW;
Qloss——单位时间冷却介质带走的热量,kW;
Qic——单位时间中冷器冷却介质带走的热量,kW;
Qex——单位时间废气带走的热量,kW;
Qsr——单位时间散热量,kW;
Qqt——单位时间内其他热量损失,kW;
所述主要设备包括主机、辅机及锅炉;
B2、能效运营指数计算如下:
一个航次的燃油单耗计算公式为:
式中:j为燃油类型;FCj为在航程中燃油j的消耗量;mcargo为载货量,单位为吨;D为对应于所载货物的距离,单位为海里;
一个航段的能效营运指数EEOI的基本表达式为:
式中:j为燃油类型;FCj为在航程中燃油j的消耗量;CFj为燃油j的燃油量与CO2排放量的转换系数;mcargo为载货量,单位为吨;D为对应于所载货物的距离,单位为海里;
B3、主要设备能量利用效率计算公式如下:
式中:
η——能量利用效率;
Ee——有效利用能量,kJ;
ES——供给能量,kJ;
El——损失能量,kJ;
所述主要设备包括主机、辅机和锅炉;
C、主要设备能效状态评估
C1、数据预处理:通过智能集成平台收集数据,进行数据预处理,得到具有参考意义的船舶状态、航行环境、设备状态和燃油状态;
C2、特征提取:采取两种特征提取方法,即统计特征和时间序列特征;
所述统计特征分为两部分:一部分包括平均值mean、方差variance、平均差分meandifference、众数mode和中位数median;另一部分包括下边缘Min、下四分位数Q1、中位数median、上四分位数Q3和上边缘Max;
所述时间序列特征提取步骤如下:
C21、在进行阶层聚类之前,确定时间序列特征点的个数k,即采用k个特征点表征此帧内数据的特征;
C22、计算相邻时间两个数据点之间的欧式距离;对欧式距离最小的两个点,取这两点的平均值进行合并;
C23、转步骤C22直到得到需要的k个时间序列特征点;在进行时间序列特征提取过程后,得到一系列聚类中心c1,c2,...,ck;这些聚类中心按照时间顺序进行排列,表示帧内数据的时间序列特征;
C3、特征融合:为了同时考虑能耗数据的分布情况和时间序列特性,将统计特征与时间序列特征进行融合,将两个特征向量组合成复向量,对于输入特征x和y,z=x+iy,其中i是虚数单位,z是融合后的特征;
C4、状态分析:将所提取到的融合特征输入到长短期记忆网络LSTM模型中,并使用以下均方根误差RMSE对比预估精度:
当出现误差浮动超过规定值的异常状况时,智能集成平台及时提示报警;
D、节能减排辅助决策
为更加直观的表示船舶的能效状况等级,将燃油单耗和EEOI指数代入如下目标函数:
其中,α和β表示权重系数;j为燃油类型;FCj为在航程中燃油j的消耗量;CFj为燃油类型j的燃油量与CO2排放量的转换系数;mcargo为载货量,单位为吨;D为对应于所载货物的距离,单位为海里;
根据目标函数的大小将船舶的能效状况分为一级、二级、三级和四级;一级表示能量有效利用水平高、能耗最低;二级表示能量有效利用水平较高、比较节能;三级表示处于整体样本的平均水平;四级表示能量有效利用水平较低、能耗较高;
从能量损失和能量有效利用两个方面进行节能减排辅助决策:一级给予“能效状况良好,继续保持”的决策;二级给予“提高主机效率,选择合适航速”的决策;三级给予“提高主机效率,选择合适航速、航线,保持最近纵倾”的决策;四级给予“主机、航速、航线优化,保持最近纵倾,提高船-机-桨匹配度,能量综合梯级利用和加强余热回收”的决策;
E、为船东及船员提供一系列能效管理工具
能效管理工具包括燃料管理、污底管理、装卸货能效管理和报告输出;航行过程中对燃料加装的种类及转换信息进行管理显示;定时提醒船员进行污底检测,保证船体光滑,减小阻力降低能耗;提前规划航线所经排放控制区,提供温室气体排放监测报告,确保符合排放控制区的排放要求;在船舶装卸货时实时监测船舶能效;对接船东公司,提供指定格式的能效管理相应报告供船员审阅并发送船管部门,提供报告至少包括:午时报、燃料航次耗用报告、航次能效评估报告和排放报告。
与现有技术相比,本发明具有以下有益效果:
1、本发明通过船舶主要设备能耗分布计算,实现了船舶的机舱设备能耗分布实时计算及趋势显示,并且可以对能耗分布异常的情况进行警告提示。进行能效运营指数计算时可以实现对燃油单耗及EEOI等能效指标实时计算显示和历史图形显示。通过对主要设备能量利用效率计算,实现对主机、辅机及锅炉能量利用效率实时计算及趋势曲线显示,并且对能量利用效率异常状况示警。
2、本发明可以通过智能集成平台,获取采集的机舱检测报警系统、流量计以及通导设备等数据,进行分析处理,提供能效管理设备检测及能效优化辅助决策。
3、本发明可以实时可视化显示船舶状态及主要设备能耗状态,对于能耗异常的状况能够及时报警,避免不必要的能耗。
4、本发明可以实时分析能耗和智能评估关键设备的能效状态,可以让船员根据实况实时调整航向和航速,给予节能减排辅助决策建议。
5、对于船员而言,本发明可以实时检测船舶状态和能耗状态,提供更安全经济的航行决策建议;对于船公司而言,能耗实时分析与智能评估、关键设备的能效状态评估等可以帮助公司了解能耗主要产生在什么方面,从哪方面入手可以减小能耗;整体而言,本发明有利于安全经济航行的进行,实现利益最大化;有利于降低能耗,减少污染。
附图说明
图1是船舶智能能效管理方法流程图
图2是能耗实时分析与评估流程图
图3是主要设备能效状态评估流程图
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种船舶的智能能效管理方法,通过智能集成平台获取机舱检测报警系统、流量计以及通导设备的数据,进行分析处理,提供能效管理设备检测及能效优化辅助决策,具体包括以下步骤:
A、船舶数据采集
B、按图2所示进行能耗实时分析与评估
C、按图3所示进行主要设备能效状态评估
D、节能减排辅助决策
E、为船东及船员提供一系列能效管理工具
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (1)
1.一种船舶的智能能效管理方法,其特征在于:通过智能集成平台获取机舱检测报警系统、流量计以及通导设备的数据,进行分析处理,提供能效管理设备检测及能效优化辅助决策,具体包括以下步骤:
A、船舶数据采集
对船舶状态、航行环境、设备状态和燃油状态进行检测和数据收集;所述船舶状态包括航速、艏向、吃水和纵倾的实时数据和历史数据;所述航行环境包括风速、风向、水温和水深的实时数据和历史数据;所述设备状态包括主机、发电机和锅炉的能耗数据和历史数据;所述状态包括燃油消耗、燃油存量和油品质量的实时数据和历史数据;
B、能耗实时分析与评估
对船舶进行能耗分布评估、能效指标计算、航行能效分析和能效评估;具体计算方法如下:
B1、船舶主要设备能耗分布计算如下:
Qf=Pe+Pm+Qloss+Qic+Qex+Qsr+Qqt
式中:
Qf——单位时间燃料燃烧放出的总热量,kW;
Pe——有效功率,kW;
Pm——机械损失功率,kW;
Qloss——单位时间冷却介质带走的热量,kW;
Qic——单位时间中冷器冷却介质带走的热量,kW;
Qex——单位时间废气带走的热量,kW;
Qsr——单位时间散热量,kW;
Qqt——单位时间内其他热量损失,kW;
所述主要设备包括主机、辅机及锅炉;
B2、能效运营指数计算如下:
一个航次的燃油单耗计算公式为:
式中:j为燃油类型;FCj为在航程中燃油j的消耗量;mcargo为载货量,单位为吨;D为对应于所载货物的距离,单位为海里;
一个航段的能效营运指数EEOI的基本表达式为:
式中:j为燃油类型;FCj为在航程中燃油j的消耗量;CFj为燃油j的燃油量与CO2排放量的转换系数;mcargo为载货量,单位为吨;D为对应于所载货物的距离,单位为海里;
B3、主要设备能量利用效率计算公式如下:
式中:
η——能量利用效率;
Ee——有效利用能量,kJ;
Es——供给能量,kJ;
El——损失能量,kJ;
所述主要设备包括主机、辅机和锅炉;
C、主要设备能效状态评估
C1、数据预处理:通过智能集成平台收集数据,进行数据预处理,得到具有参考意义的船舶状态、航行环境、设备状态和燃油状态;
C2、特征提取:采取两种特征提取方法,即统计特征和时间序列特征;
所述统计特征分为两部分:一部分包括平均值mean、方差variance、平均差分meandifference、众数mode和中位数median;另一部分包括下边缘Min、下四分位数Q1、中位数median、上四分位数Q3和上边缘Max;
所述时间序列特征提取步骤如下:
C21、在进行阶层聚类之前,确定时间序列特征点的个数k,即采用k个特征点表征此帧内数据的特征;
C22、计算相邻时间两个数据点之间的欧式距离;对欧式距离最小的两个点,取这两点的平均值进行合并;
C23、转步骤C22直到得到需要的k个时间序列特征点;在进行时间序列特征提取过程后,得到一系列聚类中心c1,c2,…,ck;这些聚类中心按照时间顺序进行排列,表示帧内数据的时间序列特征;
C3、特征融合:为了同时考虑能耗数据的分布情况和时间序列特性,将统计特征与时间序列特征进行融合,将两个特征向量组合成复向量,对于输入特征x和y,z=x+iy,其中i是虚数单位,z是融合后的特征;
C4、状态分析:将所提取到的融合特征输入到长短期记忆网络LSTM模型中,并使用以下均方根误差RMSE对比预估精度:
当出现误差浮动超过规定值的异常状况时,智能集成平台及时提示报警;
D、节能减排辅助决策
为更加直观的表示船舶的能效状况等级,将燃油单耗和EEOI指数代入如下目标函数:
其中,α和β表示权重系数;j为燃油类型;FCj为在航程中燃油j的消耗量;CFj为燃油类型j的燃油量与CO2排放量的转换系数;mcargo为载货量,单位为吨;D为对应于所载货物的距离,单位为海里;
根据目标函数的大小将船舶的能效状况分为一级、二级、三级和四级;一级表示能量有效利用水平高、能耗最低;二级表示能量有效利用水平较高、比较节能;三级表示处于整体样本的平均水平;四级表示能量有效利用水平较低、能耗较高;
从能量损失和能量有效利用两个方面进行节能减排辅助决策:一级给予“能效状况良好,继续保持”的决策;二级给予“提高主机效率,选择合适航速”的决策;三级给予“提高主机效率,选择合适航速、航线,保持最近纵倾”的决策;四级给予“主机、航速、航线优化,保持最近纵倾,提高船-机-桨匹配度,能量综合梯级利用和加强余热回收”的决策;
E、为船东及船员提供一系列能效管理工具
能效管理工具包括燃料管理、污底管理、装卸货能效管理和报告输出;航行过程中对燃料加装的种类及转换信息进行管理显示;定时提醒船员进行污底检测,保证船体光滑,减小阻力降低能耗;提前规划航线所经排放控制区,提供温室气体排放监测报告,确保符合排放控制区的排放要求;在船舶装卸货时实时监测船舶能效;对接船东公司,提供指定格式的能效管理相应报告供船员审阅并发送船管部门,提供报告至少包括:午时报、燃料航次耗用报告、航次能效评估报告和排放报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721638.4A CN113361014B (zh) | 2021-06-28 | 2021-06-28 | 一种船舶的智能能效管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721638.4A CN113361014B (zh) | 2021-06-28 | 2021-06-28 | 一种船舶的智能能效管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361014A CN113361014A (zh) | 2021-09-07 |
CN113361014B true CN113361014B (zh) | 2023-05-23 |
Family
ID=77536788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110721638.4A Active CN113361014B (zh) | 2021-06-28 | 2021-06-28 | 一种船舶的智能能效管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361014B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113936503B (zh) * | 2021-10-29 | 2022-08-30 | 武汉理工大学 | 基于区块链的新能源船舶的航速监测及优化系统 |
CN115195971B (zh) * | 2022-07-15 | 2024-07-09 | 中国船舶集团有限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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150050036A (ko) * | 2013-10-31 | 2015-05-08 | 현대중공업 주식회사 | 선박 에너지 효율 관리 시스템 및 이의 동작 방법 |
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 |
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 |
CN110110943A (zh) * | 2019-05-21 | 2019-08-09 | 大连海事大学 | 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 |
-
2021
- 2021-06-28 CN CN202110721638.4A patent/CN113361014B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150050036A (ko) * | 2013-10-31 | 2015-05-08 | 현대중공업 주식회사 | 선박 에너지 효율 관리 시스템 및 이의 동작 방법 |
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 |
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 |
CN110110943A (zh) * | 2019-05-21 | 2019-08-09 | 大连海事大学 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN113361014A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563576B (zh) | 一种船舶智能能效管理系统 | |
CN113361014B (zh) | 一种船舶的智能能效管理方法 | |
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 | |
CN112307688B (zh) | 一种电力推进船舶能效监控管理优化系统和方法 | |
CN115195971B (zh) | 船舶能效管理系统、方法及存储介质 | |
CN112381406A (zh) | 一种基于船岸协同的船舶能效管理大数据系统及方法 | |
CN111613094A (zh) | 一种港口水域船舶交通风险预警方法 | |
KR20210124229A (ko) | 선박 연료 소모를 감소시키기 위한 방법 및 시스템 | |
CN112562120B (zh) | 一种基于拖轮的船舶智能能效管理方法 | |
CN115423176A (zh) | 用于船舶航行性能实时分析系统及营运碳排放优化方法 | |
CN117217097B (zh) | 一种船舶工业数字孪生体平台化构建方法及系统 | |
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 | |
CN117742346B (zh) | 一种船舶的实时航行状态分析与能源消耗控制方法 | |
CN112784473A (zh) | 智能分析航行信息优化能量的船舶燃料节约系统及其方法 | |
CN117232520A (zh) | 一种适用于海上航行的船舶智能导航系统及导航方法 | |
CN117932279B (zh) | 一种基于深度学习的船舶工况在线识别分析方法及系统 | |
CN118313247A (zh) | 一种船舶续航里程与能耗的预估计算方法 | |
Zeng et al. | A data-driven intelligent energy efficiency management system for ships | |
CN115017809A (zh) | 一种船舶到港量预测系统及方法 | |
Shang et al. | A real-time green construction optimization strategy for engineering vessels considering fuel consumption and productivity: A case study on a cutter suction dredger | |
CN114550498A (zh) | 一种海量ais数据驱动的船舶偏离航道智能预警系统 | |
CN220430466U (zh) | 用于船舶的能效监测系统 | |
CN113379240A (zh) | 一种水上交通风险动态评估模型的构建方法 | |
CN110930024B (zh) | 一种基于贝叶斯网络的深海应急态势智能分析系统及方法 | |
CN115523963A (zh) | 一种船舶数据智能分析装置与方法 |
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 |