CN114239426B - 基于水流资料同化的长江干线船舶排放清单生成方法 - Google Patents
基于水流资料同化的长江干线船舶排放清单生成方法 Download PDFInfo
- Publication number
- CN114239426B CN114239426B CN202111221843.0A CN202111221843A CN114239426B CN 114239426 B CN114239426 B CN 114239426B CN 202111221843 A CN202111221843 A CN 202111221843A CN 114239426 B CN114239426 B CN 114239426B
- Authority
- CN
- China
- Prior art keywords
- ship
- emission
- navigation
- yangtze river
- track
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000007619 statistical method Methods 0.000 claims abstract description 9
- 238000010276 construction Methods 0.000 claims abstract description 3
- 239000002912 waste gas Substances 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 15
- 230000001419 dependent effect Effects 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 5
- 239000007789 gas Substances 0.000 claims description 5
- 231100000719 pollutant Toxicity 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004326 stimulated echo acquisition mode for imaging Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
- Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于水流资料同化的长江干线船舶排放清单生成方法,该方法包括:1)面向排放计算的长江干线特征航段划分方法;2)基于水文资料同化的长江干线流场特征库构建方法;3)船舶废气排放拟合模型库构建方法;4)船舶航行轨迹排放量快速查询与计算方法;5)长江干线船舶年度排放清单生成方法。本发明的有益效果为:将长江干线分为若干特征航段,选取典型流量水位分组样本分别进行流场模拟,获得长江干线流场特征库,拟合构建船舶废气排放拟合模型库,利用船舶航行轨迹排放量计算得到每一船舶航行轨迹的排放量,汇总获得长江干线排放总量,统计分析得到长江干线船舶年度排放清单,相比现有技术计算过程更简单,更省时。
Description
技术领域
本发明涉及环保技术领域,具体涉及一种基于水流资料同化的长江干线船舶排放清单生成方法。
背景技术
船舶排放的颗粒物、二氧化碳、硫氧化物和氮氧化物等,对空气质量的影响非常大,是主要的空气污染源之一。随着内河航运业的飞速发展,必须严格控制内河船舶污染物排放,积极构建内河船舶废气排放清单。
目前,国内学者主要侧重于沿海以及港口水域的船舶排放研究,对内河航运业造成大气污染的研究却相对较少。虽然基于AIS(Automatic Identification System,船舶自动识别系统)的动力法已经广泛用于船舶废气排放计算,但是内河运力不断提升,船舶流量不断增加,导致内河船舶AIS数据库的数据量愈加庞大,这大大增加了废气排放量的计算量。
发明内容
本发明的目的在于,针对现有技术的不足,提供一种基于水流资料同化的长江干线船舶排放清单生成方法。
本发明采用的技术方案为:一种基于水流资料同化的长江干线船舶排放清单生成方法,该方法包括如下步骤:
步骤一、基于长江干线航道特征,构建面向排放计算的长江干线特征航段划分方法,将长江干线划分为若干特征航段;
步骤二、对每一特征航段选取典型流量、水位分组样本,运用流场模拟工具对每一特征航段的每一典型工况进行流场反演,构建基于水文资料同化的长江干线流场特征库;
步骤三、根据长江干线流场特征库对船速进行修正,构建优化后的船舶废气排放量计算模型,获得因变量;根据船舶静态信息库获取船舶基本信息,并利用LASSO算法对其进行特征选择,获得自变量;运用多项式拟合建立自变量与因变量之间的关系,并通过提高自变量幂次来提高拟合模型的精度,获得每个特征航段不同船型及不同航行状态下的船舶废气排放拟合模型,构建长江干线船舶废气排放拟合模型库;
步骤四、将船舶航行轨迹分配到各个相关的特征航段,每一子轨迹依据索引;查询长江干线船舶废气排放拟合模型库,得到最匹配的拟合模型,由此计算每一子轨迹的排放量,即可得到该船舶航行轨迹的排放总量;
步骤五、从长江干线船舶年度活动数据中生成每一船舶的航行轨迹,根据步骤四,船舶航行轨迹排放量查询与计算方法,计算得到每一船舶航行轨迹的排放量,进一步统计分析即可得到船舶种类、尺度、活动状态的排放分担率,以及船舶排放得时空分布,即得到长江干线船舶年度排放清单。
按上述方案,步骤一中,面向排放计算的长江干线特征航段划分方法具体为:首先,将长江干线从云南水富至浏河口按照水道名称依次排序;其次,统计每一水道的航道里程及航道特征;最后,将航道分为弯曲航段和顺直航段,将相邻直航段合并作为一个特征航段,弯曲航段单独作为一个特征航段。
按上述方案,在步骤二中,构建基于水文资料同化的长江干线流场特征库的方法为:首先,分别统计每一典型航段的2006年以来的水文资料,采集流量和水位的分组样本;其次,将分组样本按水位从小到大排序,当多组样本水位相同时,按流量从小到大排序;再次,选择一定间隔的典型流量、水位分组样本;最后,利用每一特征航段的数字高程模型,结合流量、水位分组样本,确定各边界条件,运用流场模拟工具对每一特征航段的每一典型工况进行流场反演,构建基于水文资料同化的长江干线流场特征库。
按上述方案,在步骤三中,船舶废气排放拟合模型库的构建方法具体为:
首先,针对任一特征航段,通过该航段的船舶AIS数据获取船舶在各时刻船位点,基于所构建的长江干线流场特征库,运用权重插值法对船速进行修正,获得船舶的实际速度;
其次,通过船舶静态信息库获取该航段的船舶基本信息,包括船舶的船型、船长、船宽、主机功率、辅机功率,并根据船长分布对该航段船舶进行分层抽样,得到样本船舶;通过内河船舶AIS数据库获取样本船舶的航行时间;根据排放因子数据库获取该区域的排放因子;根据修正后得到的实际船速,计算得到修正后的主机负荷因子,并获得该区域船舶的辅机负荷因子;构建优化后的船舶废气排放量计算模型:
1)、传统动力法的船舶废气排放量计算模型为:
上中,i为船舶废气种类;E为船舶废气排放量,g;P为船舶动力设备功率,kW;j为动力设备类型;m、a、b分别表示主机、辅机和锅炉;L为船舶负荷因子,负荷因子是船舶动力设备输出功率占额定功率的百分比;T为运行时间,h;Fi,j为船舶i种污染物的j型动力设备的排放因子,g/(kW·h);其中,船舶主机负荷因子Lm为:
Lm=(Vspeed/Vmax)3 (2),
式(7)中,Vspeed为船舶航速,kn;Vmax为船舶的最大设计航速,kn;
2)、根据船舶航行状态、航时、排放因子以及修正过的负荷因子计算船舶的废气排放量,将船舶航速替换为修正后的船速,获得优化后的船舶废气排放量计算模型:
再次,根据船舶静态信息以及AIS信息,获取船舶排放的影响因子;同时,将步骤二所获得的该区域样本船舶排放量与其航程相除,得到各样本船舶的每公里废气排放量;
最后,将获取的影响因子利用LASSO算法进行特征选择,得到自变量,以样本船舶每公里排放量为因变量;运用多项式拟合建立自变量与因变量之间的关系,得到该特征航段不同船型不同月份不同航行状态的废气排放量计算公式,构建该特征航段的船舶废气排放拟合模型库。
按上述方案,步骤四的具体方法为:首先,将船舶航行轨迹分配到各个相关的特征航段,每一特征航段的轨迹称为该船舶的一条子轨迹;其次,根据每一子轨迹的航行时间,查询其所在特征航段的水位和流量;再次,根据子轨迹所在特征航段及其水位和流量,结合船舶种类和航行工况,查询船舶废气排放拟合模型库,快速得到最匹配的拟合模型;最后,利用该模型计算得到子轨迹在该航段的排放量,进一步可计算每一子轨迹的排放量,即可得到该船舶航行轨迹的排放总量。
按上述方案,在步骤五中,长江干线船舶年度排放清单的生成方法具体为:首先,获取长江干线船舶年度活动数据,生成每一船舶的航行轨迹,并将其划分为停泊状态轨迹与巡航状态轨迹;其次,利用船舶航行轨迹排放量查询与计算方法,计算得到每一船舶航行轨迹的排放量,进一步统计分析即可得到船舶种类、尺度和活动状态的排放分担率;再次,将每一船舶的排放量分配到每一特征航段或特征网格,即可得到长江干线船舶排放的空间分布;最后,将每一船舶的排放量按时间段或季节进行分配,得到长江干线船舶排放的时间分布,即得到长江干线船舶年度排放清单。
本发明的有益效果为:本发明简化了长江干线排放清单的计算过程,将长江干线分为若干特征航段,选取典型流量水位分组样本分别进行流场模拟,获得长江干线流场特征库,并通过回归分析得到不同船型不同航行状态船舶每公里废气排放量的拟合公式,构建长江干线船舶废气排放拟合模型库;通过查询船舶废气排放拟合模型库,得到不同船型不同航行状态下船舶每公里废气排放量的计算公式后,计算得到每一船舶航行轨迹的排放量,从而获得长江干线排放总量,统计分析即可快速生成长江干线船舶年度排放清单,解决排放计算繁杂的问题,相比现有技术计算过程更简单,更省时。
附图说明
图1为本发明实施例步骤三中反距离权重插值法示意图;
图2为本发明实施例中流场特征库构建方法流程图;
图3为本发明实施例中船舶废气排放拟合模型库构建方法流程图;
图4为本发明实施例中船舶航行轨迹排放查询与计算方法流程图;
图5为本发明实施例中船舶排放空间分配方法示意图。
具体实施方式
为了更好地理解本发明,下面结合附图和具体实施例对本发明作进一步地描述。
一种基于水流资料同化的长江干线船舶排放清单生成方法,该方法包括如下步骤:
步骤一、基于长江干线航道特征(可分为弯曲航道和顺直航道),构建面向排放计算的长江干线特征航段划分方法,将长江干线划分为若干特征航段。如图2所示,该划分方法具体包括以下步骤:
a、航道特征获取:长江干线范围为云南水富至浏河口,为方便管理,长江航道局将其划分为了若干水道并命名,如南通水道、李家沙水道等,在图2中用水道a、水道b、……表示。各个水道连续且界限明确,因此将其作为划分特征航段的基础。利用长江航道图或长江电子航道图,依次查取长江干线从云南水富至浏河口的水道名称、里程和曲率半径,并统计每一水道里程和曲率半径,将曲率半径小于或等于5000米的航道定义为弯曲航道,大于5000米的定义为顺直航道。
b、特征航段划分:将a步骤查取的水道按从上游至下游的顺序依次排序,将相邻顺直航道合并为一个特征航段,弯曲航道单独作为一个特征航段。即,将长江干线划分为若干个特征航段,然后依次统计每一个特征航段的总里程,并将其从上游至下游依次从小到大编号。
步骤二、对每一特征航段选取典型流量、水位分组样本,运用流场模拟工具对每一特征航段的每一典型工况(即流量、水位)进行流场反演,得到如图2所示的流场模拟结果图,包括流速结果图(上)和流向结果图(下),构成基于水文资料同化的长江干线流场特征库。如图2所示,该步骤具体包括以下过程:
a、分组样本选取:针对步骤一划分出的特征航段,利用长江水文网上查询其2006年6月-2021年6月每月15号的水位和流量数据,作为该特征航段原始分组数据(每组数据包括当天对应的水位和流量),每一特征航段采集180组原始分组数据;采用最佳采样方法获取典型流量、水位分组样本。
本发明采取的最佳采样方法具体如下:将原始分组数据按水位从小到大排序,当多组原始分组数据水位相同时,按流量从小到大排序;按照该顺序从1-180对原始分组数据进行编号,选取编号为1,11,21,…,171的原始分组数据作为典型流量、水位分组样本,即每一特征航段选取18个典型流量、水位分组样本。
b、对每一特征航段进行流场反演:流场数值模拟是根据水流运动数学模型及对应的定解条件,以数值计算的方法来描述水流运动。内河航道水流受地形、流量等多种因素影响,在不同区域、不同时间所表现出的特性有所不同。因此,根据各个特征航段的地形数据生成模型所需要的地形文件,利用数字高程模型,将入口边界设置为断面流量,出口边界设置为断面水位,构建二维水流模型。将各个典型流量、水位分组样本作为模型输入,使用MIKE软件对对应的水流流场进行数值模拟,获得每个特征航段每组样本对应的流场水流特性,包括水流流速及流向信息,其中,每个特征航段包括18个典型流场,由此形成基于水文资料同化的长江干线流场特征库。
步骤三、根据长江干线流场特征库对船速进行修正,构建优化后的船舶废气排放量计算模型,获得因变量,根据船舶静态信息库获取船舶基本信息,并利用LASSO算法对其进行特征选择,获得自变量;运用多项式拟合建立自变量与因变量之间的关系,并通过提高自变量幂次来提高拟合模型的精度,获得每个特征航段不同船型及不同航行状态下的船舶废气排放拟合模型,构建长江干线船舶废气排放拟合模型库。如图3所示,该步骤具体包括以下过程:
a、针对任一特征航段,通过该航段的船舶AIS数据获取船舶在各时刻船位点,基于所构建的长江干线流场特征库,运用权重插值法对船速进行修正,获得船舶的实际速度。
权重插值法用来确定船舶在不同位置所受的流场影响,具体为:通过AIS船舶数据获取船舶在各时刻船位点的经纬度,当船舶轨迹与模拟流场叠加后,对船位坐标与流场数据进行比对,从而得到船位坐标周围最近的p个流速点。
假定距离越近的物体性质越接近,以距离为权重对预测点周围的已知点进行加权平均,从而估计出预测点的值,并遵循距离越近权重越大的原则。距离权重属于精确插值,其预测结果的最大值和最小值只会出现在测量点,并且测量点的预测值和测量值相等。据此,船位坐标(i,j)在x和y方向上的流速具体可用如下公式表示:
式(1)中,μi,j和vij分别为船舶位于船位坐标(i,j)时在x和y方向上的流速,m/s;n为已知流速点的个数;μL和vL分别为第L个流速点在x和y方向上的流速,m/s;W(r)为权重函数,r为第L个流速点到船舶坐标(i,j)的水平距离,m。权重函数W(r)具体为:
式(2)中,R为影响半径,即只取以船位点为圆心、半径为R的圆形范围内的流速点进行插值。由于彼此距离较近的事物比彼此距离较远的事物更加相似,因此,随着位置之间的距离增大,测量值与预测位置的值的关系将变得越来越不密切。为缩短计算时间,可以将几乎不会对预测产生影响的较远的数据点排除在外。因此,通过指定搜索邻域来限制测量值的数量是一种常用方法。邻域的形状限制了要在预测中使用的测量值的搜索距离和搜索位置。其他邻域参数限制了将在该形状中使用的位置。在本发明中,在为没有测量值的位置(轨迹点)预测值(流向流速信息)时,使用四个测量点(相邻点)。如果数据中不存在方向影响,则需要考虑在各个方向都均等的数据点。为此,将搜索邻域定义为圆。本发明将R设定为一定值,具体为该区域标准船型船长的二分之一。如对于某船位点S,以S为圆心、R为半径作圆,假设有n个流速点落在圆内,计算S与各个流速点的距离r。假设只考虑距离船位点最近的4(p=4)个流速点,若n>4,则对r由小到大进行排序,只取r最小的4个点。若n<4,则可适当增大R的大小,以满足要求。
如图1所示的权重插值法示意图中,曲线是由AIS船舶数据点构成的船舶轨迹,点A~G为流场模拟得到的流速点,图中只有A、B、C、D这4个流速点落在在圆内,则只需要考虑A、B、C、D点,E、F、G这三个点不在流速插值计算的考虑范围之内。结合公式(1)和(2),分别对点S3的水平方向流速和垂直方向流速进行计算,即可得到影响船位点S3的流速大小和方向,其他轨迹点同理可得。
对船速进行修正,获得船舶的实际速度,具体修正方法如下:
假设为水流影响前的速度,根据流速、船速和航速三者的矢量关系,则有:
整理可得:
其中,Vspeed为船舶航速,即AIS船舶数据中的对地速度,m/s;Vc为模拟流速,m/s;V1即为经过流场修正后的实际船速,m/s。u、v分别为Vspeed在船首方向和垂直于船首方向上的分量,m/s;θC为流舷角。
b、通过船舶静态信息库获取该特征航段的船舶基本信息,包括船舶的船型、船长、船宽、主机功率、辅机功率,并根据船长分布对该特征航段船舶进行分层抽样,得到样本船舶;通过内河船舶AIS数据库获取样本船舶的航行时间;根据排放因子数据库获取该区域的排放因子;根据修正后得到的实际船速,计算得到修正后的主机负荷因子,并获得该区域船舶的辅机负荷因子;构建优化后的船舶废气排放量计算模型:
1)、传统动力法的船舶废气排放量E计算模型为:
式(6)中,i为船舶废气种类;E为船舶废气排放量,g;P为船舶动力设备功率,kW;j为动力设备类型;m、a、b分别表示主机、辅机和锅炉;L为船舶负荷因子,负荷因子是船舶动力设备输出功率占额定功率的百分比;T为运行时间,h;Fi,j为船舶i种污染物的j型动力设备的排放因子,g/(kW·h);其中,船舶主机负荷因子Lm为:
Lm=(Vspeed/Vmax)3 (10),
式(7)中,Vspeed为船舶航速,kn;Vmax为船舶的最大设计航速,kn;
2)、根据船舶航行状态、航时、排放因子以及修正过的负荷因子计算船舶的废气排放量,将船舶航速替换为修正后的船速,获得优化后的船舶废气排放量计算模型:
c、根据传统的船舶交通排放估算模型(STEAM模型),影响内河船舶污染物排放量的因素包括船舶类型、运行工况、发动机功率(包括主机功率和辅机功率)、发动机类型以及船舶瞬时速度等。其中,船舶主机选型需要考虑的影响因子主要有船舶主尺度、船体有效功率、船舶设计航速、螺旋桨的直径或转速以及船舶营运的经济性和节能性等。船舶主尺度中的船长和型宽能够从AIS数据中直接获取,而其他参数则较难获取或量化,因此,本发明拟选取船舶的船长和型宽代替发动机类型作为影响因子。其次,与STEAM模型中的瞬时速度相对应,选取船舶在研究区域内的平均航速作为本文拟构建船舶排放中观模型的影响因子,本发明定义平均航速为航程与工作时长之比。
因此,选取巡航状态下船舶排放拟合模型的影响因子为主机功率、辅机功率、船长、船宽以及船舶平均航速。将不同船型、不同航行状态船舶的船长、船宽、主机功率、平均航速作为自变量,以样本船舶每公里排放量为因变量;利用LASSO算法进行特征选择,筛选得到的变量为船舶主机功率与平均航速。
船舶处于停泊状态时,航速小于1kn,此时,船舶主机关闭,只有辅机处于工作状态。因此,选取停泊状态下船舶排放拟合模型的影响因子为辅机功率和停泊时间。
根据船舶静态信息库获取该特征航段样本船舶船型、船长、船宽以及主机功率、辅机功率;根据内河船舶AIS数据库获取该特征航段样本船舶的AIS信息,进而计算得到巡航样本船舶的航程及平均航速,以及停泊样本船舶的停泊时间,作为如图3所示的自变量;同时,将利用优化后的船舶废气排放量计算模型计算获得的该特征航段样本船舶排放量与其航程相除,得到各样本船舶的每公里废气排放量,作为如图3所示的因变量。
运用多项式拟合建立自变量与因变量之间的关系,得到每一特征航段不同船型不同航行状态下的废气排放量计算公式。
其中,i特征航段j船型巡航状态下的废气排放量ec_ij的计算公式为:
ec_ij=f(V,Pm)=αi,jV+βi,jPm+εi,j (12),
上式中,i为特征航段编号,j为船舶类型,V为船舶平均航速,kn;Pm为船舶主机功率,kw;α、β和ε均为系数。
则i特征航段j船型停泊状态下的废气排放量em_ij的计算公式为:
em_ij=f(T,Pa)=αi,jV+βi,jPa+εi,j (13),
上式中,i为特征航段编号,j为船舶类型,T为船舶停泊时间,h;Pa为船舶辅机功率,kw;α、β和ε均为系数。
多项式回归可以处理相当一类非线性问题,它的最大优点就是可以通过增加x的高次项对实测点进行逼近,直至满意为止。但是当自变量的幂次超过3时,回归系数的解释变得困难起来,回归函数也变得很不稳定,回归模型的应用会受到影响。因而,幂次超过3次的多项式回归模型不常使用。因此,为提升模型的拟合效果,将一阶回归模型替换为以下二阶模型,最终获得的i特征航段j船型巡航状态下的废气排放量ec_ij的计算公式为:
ec_ij=f(V,Pm)=α1_ijV2+α2_ijV+β1_ijPm 2+β2_ijPm+γijVPm+εij (14),
其中,i为特征航段编号,j为船舶类型;V为船舶平均航速,kn;Pm为船舶主机功率,kw;α1、α2、β1、β2、γ和ε均为系数。
i特征航段j船型停泊状态下的废气排放量em_ij的计算公式为:
em_ij=f(T,Pa)=α1_ijT2+α2_ijT+β1_ijPa 2+β2_ijPa+γijVPa+εij (15),
其中,i为特征航段编号,j为船舶类型;T为船舶停泊时间,h;Pa为船舶辅机功率,kw;α1、α2、β1、β2、γ和ε均为系数。
由此获得如图3所示长江干线每一特征航段主要船型(包括货船和油船),巡航及停泊状态下的船舶废气排放量拟合模型,构成长江干线船舶废气排放拟合模型库。
步骤四、将船舶航行轨迹分配到各个相关的特征航段,得到如图4所示的若干条子轨迹(本实施例中子轨迹有图示的a~d四条,对应a~d排放量),每一子轨迹依据索引(所在特征航段,水位,流量,航行状态,船舶种类)查询长江干线船舶废气排放拟合模型库(每一子轨迹对应该轨迹的排放量),快速得到最匹配的拟合模型,由此计算每一子轨迹的排放量,即可得到该船舶航行轨迹的排放总量。如图4所示,该步骤具体包括以下过程:
a、船舶航行轨迹可能会经过一个或多个特征航段,当船舶经过多个特征航段时,根据轨迹的经纬度信息和特征航段的地理范围,将航行轨迹分配到到不同特征航段,每个特征航段的分段轨迹称为子轨迹;然后,根据每一子轨迹的航行时间,在长江水文网查询其所在特征航段的当时的水位和流量信息;最后,以子轨迹所在特征航段、水位、流量、船舶种类和船舶航行工况为引数,查询船舶废气排放拟合模型库,快速得到最匹配的船舶该子轨迹废气排放拟合模型。
b、利用上述船舶子轨迹废气排放拟合模型,计算每段子轨迹的船舶废气排放量,将该船舶所有子轨迹排放量进行叠加后,即可得到该船舶航行轨迹的排放总量;当船舶航行轨迹只经过一个特征航段时,只需利用上述方法,进行一次查询,便可得到与该轨迹最匹配的船舶废气排放拟合模型,计算即可得到其排放总量。
步骤五、从长江干线船舶年度活动数据中生成每一船舶的航行轨迹,根据步骤四,船舶航行轨迹排放量快速查询与计算方法,计算得到每一船舶航行轨迹的排放量,进一步统计分析即可得到船舶种类、尺度、活动状态的排放分担率,以及船舶排放的时空分布,即得到长江干线船舶年度排放清单。该步骤具体包括以下过程:
a、利用长江干线年度船舶AIS数据,根据船舶的MMSI、时间戳、经纬度信息生成各船舶所有航次的航行轨迹,并将其划分为停泊状态轨迹与巡航状态轨迹;根据AIS数据中的航速信息,航速小于1kn的定义为停泊状态,其他情况定义为巡航状态。
b、利用船舶航行轨迹排放量快速查询与计算方法,计算得到每一船舶航行轨迹的排放量,将船舶所有航行轨迹的排放量进行叠加,即可得到长江干线年度船舶排放总量E。在此基础上,进一步统计分析,即可得到活动状态和船舶种类的排放分担率。
由步骤四可知,i特征航段j船型巡航状态下的废气排放量ec_ij为:
ec_ij=f(V,Pm)=α1_ijV2+α2_ijV+β1_ijPm 2+β2_ijPm+γijVPm+εij (16),
i特征航段j船型停泊状态下的废气排放废气排放量em_ij为:
em_ij=f(T,Pa)=α1_ijT2+α2_ijT+β1_ijPa 2+β2_ijPa+γijVPa+εij (17)。
不同活动状态排放分担率具体计算方法如下:
则i特征航段船舶巡航状态下的废气排放量ec_i为:
则长江干线船舶巡航状态下的废气排放总量Ec为:
同理可得,长江干线船舶停泊状态下的废气排放总量为Em。
则长江干线船舶巡航状态的排放分担率rc为:
则长江干线船舶停泊状态的排放分担率rm为:
不同船舶类型排放分担率具体计算方法如下:
长江干线巡航状态下j船型的废气排放量ec_j为:
长江干线停泊状态下j船型的废气排放量em_j为:
长江干线j船型的废气排放总量Ej为:
Ej=ec_j+em_j (24);
则长江干线j船型排放分担率rj为:
c、根据长江干线航道的经纬度范围,将其划分为50×50米的特征网格,将每段船舶航行轨迹划分到特征网格中,并将每一船舶的排放量平均分配到所经过的每个特征网格,对每个特征网格的排放量进行叠加,即可得到长江干线船舶排放的空间分布,如图5所示(图中为轨迹1、轨迹2排放量分别平均分配到所经过的特征网格后,叠加的空间可视化效果);最后,将每一船舶的排放量按时间段或季节进行分配,如图5所示(图中x轴,y轴表示船舶轨迹的地理坐标,t轴表示时间),设按时间段t1进行分配,每单位时间段对应不同的船舶轨迹,计算其长度,并按占轨迹总长度的比例分配排放量,得到长江干线船舶排放的时间分布,即得到长江干线船舶年度排放清单。
本发明从流场模拟入手,构建基于水文资料同化的长江干线流场特征库,在此基础上对船速进行修正,构建优化后的船舶废气排放量计算模型,避免由于环境干扰导致的排放计算误差传递到拟合模型中去;其次,分析船舶属性与船舶排放量之间的相关关系并进行线性拟合,构建长江干线船舶废气排放拟合模型库;最后,提出船舶航行轨迹排放量快速查询与计算方法,进一步统计分析,快速生成长江干线船舶排放清单。
最后应说明的是,以上仅为本发明的优选实例而已,并不用于限制本发明,尽管参照实例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,但是凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于水流资料同化的长江干线船舶排放清单生成方法,其特征在于,该方法包括如下步骤:
步骤一、基于长江干线航道特征,构建面向排放计算的长江干线特征航段划分方法,将长江干线划分为若干特征航段;
步骤二、对每一特征航段选取典型流量、水位分组样本,运用流场模拟工具对每一特征航段的每一典型工况进行流场反演,构建基于水文资料同化的长江干线流场特征库;
步骤三、根据长江干线流场特征库对船速进行修正,构建优化后的船舶废气排放量计算模型,获得因变量;根据船舶静态信息库获取船舶基本信息,并利用LASSO算法对其进行特征选择,获得自变量;运用多项式拟合建立自变量与因变量之间的关系,并通过提高自变量幂次来提高拟合模型的精度,获得每个特征航段不同船型及不同航行状态下的船舶废气排放拟合模型,构建长江干线船舶废气排放拟合模型库;
步骤四、将船舶航行轨迹分配到各个相关的特征航段,每一子轨迹依据索引;查询长江干线船舶废气排放拟合模型库,得到最匹配的拟合模型,由此计算每一子轨迹的排放量,即可得到该船舶航行轨迹的排放总量;
步骤五、从长江干线船舶年度活动数据中生成每一船舶的航行轨迹,根据步骤四,船舶航行轨迹排放量查询与计算方法,计算得到每一船舶航行轨迹的排放量,进一步统计分析即可得到船舶种类、活动状态的排放分担率,以及船舶排放得时空分布,即得到长江干线船舶年度排放清单;
在步骤三中,船舶废气排放拟合模型库的构建方法具体为:
首先,针对任一特征航段,通过该航段的船舶AIS数据获取船舶在各时刻船位点,基于所构建的长江干线流场特征库,运用权重插值法对船速进行修正,获得船舶的实际速度;
其次,通过船舶静态信息库获取该航段的船舶基本信息,包括船舶的船型、船长、船宽、主机功率、辅机功率,并根据船长分布对该航段船舶进行分层抽样,得到样本船舶;通过内河船舶AIS数据库获取样本船舶的航行时间;根据排放因子数据库获取该航段的排放因子;根据修正后得到的实际船速,计算得到修正后的主机负荷因子,并获得该航段船舶的辅机负荷因子;构建优化后的船舶废气排放量计算模型:
1)、传统动力法的船舶废气排放量计算模型为:
上中,i为船舶废气种类;E为船舶废气排放量,单位为g;P为船舶动力设备功率,单位为kW;j为动力设备类型;m、a、b分别表示主机、辅机和锅炉;L为船舶负荷因子,负荷因子是船舶动力设备输出功率占额定功率的百分比;T为运行时间,h;Fi,j为船舶i种污染物的j型动力设备的排放因子,单位为g/(kW·h);其中,船舶主机负荷因子Lm为:
Lm=(Vspeed/Vmax)3 (2),
式(7)中,Vspeed为船舶航速,单位为kn;Vmax为船舶的最大设计航速,单位为kn;
2)、根据船舶航行状态、航时、排放因子以及修正过的负荷因子计算船舶的废气排放量,将船舶航速替换为修正后的船速,获得优化后的船舶废气排放量计算模型:
再次,根据船舶静态信息以及AIS信息,获取船舶排放的影响因子;同时,将步骤二所获得的该航段样本船舶排放量与其航程相除,得到各样本船舶的每公里废气排放量;
最后,将获取的影响因子利用LASSO算法进行特征选择,得到自变量,以样本船舶每公里排放量为因变量;运用多项式拟合建立自变量与因变量之间的关系,得到该特征航段不同船型不同月份不同航行状态的废气排放量计算公式,构建该特征航段的船舶废气排放拟合模型库。
2.如权利要求1所述的基于水流资料同化的长江干线船舶排放清单生成方法,其特征在于,步骤一中,面向排放计算的长江干线特征航段划分方法具体为:首先,将长江干线从云南水富至浏河口按照水道名称依次排序;其次,统计每一水道的航道里程及航道特征;最后,将航道分为弯曲航段和顺直航段,将相邻直航段合并作为一个特征航段,弯曲航段单独作为一个特征航段。
3.如权利要求1所述的基于水流资料同化的长江干线船舶排放清单生成方法,其特征在于,在步骤二中,构建基于水文资料同化的长江干线流场特征库的方法为:首先,分别统计每一典型航段的2006年以来的水文资料,采集流量和水位的分组样本;其次,将分组样本按水位从小到大排序,当多组样本水位相同时,按流量从小到大排序;再次,选择一定间隔的典型流量、水位分组样本;最后,利用每一特征航段的数字高程模型,结合流量、水位分组样本,确定各边界条件,运用流场模拟工具对每一特征航段的每一典型工况进行流场反演,构建基于水文资料同化的长江干线流场特征库。
4.如权利要求1所述的基于水流资料同化的长江干线船舶排放清单生成方法,其特征在于,步骤四的具体方法为:首先,将船舶航行轨迹分配到各个相关的特征航段,每一特征航段的轨迹称为该船舶的一条子轨迹;其次,根据每一子轨迹的航行时间,查询其所在特征航段的水位和流量;再次,根据子轨迹所在特征航段及其水位和流量,结合船舶种类和航行工况,查询船舶废气排放拟合模型库,快速得到最匹配的拟合模型;最后,利用该模型计算得到子轨迹在该航段的排放量,进一步可计算每一子轨迹的排放量,即可得到该船舶航行轨迹的排放总量。
5.如权利要求1所述的基于水流资料同化的长江干线船舶排放清单生成方法,其特征在于,在步骤五中,长江干线船舶年度排放清单的生成方法具体为:首先,获取长江干线船舶年度活动数据,生成每一船舶的航行轨迹,并将其划分为停泊状态轨迹与巡航状态轨迹;其次,利用船舶航行轨迹排放量查询与计算方法,计算得到每一船舶航行轨迹的排放量,进一步统计分析即可得到船舶种类和活动状态的排放分担率;再次,将每一船舶的排放量分配到每一特征航段或特征网格,即可得到长江干线船舶排放的空间分布;最后,将每一船舶的排放量按时间段或季节进行分配,得到长江干线船舶排放的时间分布,即得到长江干线船舶年度排放清单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221843.0A CN114239426B (zh) | 2021-10-20 | 2021-10-20 | 基于水流资料同化的长江干线船舶排放清单生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221843.0A CN114239426B (zh) | 2021-10-20 | 2021-10-20 | 基于水流资料同化的长江干线船舶排放清单生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114239426A CN114239426A (zh) | 2022-03-25 |
CN114239426B true CN114239426B (zh) | 2024-04-19 |
Family
ID=80743151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111221843.0A Active CN114239426B (zh) | 2021-10-20 | 2021-10-20 | 基于水流资料同化的长江干线船舶排放清单生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114239426B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998076B (zh) * | 2022-08-02 | 2022-11-18 | 交通运输部规划研究院 | 一种内河船舶大气污染物排放量估算方法、系统、计算设备和存储介质 |
CN115905770A (zh) * | 2022-10-28 | 2023-04-04 | 大连海事大学 | 一种基于ais数据的船舶污染排放量轨迹测算方法 |
CN118348199A (zh) * | 2024-03-12 | 2024-07-16 | 中国船级社 | 一种船舶温室气体排放量的评估方法、装置及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016068892A (ja) * | 2014-10-01 | 2016-05-09 | 三菱重工業株式会社 | 船舶の運航支援システム及び船舶の運航支援方法 |
CN107092980A (zh) * | 2017-04-10 | 2017-08-25 | 南京航空航天大学 | 一种基于粒子群算法的连续下降进近排放优化方法 |
FR3049653A1 (fr) * | 2016-04-04 | 2017-10-06 | Ifp Energies Now | Procede de determination des emissions de polluants d'un vehicule au moyen de parametres macroscopiques |
KR101884622B1 (ko) * | 2018-03-23 | 2018-08-03 | 대한민국 | 실제 운항정보를 이용한 선박 부문 대기오염물질 배출량 산정방법 및 장치 |
CN109855688A (zh) * | 2019-02-28 | 2019-06-07 | 武汉理工大学 | 一种内河港口船舶废气排放测度方法 |
CN110309488A (zh) * | 2019-06-12 | 2019-10-08 | 河海大学 | 一种基于典型断面的内河航道船舶尾气排放连续分布模型 |
CN111256755A (zh) * | 2020-01-20 | 2020-06-09 | 武汉理工大学 | 一种移动船舶废气排放溯源装置及方法 |
CN111814367A (zh) * | 2020-06-04 | 2020-10-23 | 武汉理工大学 | 港口船舶排放监测监管云服务系统 |
CN113205123A (zh) * | 2021-04-23 | 2021-08-03 | 武汉理工大学 | 一种区域船舶大气污染物排放清单计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10803213B2 (en) * | 2018-11-09 | 2020-10-13 | Iocurrents, Inc. | Prediction, planning, and optimization of trip time, trip cost, and/or pollutant emission for a vehicle using machine learning |
-
2021
- 2021-10-20 CN CN202111221843.0A patent/CN114239426B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016068892A (ja) * | 2014-10-01 | 2016-05-09 | 三菱重工業株式会社 | 船舶の運航支援システム及び船舶の運航支援方法 |
FR3049653A1 (fr) * | 2016-04-04 | 2017-10-06 | Ifp Energies Now | Procede de determination des emissions de polluants d'un vehicule au moyen de parametres macroscopiques |
CN107092980A (zh) * | 2017-04-10 | 2017-08-25 | 南京航空航天大学 | 一种基于粒子群算法的连续下降进近排放优化方法 |
KR101884622B1 (ko) * | 2018-03-23 | 2018-08-03 | 대한민국 | 실제 운항정보를 이용한 선박 부문 대기오염물질 배출량 산정방법 및 장치 |
CN109855688A (zh) * | 2019-02-28 | 2019-06-07 | 武汉理工大学 | 一种内河港口船舶废气排放测度方法 |
CN110309488A (zh) * | 2019-06-12 | 2019-10-08 | 河海大学 | 一种基于典型断面的内河航道船舶尾气排放连续分布模型 |
CN111256755A (zh) * | 2020-01-20 | 2020-06-09 | 武汉理工大学 | 一种移动船舶废气排放溯源装置及方法 |
CN111814367A (zh) * | 2020-06-04 | 2020-10-23 | 武汉理工大学 | 港口船舶排放监测监管云服务系统 |
CN113205123A (zh) * | 2021-04-23 | 2021-08-03 | 武汉理工大学 | 一种区域船舶大气污染物排放清单计算方法 |
Non-Patent Citations (2)
Title |
---|
基于AIS数据的长江口船舶排放清单研究;姚鑫;牟军敏;张行健;;安全与环境学报;20170825(04);全文 * |
基于Spark算法的船舶尾气排放实时计算方法研究;张帆等;《武汉理工大学学报(交通科学与工程版)》;20191231;第43卷(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114239426A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114239426B (zh) | 基于水流资料同化的长江干线船舶排放清单生成方法 | |
CN110160526B (zh) | 基于遗传算法的航线规划方法 | |
CN108227041B (zh) | 基于站点实测数据和模式结果的水平能见度预报方法 | |
CN107316501B (zh) | 一种基于网格搜索的支持向量机行程时间预测方法 | |
Huang et al. | Estimation and spatio-temporal analysis of ship exhaust emission in a port area | |
CN111815184B (zh) | 一种耕地土壤环境质量类别划分方法 | |
Bahaj et al. | New approach to determine the Importance Index for developing offshore wind energy potential sites: Supported by UK and Arabian Peninsula case studies | |
CN111814367A (zh) | 港口船舶排放监测监管云服务系统 | |
CN113624921A (zh) | 多模式综合污染溯源方法 | |
CN115689125B (zh) | 一种基于多源数据的涉气污染源布局方法 | |
CN117009887B (zh) | 流域水环境质量精细化估算及分析的方法及系统 | |
CN105260571A (zh) | 一种滩浅海水动力模拟方法 | |
CN114330170A (zh) | 基于ca模型的河道污染源定位系统及方法 | |
Du et al. | Applying an improved particle swarm optimization algorithm to ship energy saving | |
Zhou et al. | Meso-level carbon dioxide emission model based on voyage for inland ships in the Yangtze River | |
CN113743662A (zh) | 一种基于机器学习的船舶关键技术参数预测方法及系统 | |
Kao et al. | Utilizing the fuzzy IoT to reduce Green Harbor emissions | |
CN108846132B (zh) | 基于配方文件的船用柴油机scr电控系统map图查询方法 | |
CN113705890A (zh) | 一种基于近似模型的柴油机排放污染物控制方法 | |
CN114047508A (zh) | 一种对海雷达探测范围统计评估方法及系统 | |
Fan et al. | Spatiotemporal Pattern and Spatial Convergence of Land Use Carbon Emission Efficiency in the Pan-Pearl River Delta: Based on the Difference in Land Use Carbon Budget | |
CN117971959B (zh) | 内河船舶大气污染物排放清单编制及可视化方法 | |
Li et al. | Prediction of ship fuel consumption based on Elastic network regression model | |
Djebbri et al. | Prediction of industrial pollution by radial basis function networks | |
CN118035606B (zh) | 一种拖网渔船温室气体排放时空分布计算方法 |
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 |