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明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
除非另有说明,本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本申请的范围。
在本申请实施例记载中,需要说明的是,除非另有说明和限定,术语“连接”应做广义理解,例如,可以是电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
甲醇是一种化学物质,也被称为甲基醇或木精,是一种无色、易挥发的液体,具有特殊的气味,甲醇可以通过合成或生物质转化等方法获得,也可以从天然气或煤炭中提取。
甲醇在许多领域有广泛的应用,被用作溶剂、反应物、燃料和化学原料等。近年来,甲醇作为一种可再生能源备受关注。也可以用作替代传统石油燃料的一种选择,减少对化石燃料的依赖,并减少对环境的影响。
在船舶行业,甲醇也被用作燃料。使用甲醇燃料可以减少船舶排放物的排放,包括二氧化碳、氮氧化物和颗粒物等。然而,船舶使用甲醇燃料时需要考虑一些物理性质差异,如密度、挥发性和燃烧温度等。这些差异可能需要相应的技术调整和设备改进。
由于甲醇的物理性质与传统燃料存在差异,例如密度、挥发性和燃烧温度等。现有燃油供油系统及LNG供气系统中的换热方法及装置均没有良好的适配性,可能无法有效应对这些差异,导致热量传递效率下降。针对上述技术问题,本申请的技术构思为通过监测船上热源和甲醇燃料的实时温度,来实现对船上热源温度和甲醇燃料温度之间的热传递关系进行分析和预测,从而调整甲醇燃料的流速,以优化换热环节对甲醇燃料的适配性,并提高换热环节的效率。在本发明的一个实施例中,图1为本发明实施例中提供的一种船用甲醇供应方法的流程图。图2为本发明实施例中提供的一种船用甲醇供应方法的系统架构的示意图。如图1和图2所示,根据本发明实施例的船用甲醇供应方法100,包括:110,获取预定时间段内多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值;以及,120,基于所述多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值,确定当前时间点的甲醇燃料的流速值的控制策略。
在所述步骤110中,通过获取船上热源和甲醇燃料的温度值,可以实时监测船舶系统的热量状态,利用及时发现温度异常或问题,并采取相应的措施进行调整和修复。获取多个预定时间点的温度值,可以收集大量的数据用于后续分析和建模,通过对温度数据的分析,可以了解甲醇燃料在不同温度下的物理性质和行为,为后续的控制策略提供依据。
在所述步骤120中,甲醇与传统燃料的物理性质存在差异,如密度、挥发性和燃烧温度等。基于温度值确定甲醇燃料的流速,可以优化甲醇燃料与船上热源的适配性,确保燃料的正常燃烧和热量传递效率。通过实时监测温度并调整甲醇燃料的流速,可以优化换热环节,最大限度地提高热量传递效率,这有利于提高船舶系统的能源利用效率,减少能源浪费,降低燃料消耗和碳排放。
步骤110提供了步骤120所需的输入数据,即船上热源的温度值和甲醇燃料的温度值,这些数据用于确定当前时间点的甲醇燃料的流速值的控制策略,以实现最佳的热传递效率。通过将步骤110和步骤120结合起来,可以实现对船用甲醇供应的有效控制和优化。
船用甲醇供应方法中的步骤110和120可以实现实时监测船舶系统的热量状态,收集和分析温度数据,并通过调整甲醇燃料的流速来优化燃料适配性和提高换热效率,从而提高能源利用效率和减少环境影响。
具体地,在所述步骤110中,获取预定时间段内多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值。其包括:获取由第一温度传感器采集的所述预定时间段内多个预定时间点的船上热源的温度值;以及,获取由第二温度传感器采集的所述多个预定时间点的甲醇燃料的温度值。
应可以理解,在换热过程中,甲醇燃料的流速与换热效率密切相关。燃料流速慢,热交换时间长;燃料流速快,热交换时间短。合适的燃料流速可以实现燃料与换热介质之间的充分接触,提高热量传递效率。因此,在本申请的技术构思中,期待综合利用热源温度的变化和甲醇燃料的温度的变化,进而自动地调节甲醇燃料的流速,使燃料与换热介质之间的温度差最小化,进而提高换热效率。
具体地,在本申请的技术方案中,首先获取由第一温度传感器采集的预定时间段内多个预定时间点的船上热源的温度值,并获取由第二温度传感器采集的所述多个预定时间点的甲醇燃料的温度值。
应可以理解,船上热源和甲醇燃料之间可能存在热传递过程,热源可以是船舶的发动机、锅炉或其他热能装置,而甲醇燃料则是用于燃烧产生热能的介质。在热传递过程中,热源会将热量传递给甲醇燃料,使其温度升高,因此,船上热源的温度值通常会影响甲醇燃料的温度值。
甲醇燃料在船上热源的作用下进行燃烧,产生热能,燃烧过程中,甲醇燃料的温度值通常会升高,取决于燃烧的效率和燃料的物理性质,船上热源的温度值可以影响甲醇燃料的燃烧过程,从而影响其温度值。
在本申请中,通过获取船上热源和甲醇燃料的温度值,可以实时监测它们的热量状态。这有助于及时发现温度异常或问题,并采取相应的措施进行调整和修复。通过收集多个预定时间点的温度值,可以进行数据分析,这些数据可以用于了解船上热源和甲醇燃料的温度变化趋势、波动范围等信息。通过对这些数据进行分析,可以提取有用的信息,为后续的控制策略和优化提供依据。
通过对船上热源和甲醇燃料的温度值进行分析,可以确定最佳的供应策略,例如,根据燃料的温度变化,可以调整供应速率或采取其他措施,以确保燃料的稳定供应和燃烧效果。通过对船上热源和甲醇燃料的温度值进行监测和分析,可以及时发现系统故障或异常。这有助于进行故障诊断,并采取适当的维修措施,以确保船舶系统的正常运行。
也就是,获取船上热源和甲醇燃料的温度值可以提供实时监测、数据分析、优化供应策略和故障诊断等作用,从而确保船舶系统的安全和高效运行。
具体地,在所述步骤120中,基于所述多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值,确定当前时间点的甲醇燃料的流速值的控制策略。图3为本发明实施例中提供的一种船用甲醇供应方法中步骤120的子步骤的流程图,如图3所示,基于所述多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值,确定当前时间点的甲醇燃料的流速值的控制策略,包括:121,将所述多个预定时间点的船上热源的温度值以及所述多个预定时间点的甲醇燃料的温度值分别按照时间维度排列为船上热源温度时序输入向量和甲醇燃料温度时序输入向量;122,对所述船上热源温度时序输入向量和所述甲醇燃料温度时序输入向量进行时序特征提取以得到船上热源温度时序特征向量和甲醇燃料温度时序特征向量;123,基于船上热源温度时序特征向量和所述甲醇燃料温度时序特征向量,生成分类特征矩阵;以及,124,基于所述分类特征矩阵,确定所述当前时间点的甲醇燃料的流速值的控制策略。
其中,通过获取船上热源和甲醇燃料的温度值,可以实时监测船舶系统中的热量状态。这有助于及时发现和解决温度异常或其他热量问题,确保系统的正常运行。通过记录和整理多个预定时间点的温度值,可以建立历史数据集,并进行数据分析,这些数据可以用于优化船舶系统的热量管理和燃料消耗,提高能源利用效率。通过监测甲醇燃料的温度值,可以确定当前时间点下甲醇燃料的流速值,有利于优化燃料的适配性,确保燃料的有效燃烧和最佳性能。通过控制甲醇燃料的流速值,可以调整船上热源和甲醇燃料之间的热传递关系,有利于提高换热效率,减少能量损失,降低燃料消耗。
首先,对于所述步骤121,将所述多个预定时间点的船上热源的温度值以及所述多个预定时间点的甲醇燃料的温度值分别按照时间维度排列为船上热源温度时序输入向量和甲醇燃料温度时序输入向量。也就是,通过按照时间维度排列的操作方式,将时序离散分布数据转化为结构化的向量表示,以便于作为后续模型的输入,并保留数据中时序信息。
在本申请的一个实施例中,首先,确定时间点的顺序:将多个预定时间点按照时间顺序进行排序,确保时间点的连续性和递增性。然后,对于船上热源的温度值和甲醇燃料的温度值,可以将它们分别存储在船上热源温度时序输入向量和甲醇燃料温度时序输入向量中。接着,将每个时间点的船上热源温度值按照时间顺序排列在船上热源温度时序输入向量中,同样地,将每个时间点的甲醇燃料温度值按照时间顺序排列在甲醇燃料温度时序输入向量中。最后,确保船上热源温度时序输入向量和甲醇燃料温度时序输入向量具有相同的长度,以便后续的时序特征提取和分析。
通过上述步骤,您可以将多个预定时间点的船上热源和甲醇燃料温度值按照时间维度排列为相应的时序输入向量,为后续的控制策略提供数据基础。
应可以理解,将船上热源温度和甲醇燃料温度按照时间维度排列为时序输入向量,可以实现实时监测热量状态、数据收集与分析、优化燃料适配性和提高换热效率的效果。这有助于提高船用甲醇供应系统的性能和能源利用效率。
然后,对于所述步骤122,包括:将所述船上热源温度时序输入向量通过基于一维卷积神经网络模型的温度时序特征提取器以得到所述船上热源温度时序特征向量;以及,将所述甲醇燃料温度时序输入向量通过所述基于一维卷积神经网络模型的温度时序特征提取器以得到所述甲醇燃料温度时序特征向量。
考虑到船上热源的温度和甲醇燃料的温度在时间维度上具有不同的动态变化特性。其中,船上热源温度的动态变化特性通常受到船舶的运行状态的影响。例如,在船舶启动的初始阶段,由于热源刚开始供应热能,热源温度可能相对较低。随着时间推移,船舶有更持久的热能来支持运行,热源温度可能会逐渐升高,这种温度上升是一个动态过程。而在船舶停止运行或处于低状态运行时,热源温度可能会下降。此外,热源本身的特性也会对热源温度的动态变化特性产生影响。而甲醇燃料的温度动态变化性主要取决于其在供应系统中的流动和换热过程,也具有复杂的变化规律。
基于此,在本申请的技术方案中,将所述船上热源温度时序输入向量和所述甲醇燃料温度时序输入向量分别通过基于一维卷积神经网络模型的温度时序特征提取器以得到船上热源温度时序特征向量和甲醇燃料温度时序特征向量。也就是,利用所述一维卷积神经网络模型来对所述船上热源温度时序输入向量和所述甲醇燃料温度时序输入向量分别进行时序特征提取,以捕捉局部时域内的动态变化特征信息。
通过基于一维卷积神经网络模型的温度时序特征提取器对船上热源温度时序输入向量进行处理,可以获得船上热源温度的时序特征向量。同样地,通过将甲醇燃料温度时序输入向量输入到基于一维卷积神经网络模型的温度时序特征提取器中,可以获得甲醇燃料温度的时序特征向量。这样,一方面,可以实时监测热量状态,通过提取热源温度和甲醇燃料温度的时序特征,可以实时监测船上的热量状态,这有助于及时发现任何异常情况或潜在问题,并采取相应的措施进行调整或修复。另一方面,可以进行数据收集与分析,时序特征向量提供了对热源温度和甲醇燃料温度的历史数据进行收集和分析的基础。这些数据可以用于识别温度变化的模式、趋势和周期性,从而为系统性能评估、故障诊断和预测维护提供支持。再一方面,可以优化燃料适配性,通过分析甲醇燃料温度的时序特征,可以确定最佳的燃料适配性策略,这可以提高燃料的燃烧效率、减少能源浪费,并降低对环境的影响。再一方面,可以提高换热效率,通过监测和分析热源温度的时序特征,可以更好地了解热量的传递和分配情况。这可以优化换热系统的设计和操作,提高换热效率,减少能源消耗和运行成本。
应可以理解,一维卷积神经网络模型是一种用于处理序列数据的深度学习模型。与传统的全连接神经网络不同,一维卷积神经网络在输入数据上应用一维卷积操作,以提取时序数据中的特征。
一维卷积操作通过滑动一个卷积核(也称为过滤器)在输入序列上进行局部感知,计算局部区域的特征。这样可以捕捉到输入序列中的局部模式和特征。通过堆叠多个卷积层和池化层,一维卷积神经网络可以逐渐提取更高级别的抽象特征。
一维卷积神经网络在处理时序数据时具有以下优势:1.局部感知能力,通过卷积操作,网络可以在每个时间步上对局部区域进行感知,捕捉到时序数据中的局部模式和特征。2.参数共享,卷积操作中的参数是共享的,这意味着网络可以学习到通用的特征提取器,并且在不同的时间步上共享这些参数,减少了模型的参数量。3.位置不变性,一维卷积神经网络对输入数据的平移具有不变性,这对于时序数据中的平移不敏感性非常有用。通过基于一维卷积神经网络模型的温度时序特征提取器,可以提取船上热源温度和甲醇燃料温度的时序特征向量,从而实现实时监测、数据分析、优化燃料适配性和提高换热效率等有益效果。接着,对于所述步骤123,包括:计算所述船上热源温度时序特征向量和所述甲醇燃料温度时序特征向量之间的热传递时序差分特征向量;以及,计算所述甲醇燃料温度时序特征向量相对于所述热传递时序差分特征向量的转移矩阵作为所述分类特征矩阵。
然后,计算所述船上热源温度时序特征向量和所述甲醇燃料温度时序特征向量之间的热传递时序差分特征向量,并计算所述甲醇燃料温度时序特征向量相对于所述热传递时序差分特征向量的转移矩阵作为分类特征矩阵。也就是,以差分的方式来体现船上热源温度和甲醇燃料温度之间的实时差异,并以转移矩阵的方式来体现热传递的转移过程,以刻画实时的温度差异对甲醇燃料温度的影响,反映了甲醇燃料温度与热源温度之间的实时差异变化影响甲醇燃料温度的变化的可能性,便于理解甲醇燃料温度的发展趋势。
在本申请的一个实施例中,对船上热源温度时序特征向量进行差分运算,得到热源温度时序差分特征向量,差分运算可以通过计算当前时间步与前一个时间步之间的差异来实现;对甲醇燃料温度时序特征向量进行差分运算,得到甲醇燃料温度时序差分特征向量;计算甲醇燃料温度时序特征向量相对于热传递时序差分特征向量的转移矩阵,这可以通过将甲醇燃料温度时序差分特征向量与热传递时序差分特征向量进行矩阵运算来实现。得到的转移矩阵可以作为分类特征矩阵,用于进一步的数据分析和分类任务。
然后,对于所述步骤124,包括:将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示当前时间点的甲醇燃料的流速值应增大或应减小;以及,基于所述分类结果,确定所述当前时间点的甲醇燃料的流速值的控制策略。
继而,将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示当前时间点的甲醇燃料的流速值应增大或应减小。也就是,利用分类器将所述分类特征矩阵自动地映射至对应的分类标签(即“当前时间点的甲醇燃料的流速值应增大”或“当前时间点的甲醇燃料的流速值应减小”)作为分类结果。在实际应用中,基于所述分类结果,可以确定甲醇燃料的流速值的控制策略。
可以使用各种分类器来对分类特征矩阵进行分类,例如支持向量机(SupportVector Machine,SVM)、随机森林(Random Forest)、逻辑回归(Logistic Regression)等。这些分类器可以根据分类特征矩阵的模式和关联性来预测当前时间点的甲醇燃料流速应增大还是减小。
基于分类结果,可以确定当前时间点的甲醇燃料流速值的控制策略。例如,如果分类结果表明甲醇燃料流速应增大,可以相应地调整控制系统,增加甲醇燃料的供给;如果分类结果表明甲醇燃料流速应减小,可以减少甲醇燃料的供给。这样可以实现对甲醇燃料流速的实时控制和调整,以满足船舶的需求。
所述船用甲醇供应方法,还包括训练步骤:对所述基于一维卷积神经网络模型的温度时序特征提取器和所述分类器进行训练;对基于一维卷积神经网络模型的温度时序特征提取器和分类器进行训练的目的是通过学习历史数据的模式和关联性来建立一个能够准确预测甲醇燃料流速变化的模型。通过训练一维卷积神经网络模型,可以学习到温度时序特征的抽取规律,训练过程中,模型会通过反向传播算法不断调整网络参数,使得模型能够更好地捕捉到温度时序的重要特征。通过训练分类器模型,可以学习到分类特征矩阵与甲醇燃料流速变化之间的关系。分类器会根据已知的分类结果和特征矩阵进行训练,从而建立一个能够根据特征矩阵预测甲醇燃料流速变化的模型。通过训练,模型可以逐渐提升其泛化能力,即在未见过的数据上的预测准确性。训练过程中,模型会通过反复迭代优化网络参数,使得模型能够更好地适应不同的输入数据,并能够准确地预测甲醇燃料流速的变化。训练过程中,可以使用验证集或交叉验证等方法对模型进行评估,选择最佳的模型,评估指标可以包括准确率、精确率、召回率等,通过评估可以选择最适合当前问题的模型。
通过训练基于一维卷积神经网络模型的温度时序特征提取器和分类器,可以建立一个能够准确预测甲醇燃料流速变化的模型,从而实现对船用甲醇供应的有效控制和调整。
图4为本发明实施例中提供的一种船用甲醇供应方法中步骤130的子步骤的流程图,如图4所示,所述训练步骤130,包括:131,获取训练数据,所述训练数据包括预定时间段内多个预定时间点的训练船上热源的温度值、所述多个预定时间点的训练甲醇燃料的温度值,以及,当前时间点的甲醇燃料的流速值应增大或应减小的真实值;132,将所述多个预定时间点的训练船上热源的温度值以及所述多个预定时间点的训练甲醇燃料的温度值分别按照时间维度排列为训练船上热源温度时序输入向量和训练甲醇燃料温度时序输入向量;133,将所述训练船上热源温度时序输入向量和所述训练甲醇燃料温度时序输入向量分别通过所述基于一维卷积神经网络模型的温度时序特征提取器以得到训练船上热源温度时序特征向量和训练甲醇燃料温度时序特征向量;134,计算所述训练船上热源温度时序特征向量和所述训练甲醇燃料温度时序特征向量之间的训练热传递时序差分特征向量;135,计算所述训练甲醇燃料温度时序特征向量相对于所述训练热传递时序差分特征向量的转移矩阵作为训练分类特征矩阵;136,计算所述训练分类特征矩阵的凸分解一致性因数;137,将所述训练分类特征矩阵通过分类器以得到分类损失函数值;以及,138,以所述凸分解一致性因数和所述分类损失函数值的加权和作为损失函数值,来对所述基于一维卷积神经网络模型的温度时序特征提取器和所述分类器进行训练。
这里,在计算所述甲醇燃料温度时序特征向量相对于所述热传递时序差分特征向量的转移矩阵作为所述分类特征矩阵时,是计算所述转移矩阵的每个行特征向量与所述热传递时序差分特征向量的内积,以得到所述甲醇燃料温度时序特征向量的各个特征值,因此,所述转移矩阵的各个行特征向量之间整体遵循所述甲醇燃料温度时序特征向量所表达的所述甲醇燃料的温度值的时序一维局部关联特征分布。
在这种情况下,考虑到所述转移矩阵的每个行特征向量的分布需要与所述热传递时序差分特征向量表达的所述船上热源的温度值与所述甲醇燃料的温度值的时序差分分布尽量对齐,而各个行特征向量的整体分布需要与所述甲醇燃料的温度值的时序局部关联分布对齐,因此期望所述转移矩阵在高维特征空间内的流形表达在与行方向和列方向对应的不同分布维度上保持与温度时序分布的一致性。
因此,本申请的申请人针对所述转移矩阵引入特征矩阵流形的凸分解一致性因数作为损失函数,具体表示为:以如下优化公式对所述训练分类特征矩阵引入特征矩阵流形的凸分解一致性因数作为损失函数;其中,所述优化公式为:
其中,和/>分别是所述训练分类特征矩阵对应行向量的均值向量和列向量的均值向量,/>表示向量的一范数,/>表示矩阵的Frobenius范数,/>和/>是所述训练分类特征矩阵的宽度和高度,且/>、/>和/>是权重超参数,/>表示/>函数,是所述损失函数值,/>表示按位置乘法,/>表示所述训练分类特征矩阵的第/>位置的特征值。
也就是,考虑到所述转移矩阵的行和列维度的如上所述的单独时序维度表达,所述流形凸分解一致性因数针对所述转移矩阵/>在行和列所代表的子维度上的分布差异性,通过所述转移矩阵/>所表示的特征流形的几何凸分解,来对不同维度上的流形的有限凸多面体的集合进行平展化,并以子维度关联的形状权重的形式来约束几何凸分解,从而促进所述转移矩阵/>的特征流形在行和列所代表的可分解维度上的凸几何表示的一致性,以使得所述转移矩阵在高维特征空间内的流形表达在与行方向和列方向对应的不同分布维度上保持与温度时序分布的一致,从而提升所述转移矩阵的整体表达效果,以改进所述转移矩阵通过分类器得到的分类结果的准确性。
综上,基于本发明实施例的船用甲醇供应方法100被阐明,其通过监测船上热源和甲醇燃料的实时温度,来实现对船上热源温度和甲醇燃料温度之间的热传递关系进行分析和预测,从而调整甲醇燃料的流速,以优化换热环节对甲醇燃料的适配性,并提高换热环节的效率。
图5为本发明实施例中提供的一种船用甲醇供应系统的框图。如图5所示,所述船用甲醇供应系统,包括:数据获取模块210,用于获取预定时间段内多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值;以及,控制策略确定模块220,用于基于所述多个预定时间点的船上热源的温度值和所述多个预定时间点的甲醇燃料的温度值,确定当前时间点的甲醇燃料的流速值的控制策略。
具体地,在所述船用甲醇供应系统中,所述数据获取模块,包括:船上热源的温度值获取单元,用于获取由第一温度传感器采集的所述预定时间段内多个预定时间点的船上热源的温度值;以及,甲醇燃料的温度值获取单元,用于获取由第二温度传感器采集的所述多个预定时间点的甲醇燃料的温度值。
本领域技术人员可以理解,上述船用甲醇供应系统中的各个步骤的具体操作已经在上面参考图1到图4的船用甲醇供应方法的描述中得到了详细介绍,并因此,将省略其重复描述。
如上所述,根据本发明实施例的船用甲醇供应系统100可以实现在各种终端设备中,例如用于船用甲醇供应的服务器等。在一个示例中,根据本发明实施例的船用甲醇供应系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如,该船用甲醇供应系统100可以是该终端设备的操作系统中的一个软件模块,或者可以是针对于该终端设备所开发的一个应用程序;当然,该船用甲醇供应系统100同样可以是该终端设备的众多硬件模块之一。
替换地,在另一示例中,该船用甲醇供应系统100与该终端设备也可以是分立的设备,并且该船用甲醇供应系统100可以通过有线和/或无线网络连接到该终端设备,并且按照约定的数据格式来传输交互信息。
图6为本发明实施例中提供的一种船用甲醇供应方法的应用场景图。如图6所示,在该应用场景中,首先,获取预定时间段内多个预定时间点的船上热源的温度值(例如,如图6中所示意的C1)和所述多个预定时间点的甲醇燃料的温度值(例如,如图6中所示意的C2);然后,将获取的船上热源的温度值和甲醇燃料的温度值输入至部署有船用甲醇供应算法的服务器(例如,如图6中所示意的S)中,其中所述服务器能够基于船用甲醇供应算法对所述船上热源的温度值和所述甲醇燃料的温度值进行处理,以确定当前时间点的甲醇燃料的流速值的控制策略。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。