KR101914770B1 - 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법 - Google Patents
선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법 Download PDFInfo
- Publication number
- KR101914770B1 KR101914770B1 KR1020170091953A KR20170091953A KR101914770B1 KR 101914770 B1 KR101914770 B1 KR 101914770B1 KR 1020170091953 A KR1020170091953 A KR 1020170091953A KR 20170091953 A KR20170091953 A KR 20170091953A KR 101914770 B1 KR101914770 B1 KR 101914770B1
- Authority
- KR
- South Korea
- Prior art keywords
- ship
- evaluation index
- data
- approximate model
- generation
- Prior art date
Links
Images
Classifications
-
- G06F17/5009—
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06F2217/16—
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 선박의 에너지효율 예측 시스템에 관한 것으로, 본 발명은 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성하는 표준데이터 생성부; 상기 선박의 에너지효율과 연관된 평가지표에 대해 상기 표준데이터의 민감도를 각각 평가하여 상기 평가지표에 대한 주요변수를 추출하는 주요변수 추출부; 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 상기 근사모델의 생성모형을 결정하는 생성모형 결정부; 및 상기 평가지표에 대한 주요변수를 입력받아 상기 특정 생성기법을 이용하여 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성부를 포함하는 것을 특징으로 한다.
Description
본 발명은 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법에 관한 발명으로, 보다 상세하게는 선박의 운항 시 수집되는 선박데이터를 분석하여 선박의 에너지효율을 예측할 수 있는 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법에 관한 것이다.
선박은 운항 중 에너지를 소비하게 되는데, 최근 최적의 에너지효율로 선박을 운항하기 위한 연구가 진행되고 있다.
에너지효율을 향상시키기 위한 방법으로 운항조건에 따라 최적 운항조건을 산출하는 방법이 선행기술인 대한민국 등록특허공보 제10-1042334호(2011.06.10 공고)에 개시되어 있는데, 해당 공보에는 선박 사양, 운항 데이터, RPM 데이터를 포함하는 기준 데이터를 이용하여, 운항 조건별 선박의 에너지 효율 최적화를 구현할 수 있는 방법이 개시되어 있다.
다만, 운항 조건별 에너지효율을 최적화하는 과정에서, 선박의 트림 조건이 에너지 절감에 중요한 요소인데, 선행기술은 해당 조건을 배제하고 선박의 에너지효율 최적화를 구현하는 것은 큰 의미가 없고, 또한 선행기술에서 사용된 운항 조건 데이터는 단순히 계산을 통하여 산출된 이상적인 데이터일 뿐, 실제 데이터가 아니므로 실제의 운항에 이용되는 데이터와 오차가 발생할 수 있으므로 계산된 에너지보다 더 많은 에너지가 소모될 수 있는 문제점이 있다.
이에 본 출원인은 선박의 에너지효율을 향상시키기 위해, 선박의 운항 중 수집되는 다양한 선박데이터가 선박의 에너지효율과 관련된 지표에 영향을 미치는 정도를 파악하여 선박의 에너지효율을 예측할 수 있는 에너지효율 예측 시스템을 발명하였다.
본 발명은 상기한 바와 같은 문제를 해결하기 위해 발명된 것으로, 선박의 운항 시 수집되는 다양한 선박데이터를 분석하여 해당 선박데이터가 선박의 에너지효율과 관련된 지표에 영향을 미치는 정도를 파악하여 선박의 에너지효율을 예측함으로써 선박의 에너지효율을 향상시킬 수 있는 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법을 제공하는데 그 목적이 있다.
상기한 바와 같은 목적을 달성하기 위한 본 발명에 따른 선박의 에너지효율 예측 시스템은 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성하는 표준데이터 생성부; 상기 선박의 에너지효율과 연관된 평가지표에 대해 상기 표준데이터의 민감도를 각각 평가하여 상기 평가지표에 대한 주요변수를 추출하는 주요변수 추출부; 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 상기 근사모델의 생성모형을 결정하는 생성모형 결정부; 및 상기 평가지표에 대한 주요변수를 입력받아 상기 특정 생성기법을 이용하여 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성부를 포함하는 것을 특징으로 한다.
또한, 상기 표준데이터 생성부는, 상기 선박의 운항 중 선박 내부 및 외부에서 각각 발생하는 선박데이터를 수집하는 데이터 수집모듈; 상기 데이터 수집모듈에서 수집된 선박데이터의 형식을 분석하는 데이터 분석모듈; 및 상기 데이터 분석모듈에서 분석된 상기 선박데이터의 형식이 기설정된 표준 데이터 형식이 아닌 경우, 해당 선박 데이터의 형식을 표준 데이터 형식으로 변환하는 데이터 변환모듈을 포함할 수 있다.
또한, 상기 표준 데이터 생성부는, 상기 선박의 에너지효율과 관련된 지표변수를 선정하여 상기 선박데이터에 추가하는 지표변수 추가모듈을 더 포함할 수 있다.
또한, 상기 주요변수 추출부는, 상기 선박의 에너지효율과 연관된 평가지표를 선정하는 평가지표 선정모듈; 상기 평가지표에 대한 각각의 표준데이터의 영향도를 평가하는 민감도 분석모듈; 및 상기 평가지표에 대한 영향도가 기설정된 기준값 이상인 표준데이터를 해당 평가지표에 대한 주요변수로 추출하는 주요변수 추출모듈을 포함할 수 있다.
또한, 상기 생성모형 결정부는, 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법을 탐색하는 생성기법 탐색모듈; 상기 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교하는 생성기법 비교모듈; 및 상기 근사모델 생성기법 중 수렴성이 가장 큰 근사모델 생성기법을 상기 근사모델에 대한 최적생성기법으로 선정하여 상기 근사모델의 생성모형을 결정하는 생성기법 선정모듈을 포함할 수 있다.
또한, 상기 생성기법 비교모듈은, 상기 주요변수 중 한 개의 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교할 수 있다.
또한, 상기 근사모델 생성부는, 상기 평가지표에 대한 주요변수 중 상기 선박의 제1 운항구간에 대응하는 제1 주요변수를 입력받는 제1 데이터 입력모듈; 및 상기 제1 데이터 입력모듈에 입력된 제1 주요변수를 이용하여 상기 최적생성기법을 통해 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성모듈을 포함할 수 있다.
또한, 본 발명은 상기 근사모델에 의해 예측된 평가지표의 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 비교하여 상기 근사모델의 정확성을 검증하는 근사모델 검증부를 더 포함할 수 있다.
또한, 상기 근사모델 검증부는, 상기 평가지표에 대한 주요변수 중 상기 선박의 제2 운항구간에 대응하는 제2 주요변수를 입력받는 제2 데이터 입력모듈; 상기 제2 주요변수를 상기 근사모델에 입력하여 상기 평가지표에 대한 예측값을 계산하는 예측값 계산모듈; 및 상기 평가지표에 대한 예측값과, 실제 선박 운항시 측정된 상기 평가지표의 실측값을 서로 비교하여 상기 근사모델의 정확성을 검증하는 모델 검증모듈을 포함할 수 있다.
또한, 본 발명에 따른 선박의 에너지효율 예측 방법은 표준데이터 생성부가 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성하는 표준데이터 생성 단계; 주요변수 추출부가 상기 선박의 에너지효율과 연관된 평가지표에 대해 상기 표준데이터의 민감도를 각각 평가하여 상기 평가지표에 대한 주요변수를 추출하는 주요변수 추출단계; 생성모형 결정부가 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 근사모델의 생성모형을 결정하는 생성모형 결정단계; 근사모델 생성부가 상기 평가지표에 대한 주요변수를 입력받아 상기 특정 생성기법을 이용하여 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성단계; 및 근사모델 검증부가 상기 근사모델에 의해 예측된 평가지표의 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 비교하여 상기 근사모델의 정확성을 검증하는 근사모델 검증단계를 포함하는 것을 특징으로 한다.
또한, 상기 표준데이터 생성 단계는, 데이터 수집모듈이 상기 선박의 운항 중 선박 내부 및 외부에서 각각 발생하는 선박데이터를 수집하는 데이터 수집공정; 데이터 분석모듈이 상기 데이터 수집모듈에서 수집된 선박데이터의 형식을 분석하는 데이터 분석공정; 및 데이터 변환모듈이 상기 데이터 분석모듈에서 분석된 상기 선박데이터의 형식이 기설정된 표준 데이터 형식이 아닌 경우, 해당 선박 데이터의 형식을 표준 데이터 형식으로 변환하는 데이터 변환공정을 포함할 수 있다.
또한, 상기 주요변수 추출단계는, 평가지표 선정모듈이 상기 선박의 에너지효율과 연관된 평가지표를 선정하는 평가지표 선정공정; 민감도 분석모듈이 상기 평가지표에 대한 각각의 표준데이터의 영향도를 평가하는 민감도 분석공정; 및 주요변수 추출모듈이 상기 평가지표에 대한 영향도가 기설정된 기준값 이상인 표준데이터를 상기 평가지표에 대한 주요변수로 추출하는 주요변수 추출공정을 포함할 수 있다.
또한, 상기 생성모형 결정단계는, 생성기법 탐색모듈이 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법을 탐색하는 생성기법 탐색공정; 생성기법 비교모듈이 상기 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교하는 생성기법 비교공정; 및 생성기법 선정모듈이 상기 근사모델 생성기법 중 수렴성이 가장 큰 근사모델 생성기법을 상기 근사모델에 대한 최적생성기법으로 선정하여 상기 근사모델의 생성모형을 결정하는 생성기법 선정공정을 포함할 수 있다.
또한, 상기 근사모델 생성단계는, 제1 데이터 입력모듈이 상기 평가지표에 대한 주요변수 중 상기 선박의 제1 운항구간에 대응하는 제1 주요변수를 입력받는 제1 데이터 입력공정; 및 근사모델 생성모듈이 상기 제1 데이터 입력모듈에 입력된 제1 주요변수를 이용하여 상기 최적생성기법을 통해 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성공정을 포함할 수 있다.
아울러, 상기 근사모델 검증단계는, 제2 데이터 입력모듈이 상기 평가지표에 대한 주요변수 중 상기 선박의 제2 운항구간에 대응하는 제2 주요변수를 입력받는 제2 데이터 입력공정; 예측값 계산모듈이 상기 제2 주요변수를 상기 근사모델에 입력하여 상기 평가지표에 대한 예측값을 계산하는 예측값 계산공정; 및 모델 검증모듈이 상기 평가지표에 대한 예측값과, 실제 선박 운항시 측정된 상기 평가지표의 실측값을 서로 비교하여 상기 근사모델의 정확성을 검증하는 모델 검증공정을 포함할 수 있다.
상기한 바와 같이 본 발명에 따른 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법에 의하면, 선박의 운항 시 수집되는 다양한 선박데이터를 분석하여 해당 선박데이터가 선박의 에너지효율과 관련된 지표에 영향을 미치는 정도를 파악하여 선박의 에너지효율을 예측함으로써 선박의 에너지효율을 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 따르면, 선박의 운항 상황에 따른 에너지효율을 실시간으로 파악하여 운항 성능을 향상시킬 수 있는 효과가 있다.
아울러, 선박의 에너지효율 관련 각각의 평가지표에 대해 연관성이 큰 데이터를 주요변수로 추출함으로써 선박의 에너지효율에 대한 모델 생성시간 및 적용 시간을 단축시킬 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 시스템의 제 1구성도이다.
도 2는 본 발명에 따른 표준데이터 생성부의 제 1구성도이다.
도 3은 본 발명에 따른 표준데이터 생성부의 제 2구성도이다.
도 4는 본 발명에 따른 주요변수 추출부의 구성도이다.
도 5a 내지 도 5i는 본 발명의 민감도 분석모듈에서 평가한 각각의 평가지표에 대한 표준데이터의 영향도를 보여주는 도이다.
도 6은 본 발명에 따른 생성모형 결정부의 구성도이다.
도 7은 본 발명의 생성기법 비교모듈에서 비교한 근사모델 생성기법의 수렴성 비교 결과를 보여주는 도이다.
도 8은 본 발명에 따른 근사모델 생성부의 구성도이다.
도 9는 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 시스템의 제 2구성도이다.
도 10은 본 발명에 따른 근사모델 검증부의 구성도이다.
도 11a 내지 도 11i는 본 발명의 모델 검증모듈에서 비교한 각각의 평가지표에 대한 예측값과 실측값의 비교 결과를 보여주는 도이다.
도 12는 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 방법의 블록도이다.
도 13은 본 발명에 따른 표준데이터 생성단계의 블록도이다.
도 14는 본 발명에 따른 주요변수 추출단계의 블록도이다.
도 15는 본 발명에 따른 생성모형 결정단계의 블록도이다.
도 16은 본 발명에 따른 근사모델 생성단계의 블록도이다.
도 17은 본 발명에 따른 근사모델 검증단계의 블록도이다.
도 2는 본 발명에 따른 표준데이터 생성부의 제 1구성도이다.
도 3은 본 발명에 따른 표준데이터 생성부의 제 2구성도이다.
도 4는 본 발명에 따른 주요변수 추출부의 구성도이다.
도 5a 내지 도 5i는 본 발명의 민감도 분석모듈에서 평가한 각각의 평가지표에 대한 표준데이터의 영향도를 보여주는 도이다.
도 6은 본 발명에 따른 생성모형 결정부의 구성도이다.
도 7은 본 발명의 생성기법 비교모듈에서 비교한 근사모델 생성기법의 수렴성 비교 결과를 보여주는 도이다.
도 8은 본 발명에 따른 근사모델 생성부의 구성도이다.
도 9는 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 시스템의 제 2구성도이다.
도 10은 본 발명에 따른 근사모델 검증부의 구성도이다.
도 11a 내지 도 11i는 본 발명의 모델 검증모듈에서 비교한 각각의 평가지표에 대한 예측값과 실측값의 비교 결과를 보여주는 도이다.
도 12는 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 방법의 블록도이다.
도 13은 본 발명에 따른 표준데이터 생성단계의 블록도이다.
도 14는 본 발명에 따른 주요변수 추출단계의 블록도이다.
도 15는 본 발명에 따른 생성모형 결정단계의 블록도이다.
도 16은 본 발명에 따른 근사모델 생성단계의 블록도이다.
도 17은 본 발명에 따른 근사모델 검증단계의 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명한다. 우선, 도면들 중 동일한 구성요소 또는 부품들은 가능한 한 동일한 참조부호를 나타내고 있음에 유의해야 한다. 본 발명을 설명함에 있어서 관련된 공지기능 혹은 구성에 대한 구체적인 설명은 본 발명의 요지를 모호하게 하지 않기 위해 생략한다.
도 1은 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 시스템의 제 1구성도이다.
본 발명에 따른 선박의 에너지효율 예측 시스템은 도 1에 도시된 바와 같이, 표준데이터 생성부(100), 주요변수 추출부(200), 생성모형 결정부(300) 및 근사모델 생성부(400)를 포함한다.
상기 표준데이터 생성부(100)는 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성할 수 있다.
도 2는 본 발명에 따른 표준데이터 생성부의 제 1구성도이다.
구체적으로, 상기 표준데이터 생성부(100)는 도 2에 도시된 바와 같이, 데이터 수집모듈(110), 데이터 분석모듈(120) 및 데이터 변환모듈(130)을 포함할 수 있다.
상기 데이터 수집모듈(110)은 선박의 운항 중 선박 내부 및 외부에서 각각 발생하는 선박데이터를 수집할 수 있다.
구체적으로, 상기 데이터 수집모듈(110)은 선박데이터 중 내부 데이터로 항해일지, GPS 관련 데이터 및 선박 구동 데이터를 수집할 수 있고, 또한 외부 데이터로 기상 데이터 및 해양 데이터를 수집할 수 있다.
상기 데이터 분석모듈(120)은 데이터 수집모듈에서 수집된 선박데이터의 형식을 분석할 수 있다.
구체적으로, 상기 데이터 분석모듈(120)은 데이터 수집모듈에서 수집된 내부 데이터 및 외부 데이터의 형식이 통계 기법을 이용하기 위한 숫자 데이터인지 여부를 분석할 수 있다.
상기 데이터 변환모듈(130)은 데이터 분석모듈에서 분석된 선박데이터의 형식이 기설정된 표준 데이터 형식이 아닌 경우, 해당 선박 데이터의 형식을 표준 데이터 형식으로 변환할 수 있다.
구체적으로, 상기 데이터 변환모듈(130)은 데이터 분석모듈에서 분석된 선박데이터의 형식이 비 숫자 데이터 형식인 경우, 데이터 분할 또는 데이터 치환의 방법으로 해당 선박데이터를 숫자 데이터 형식을 변환할 수 있다.
이때, 상기 데이터 변환모듈(130)은 선박데이터를 숫자 데이터 형식으로 변환시키는 과정에서, 해당 선박데이터를 변환시키기 어려운 경우 선박데이터를 삭제할 수 있다.
이처럼, 본원발명의 표준데이터 생성부(100)는 선박의 운항 중 선박 내외부에서 각각 수집된 다양한 데이터를 모두 고려하여 에너지 효율을 향상시키기 위한 데이터 분석을 위해, 다양한 데이터를 공통의 표준화된 형식인 하나의 데이터 형식으로 변환할 수 있다.
도 3은 본 발명에 따른 표준데이터 생성부의 제 2구성도이다.
한편, 본 발명에 따른 표준데이터 생성부(100)는 도 3에 도시된 바와 같이, 지표변수 추가모듈(140)을 더 포함할 수 있는데, 이러한 지표변수 추가모듈(140)은 선박의 에너지효율과 관련된 지표변수를 선정하여 선박데이터에 추가할 수 있다.
구체적으로, 상기 지표변수 추가모듈(140)은 에너지효율, 즉 연료소비율과 관련된 지표변수로, 하기의 [표 1]과 같이, Ship fuel oil consumption, Fuel oil consumption, Daily Bunker 소모량, 엔진성능효율 및 1해리당 연료소모량을 선정하여 선박데이터에 추가할 수 있다.
| 추가 변수 | 단위 |
| Ship fuel oil consumption | g/kWh |
| Fuel oil consumption | l/h |
| Daily Bunker 소모량 | t/day |
| 엔진성능효율 | kw/nm |
| 1해리당 연료소모량 | g/nm |
상기 주요변수 추출부(200)는 선박의 에너지효율과 연관된 평가지표에 대해 표준데이터의 민감도를 각각 평가하여 평가지표에 대한 주요변수를 추출할 수 있다.
도 4는 본 발명에 따른 주요변수 추출부의 구성도이다.
구체적으로, 상기 주요변수 추출부(200)는 도 4에 도시된 바와 같이, 평가지표 선정모듈(210), 민감도 분석모듈(220) 및 주요변수 추출모듈(230)을 포함할 수 있다.
상기 평가지표 선정모듈(210)은 선박의 에너지효율과 연관된 평가지표를 선정할 수 있다.
구체적으로, 상기 평가지표 선정모듈(210)은 선박의 에너지효율을 직접적으로 나타내는 대수속도, 대지속도, main engine RPM, 엔진출력, Ship fuel oil consumption, Fuel oil consumption, Daily Bunker 소모량, 엔진성능효율 및 1해리당 연료소모량을 평가지표로 선정할 수 있다.
상기 민감도 분석모듈(220)은 평가지표에 대한 각각의 표준데이터의 영향도를 평가할 수 있다.
상기 표준데이터는 에너지효율과 연관성이 있는 데이터가 있는 반면, 연관성이 없는 데이터가 상당수 있을 수 있는데, 이러한 연관성이 없는 데이터는 에너지효율에 대한 효율적이고 정확한 분석 결과를 얻기 위해 선별될 필요가 있다.
도 5a 내지 도 5i는 본 발명의 민감도 분석모듈에서 평가한 각각의 평가지표에 대한 표준데이터의 영향도를 보여주는 도이다.
상기 민감도 분석모듈(220)은 다양한 평가지표에 대한 각각의 표준데이터와의 연관성을 정량화하여 영향도를 평가할 수 있는데, 이러한 민감도 분석모듈(220)은 Sobol indices(FAST method, CSTA method, EAST method)를 이용하여, 도 5a 내지 도 5i에 도시된 바와 같이, 각각의 평가지표에 대한 각 표준데이터의 영향도를 지수로 표현할 수 있다.
상기 주요변수 추출모듈(230)은 상기 평가지표에 대한 영향도가 기설정된 기준값 이상인 표준데이터를 해당 평가지표에 대한 주요변수로 추출할 수 있다.
구체적으로, 상기 주요변수 추출모듈(230)은 민감도 분석모듈에서 평가된 각각의 평가지표에 대한 지수로 각 표준데이터의 영향도를 판별할 수 있는데, 이러한 주요변수 추출모듈(230)은 각각의 평가지표에 설정된 기준값 미만인 표준데이터는 제외하고, 해당 기준값 이상인 표준데이터만을 해당 평가지표에 대한 주요변수로 추출할 수 있다.
여기서, 평가지표인 1해리당 연료소비량, 엔진성능효율, 엔진출력, RPM은 각각 비슷한 주요변수가 추출되는데, 엔진출력 및 RPM은 구조상 밀접한 관계를 가지는 시스템으로 설계되고, 또한 1해리당 연료소비량 및 엔진성능효율은 계산식에 사용되는 동일한 변수가 포함되므로 비슷한 주요변수가 추출될 수 있다.
한편, 주요변수를 추출하기 위한 기준값을 모든 평가지표에 동일하게 적용할 경우, 예를 들어 특정 평가지표에 연관성이 없는 표준데이터만이 존재하여 해당 평가지표에 대한 주요변수를 추출할 수 없는 경우가 발생할 수 있는데, 본원발명에서는 이러한 문제점을 방지하기 위해, 각각의 평가지표에 따라 선별기준을 달리 적용하여 기준값을 서로 상이하게 설정할 수 있다.
상기 생성모형 결정부(300)는 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 상기 근사모델의 생성모형을 결정할 수 있다.
도 6은 본 발명에 따른 생성모형 결정부의 구성도이다.
구체적으로, 상기 생성모형 결정부(300)는 도 6에 도시된 바와 같이, 생성기법 탐색모듈(310), 생성기법 비교모듈(320) 및 생성기법 선정모듈(330)을 포함할 수 있다.
상기 생성기법 탐색모듈(310)은 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법을 탐색할 수 있다.
구체적으로, 상기 생성기법 탐색모듈(310)은 근사모델 생성기법으로 Gradient Boosted Regression Trees, Gaussian Processes, High Dimensional Approximation, High Dimensional Approximation combined with Gaussian Processes, Incomplete Tensor Products of Approximations, Mixture of Approximators, Piecewise Linear Approximation, Response Surface Model, Sparse Gaussian Process, Tensor Products of Approximations, Tensored Gaussian Processes을 각각 탐색할 수 있다.
상기 생성기법 비교모듈(320)은 상기 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교할 수 있다.
구체적으로, 상기 생성기법 비교모듈(320)은 일정 샘플을 이용하여 데이터 집합의 적합성을 판단할 수 있는 Smartselection 기능을 적용하여 각 주요변수에 대한 근사모델을 생성할 수 있다.
도 7은 본 발명의 생성기법 비교모듈에서 비교한 근사모델 생성기법의 수렴성 비교 결과를 보여주는 도이다.
즉, 상기 생성기법 비교모듈(320)은 복수의 주요변수 중 한 개의 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교할 수 있고, 그 결과, 도 7에 도시된 바와 같이, Smartselection에서 선정한 HDA기법이 가장 수렴성이 좋은 근사모델 생성기법으로 평가할 수 있다.
상기 생성기법 선정모듈(330)은 상기 근사모델 생성기법 중 수렴성이 가장 큰 근사모델 생성기법, 즉 Smartselection에서 선정한 HDA기법을 상기 근사모델에 대한 최적생성기법으로 선정하여 상기 근사모델의 생성모형을 결정할 수 있다.
상기 근사모델 생성부(400)는 평가지표에 대한 주요변수를 입력받아 특정 생성기법을 이용하여 평가지표에 대한 근사모델을 생성할 수 있다.
도 8은 본 발명에 따른 근사모델 생성부의 구성도이다.
구체적으로, 상기 근사모델 생성부(400)는 도 8에 도시된 바와 같이, 제1 데이터 입력모듈(410) 및 근사모델 생성모듈(420)을 포함할 수 있다.
상기 제1 데이터 입력모듈(410)은 평가지표에 대한 주요변수 중 선박의 제1 운항구간에 대응하는 제1 주요변수를 입력받을 수 있다.
구체적으로, 상기 제1 데이터 입력모듈(410)은 선박의 전체 운항구간 중 제1 운항구간과 대응하는 제1 시간에 대응하는 주요변수를 입력받을 수 있다.
상기 근사모델 생성모듈(420)은 제1 데이터 입력모듈에 입력된 제1 주요변수를 이용하여 최적생성기법을 통해 평가지표에 대한 근사모델을 생성할 수 있다.
구체적으로, 상기 근사모델 생성모듈(420)은 제1 시간에 대응하는 주요변수를 입력받은 후, 생성기법 선정모듈이 선정한 HDA기법을 이용하여 각각의 평가지표에 대한 근사모델을 생성할 수 있다.
도 9는 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 시스템의 제 2구성도이다.
한편, 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 시스템은 도 9에 도시된 바와 같이, 근사모델 검증부(500)를 더 포함하는데, 이러한 근사모델 검증부(500)는 근사모델에 의해 예측된 평가지표의 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 비교하여 상기 근사모델의 정확성을 검증할 수 있다.
도 10은 본 발명에 따른 근사모델 검증부의 구성도이다.
구체적으로, 상기 근사모델 검증부(500)는 도 10에 도시된 바와 같이, 제2 데이터 입력모듈(510), 예측값 계산모듈(520) 및 모델 검증모듈(530)을 포함할 수 있다.
상기 제2 데이터 입력모듈(510)은 평가지표에 대한 주요변수 중 선박의 제2 운항구간에 대응하는 제2 주요변수를 입력받을 수 있다.
구체적으로, 제2 데이터 입력모듈(510)은 선박의 전체 운항구간 중 제2 운항구간과 대응하는 제2 시간에 대응하는 주요변수를 입력받을 수 있는데, 이처럼, 제2 데이터 입력모듈(510)은 근사모델의 생성시 사용한 일정 구간의 데이터가 아닌, 근사모델 생성시 사용하지 않은 다른 구간의 데이터를 입력받을 수 있다.
상기 예측값 계산모듈(520)은 제2 주요변수를 근사모델에 입력하여 평가지표에 대한 예측값을 계산할 수 있다.
도 11a 내지 도 11i는 본 발명의 모델 검증모듈에서 비교한 각각의 평가지표에 대한 예측값과 실측값의 비교 결과를 보여주는 도이다.
상기 모델 검증모듈(530)은 상기 평가지표에 대한 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 서로 비교하여 근사모델의 정확성을 검증할 수 있다.
여기서, 비교 구간은 운항조건이 불규칙하고 변화폭이 큰 부분으로, 도 11a 내지 도 11i에 도시된 바와 같이, 각각의 평가지표에서 근사모델의 예측값과 실제 실측값이 거의 일치함을 알 수 있다.
이하, 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 방법을 상세히 설명한다.
도 12는 본 발명의 일 실시예에 따른 선박의 에너지효율 예측 방법의 블록도이다.
본 발명에 따른 선박의 에너지효율 예측 방법은 도 12에 도시된 바와 같이, 표준데이터 생성 단계(S10), 주요변수 추출단계(S20), 생성모형 결정단계(S30), 근사모델 생성단계(S40) 및 근사모델 검증단계(S50)를 포함한다.
도 13은 본 발명에 따른 표준데이터 생성단계의 블록도이다.
상기 표준데이터 생성 단계(S10)는 표준데이터 생성부(100)가 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성하는 단계로, 상기 표준데이터 생성 단계(S10)는 도 13에 도시된 바와 같이, 데이터 수집공정(S11), 데이터 분석공정(S12) 및 데이터 변환공정(S13)을 포함할 수 있다.
구체적으로, 상기 데이터 수집공정(S11)에서는 데이터 수집모듈(110)이 선박의 운항 중 선박 내부 및 외부에서 각각 발생하는 선박데이터를 수집할 수 있고, 또한, 상기 데이터 분석공정(S12)에서는 데이터 분석모듈(120)이 데이터 수집모듈에서 수집된 선박데이터의 형식을 분석할 수 있으며, 아울러, 상기 데이터 변환공정(S13)에서는 데이터 변환모듈(130)이 데이터 분석모듈에서 분석된 선박데이터의 형식이 기설정된 표준 데이터 형식이 아닌 경우, 해당 선박 데이터의 형식을 표준 데이터 형식으로 변환할 수 있다.
도 14는 본 발명에 따른 주요변수 추출단계의 블록도이다.
상기 주요변수 추출단계(S20)는 주요변수 추출부(200)가 선박의 에너지효율과 연관된 평가지표에 대해 표준데이터의 민감도를 각각 평가하여 평가지표에 대한 주요변수를 추출하는 단계로, 상기 주요변수 추출단계(S20)는 도 14에 도시된 바와 같이, 평가지표 선정공정(S21), 민감도 분석공정(S22) 및 주요변수 추출공정(S23)을 포함할 수 있다.
구체적으로, 상기 평가지표 선정공정(S21)에서는 평가지표 선정모듈(210)이 선박의 에너지효율과 연관된 평가지표를 선정할 수 있고, 또한, 민감도 분석공정(S22)에서는 민감도 분석모듈(220)이 평가지표에 대한 각각의 표준데이터의 영향도를 평가할 수 있으며, 아울러, 주요변수 추출공정(S23)에서는 주요변수 추출모듈(230)이 평가지표에 대한 영향도가 기설정된 기준값 이상인 표준데이터를 평가지표에 대한 주요변수로 추출할 수 있다.
도 15는 본 발명에 따른 생성모형 결정단계의 블록도이다.
상기 생성모형 결정단계(S30)는 생성모형 결정부(300)가 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 근사모델의 생성모형을 결정하는 단계로, 상기 생성모형 결정단계(S30)는 도 15에 도시된 바와 같이, 생성기법 탐색공정(S31), 생성기법 비교공정(S32) 및 생성기법 선정공정(S33)을 포함할 수 있다.
구체적으로, 상기 생성기법 탐색공정(S31)에서는 생성기법 탐색모듈(310)이 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법을 탐색할 수 있고, 또한, 생성기법 비교공정(S32)에서는 생성기법 비교모듈(320)이 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교할 수 있으며, 아울러, 생성기법 선정공정(S33)에서는 생성기법 선정모듈(330)이 근사모델 생성기법 중 수렴성이 가장 큰 근사모델 생성기법을 근사모델에 대한 최적생성기법으로 선정하여 근사모델의 생성모형을 결정할 수 있습니다.
도 16은 본 발명에 따른 근사모델 생성단계의 블록도이다.
상기 근사모델 생성단계(S40)는 근사모델 생성부(400)가 평가지표에 대한 주요변수를 입력받아 특정 생성기법을 이용하여 평가지표에 대한 근사모델을 생성하는 단계로, 상기 근사모델 생성단계(S40)는 도 15에 도시된 바와 같이, 제1 데이터 입력공정(S41) 및 근사모델 생성공정(S42)을 포함할 수 있다.
구체적으로, 상기 제1 데이터 입력공정(S41)에서는 제1 데이터 입력모듈(410)이 평가지표에 대한 주요변수 중 선박의 제1 운항구간에 대응하는 제1 주요변수를 입력받을 수 있고, 또한, 근사모델 생성공정(S42)에서는 근사모델 생성모듈(420)이 제1 데이터 입력모듈에 입력된 제1 주요변수를 이용하여 최적생성기법을 통해 평가지표에 대한 근사모델을 생성할 수 있습니다.
도 17은 본 발명에 따른 근사모델 검증단계의 블록도이다.
상기 근사모델 검증단계(S50)는 근사모델 검증부(500)가 근사모델에 의해 예측된 평가지표의 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 비교하여 근사모델의 정확성을 검증하는 단계로, 상기 근사모델 검증단계(S50)는 도 17에 도시된 바와 같이, 제2 데이터 입력공정(S51), 예측값 계산공정(S52) 및 모델 검증공정(S53)을 포함할 수 있다.
구체적으로, 상기 제2 데이터 입력공정(S51)에서는 제2 데이터 입력모듈(510)이 평가지표에 대한 주요변수 중 선박의 제2 운항구간에 대응하는 제2 주요변수를 입력받을 수 있고, 또한, 예측값 계산공정(S52)에서는 예측값 계산모듈(520)이 제2 주요변수를 근사모델에 입력하여 평가지표에 대한 예측값을 계산할 수 있으며, 상기 모델 검증공정(S53)에서는 모델 검증모듈이 평가지표에 대한 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 서로 비교하여 근사모델의 정확성을 검증할 수 있습니다.
상기한 바와 같이 본 발명에 따르면, 선박의 운항 시 수집되는 다양한 선박데이터를 분석하여 해당 선박데이터가 선박의 에너지효율과 관련된 지표에 영향을 미치는 정도를 파악하여 선박의 에너지효율을 예측함으로써 선박의 에너지효율을 향상시킬 수 있고, 또한, 선박의 운항 상황에 따른 에너지효율을 실시간으로 파악하여 운항 성능을 향상시킬 수 있으며, 아울러, 선박의 에너지효율 관련 각각의 평가지표에 대해 연관성이 큰 데이터를 주요변수로 추출함으로써 선박의 에너지효율에 대한 모델 생성시간 및 적용 시간을 단축시킬 수 있습니다.
이상과 같이 본 발명에 따른 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법을 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상 범위 내에서 당업자에 의해 다양한 변형이 이루어질 수 있음은 물론이다.
100:표준데이터 생성부 110:데이터 수집모듈
120:데이터 분석모듈 130:데이터 변환모듈
140:지표변수 추가모듈 200:주요변수 추출부
210:평가지표 선정모듈 220:민감도 분석모듈
230:주요변수 추출모듈 300:생성모형 결정부
310:생성기법 탐색모듈 320:생성기법 비교모듈
330:생성기법 선정모듈 400:근사모델 생성부
410:제1 데이터 입력모듈 420:근사모델 생성모듈
500:근사모델 검증부 510:제2 데이터 입력모듈
520:예측값 계산모듈 530:모델 검증모듈
S10:표준데이터 생성 단계 S11:데이터 수집공정
S12:데이터 분석공정 S13:데이터 변환공정
S20:주요변수 추출단계 S21:평가지표 선정공정
S22:민감도 분석공정 S23:주요변수 추출공정
S30:생성모형 결정단계 S31:생성기법 탐색공정
S32:생성기법 비교공정 S33:생성기법 선정공정
S40:근사모델 생성단계 S41:제1 데이터 입력공정
S42:근사모델 생성공정 S50:근사모델 검증단계
S51:제2 데이터 입력공정 S52:예측값 계산공정
S53:모델 검증공정
120:데이터 분석모듈 130:데이터 변환모듈
140:지표변수 추가모듈 200:주요변수 추출부
210:평가지표 선정모듈 220:민감도 분석모듈
230:주요변수 추출모듈 300:생성모형 결정부
310:생성기법 탐색모듈 320:생성기법 비교모듈
330:생성기법 선정모듈 400:근사모델 생성부
410:제1 데이터 입력모듈 420:근사모델 생성모듈
500:근사모델 검증부 510:제2 데이터 입력모듈
520:예측값 계산모듈 530:모델 검증모듈
S10:표준데이터 생성 단계 S11:데이터 수집공정
S12:데이터 분석공정 S13:데이터 변환공정
S20:주요변수 추출단계 S21:평가지표 선정공정
S22:민감도 분석공정 S23:주요변수 추출공정
S30:생성모형 결정단계 S31:생성기법 탐색공정
S32:생성기법 비교공정 S33:생성기법 선정공정
S40:근사모델 생성단계 S41:제1 데이터 입력공정
S42:근사모델 생성공정 S50:근사모델 검증단계
S51:제2 데이터 입력공정 S52:예측값 계산공정
S53:모델 검증공정
Claims (15)
- 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성하는 표준데이터 생성부;
상기 선박의 에너지효율과 연관된 평가지표에 대해 상기 표준데이터의 민감도를 각각 평가하여 상기 평가지표에 대한 주요변수를 추출하는 주요변수 추출부;
상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 상기 근사모델의 생성모형을 결정하는 생성모형 결정부; 및
상기 평가지표에 대한 주요변수를 입력받아 상기 특정 생성기법을 이용하여 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성부를 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 1항에 있어서,
상기 표준데이터 생성부는,
상기 선박의 운항 중 선박 내부 및 외부에서 각각 발생하는 선박데이터를 수집하는 데이터 수집모듈;
상기 데이터 수집모듈에서 수집된 선박데이터의 형식을 분석하는 데이터 분석모듈; 및
상기 데이터 분석모듈에서 분석된 상기 선박데이터의 형식이 기설정된 표준 데이터 형식이 아닌 경우, 해당 선박 데이터의 형식을 표준 데이터 형식으로 변환하는 데이터 변환모듈을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 2항에 있어서,
상기 표준 데이터 생성부는,
상기 선박의 에너지효율과 관련된 지표변수를 선정하여 상기 선박데이터에 추가하는 지표변수 추가모듈을 더 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 2항에 있어서,
상기 주요변수 추출부는,
상기 선박의 에너지효율과 연관된 평가지표를 선정하는 평가지표 선정모듈;
상기 평가지표에 대한 각각의 표준데이터의 영향도를 평가하는 민감도 분석모듈; 및
상기 평가지표에 대한 영향도가 기설정된 기준값 이상인 표준데이터를 해당 평가지표에 대한 주요변수로 추출하는 주요변수 추출모듈을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 4항에 있어서,
상기 생성모형 결정부는,
상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법을 탐색하는 생성기법 탐색모듈;
상기 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교하는 생성기법 비교모듈; 및
상기 근사모델 생성기법 중 수렴성이 가장 큰 근사모델 생성기법을 상기 근사모델에 대한 최적생성기법으로 선정하여 상기 근사모델의 생성모형을 결정하는 생성기법 선정모듈을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 5항에 있어서,
상기 생성기법 비교모듈은,
상기 주요변수 중 한 개의 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 5항에 있어서,
상기 근사모델 생성부는,
상기 평가지표에 대한 주요변수 중 상기 선박의 제1 운항구간에 대응하는 제1 주요변수를 입력받는 제1 데이터 입력모듈; 및
상기 제1 데이터 입력모듈에 입력된 제1 주요변수를 이용하여 상기 최적생성기법을 통해 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성모듈을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 7항에 있어서,
상기 근사모델에 의해 예측된 평가지표의 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 비교하여 상기 근사모델의 정확성을 검증하는 근사모델 검증부를 더 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 8항에 있어서,
상기 근사모델 검증부는,
상기 평가지표에 대한 주요변수 중 상기 선박의 제2 운항구간에 대응하는 제2 주요변수를 입력받는 제2 데이터 입력모듈;
상기 제2 주요변수를 상기 근사모델에 입력하여 상기 평가지표에 대한 예측값을 계산하는 예측값 계산모듈; 및
상기 평가지표에 대한 예측값과, 실제 선박 운항시 측정된 상기 평가지표의 실측값을 서로 비교하여 상기 근사모델의 정확성을 검증하는 모델 검증모듈을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 시스템.
- 제 1항 내지 제 9항 중 어느 한 항에 따른 시스템을 이용한 선박의 에너지효율 예측 방법에 있어서,
표준데이터 생성부가 선박의 운항 중 수집되는 선박데이터를 기설정된 형식으로 변환하여 표준데이터를 생성하는 표준데이터 생성 단계;
주요변수 추출부가 상기 선박의 에너지효율과 연관된 평가지표에 대해 상기 표준데이터의 민감도를 각각 평가하여 상기 평가지표에 대한 주요변수를 추출하는 주요변수 추출단계;
생성모형 결정부가 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법 중 특정 생성기법을 선정하여 근사모델의 생성모형을 결정하는 생성모형 결정단계;
근사모델 생성부가 상기 평가지표에 대한 주요변수를 입력받아 상기 특정 생성기법을 이용하여 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성단계; 및
근사모델 검증부가 상기 근사모델에 의해 예측된 평가지표의 예측값과, 실제 선박 운항시 측정된 평가지표의 실측값을 비교하여 상기 근사모델의 정확성을 검증하는 근사모델 검증단계를 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 방법.
- 제 10항에 있어서,
상기 표준데이터 생성 단계는,
데이터 수집모듈이 상기 선박의 운항 중 선박 내부 및 외부에서 각각 발생하는 선박데이터를 수집하는 데이터 수집공정;
데이터 분석모듈이 상기 데이터 수집모듈에서 수집된 선박데이터의 형식을 분석하는 데이터 분석공정; 및
데이터 변환모듈이 상기 데이터 분석모듈에서 분석된 상기 선박데이터의 형식이 기설정된 표준 데이터 형식이 아닌 경우, 해당 선박 데이터의 형식을 표준 데이터 형식으로 변환하는 데이터 변환공정을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 방법.
- 제 11항에 있어서,
상기 주요변수 추출단계는,
평가지표 선정모듈이 상기 선박의 에너지효율과 연관된 평가지표를 선정하는 평가지표 선정공정;
민감도 분석모듈이 상기 평가지표에 대한 각각의 표준데이터의 영향도를 평가하는 민감도 분석공정; 및
주요변수 추출모듈이 상기 평가지표에 대한 영향도가 기설정된 기준값 이상인 표준데이터를 상기 평가지표에 대한 주요변수로 추출하는 주요변수 추출공정을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 방법.
- 제 12항에 있어서,
상기 생성모형 결정단계는,
생성기법 탐색모듈이 상기 선박의 에너지효율을 예측하기 위한 다수의 근사모델 생성기법을 탐색하는 생성기법 탐색공정;
생성기법 비교모듈이 상기 주요변수에 대한 각각의 근사모델 생성기법의 수렴성을 측정하여 비교하는 생성기법 비교공정; 및
생성기법 선정모듈이 상기 근사모델 생성기법 중 수렴성이 가장 큰 근사모델 생성기법을 상기 근사모델에 대한 최적생성기법으로 선정하여 상기 근사모델의 생성모형을 결정하는 생성기법 선정공정을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 방법.
- 제 13항에 있어서,
상기 근사모델 생성단계는,
제1 데이터 입력모듈이 상기 평가지표에 대한 주요변수 중 상기 선박의 제1 운항구간에 대응하는 제1 주요변수를 입력받는 제1 데이터 입력공정; 및
근사모델 생성모듈이 상기 제1 데이터 입력모듈에 입력된 제1 주요변수를 이용하여 상기 최적생성기법을 통해 상기 평가지표에 대한 근사모델을 생성하는 근사모델 생성공정을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 방법.
- 제 13항에 있어서,
상기 근사모델 검증단계는,
제2 데이터 입력모듈이 상기 평가지표에 대한 주요변수 중 상기 선박의 제2 운항구간에 대응하는 제2 주요변수를 입력받는 제2 데이터 입력공정;
예측값 계산모듈이 상기 제2 주요변수를 상기 근사모델에 입력하여 상기 평가지표에 대한 예측값을 계산하는 예측값 계산공정; 및
모델 검증모듈이 상기 평가지표에 대한 예측값과, 실제 선박 운항시 측정된 상기 평가지표의 실측값을 서로 비교하여 상기 근사모델의 정확성을 검증하는 모델 검증공정을 포함하는 것을 특징으로 하는 선박의 에너지효율 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170091953A KR101914770B1 (ko) | 2017-07-20 | 2017-07-20 | 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170091953A KR101914770B1 (ko) | 2017-07-20 | 2017-07-20 | 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101914770B1 true KR101914770B1 (ko) | 2018-11-02 |
Family
ID=64328461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170091953A KR101914770B1 (ko) | 2017-07-20 | 2017-07-20 | 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101914770B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111489075A (zh) * | 2020-04-07 | 2020-08-04 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 船舶能效评估方法及装置 |
| KR102164363B1 (ko) * | 2020-06-16 | 2020-10-13 | (주)삼원씨앤지 | Bas와 fms가 통합된 지능형 빌딩 자동 제어 시스템 및 상기 지능형 빌딩 자동 제어 시스템에 의한 설비 관리 방법 |
| CN113570279A (zh) * | 2021-08-11 | 2021-10-29 | 中国船级社 | 一种面向港作拖轮的能效运营指数eeoi评价方法及系统 |
| CN116362296A (zh) * | 2022-10-31 | 2023-06-30 | 无锡赛思亿电气科技有限公司 | 船舶能效信息汇集管理系统及基于其的能耗状态分析方法 |
Citations (1)
| 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 |
-
2017
- 2017-07-20 KR KR1020170091953A patent/KR101914770B1/ko active IP Right Grant
Patent Citations (1)
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| "선박 운항 빅데이터를 활용한 운항 효율 향상 방법 연구", 2017년도 (사)해양환경안전학회 춘계학술발표회 논문집(p. 244), 2017년 4월 |
| "선박 운항효율 예측모델 개발 및 반응표면분석", 한국경영과학회 학술대회논문집(pp. 1978-1986), 2017년 4월 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110110943B (zh) * | 2019-05-21 | 2023-02-10 | 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 |
| CN111489075A (zh) * | 2020-04-07 | 2020-08-04 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 船舶能效评估方法及装置 |
| CN111489075B (zh) * | 2020-04-07 | 2023-12-26 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 船舶能效评估方法及装置 |
| KR102164363B1 (ko) * | 2020-06-16 | 2020-10-13 | (주)삼원씨앤지 | Bas와 fms가 통합된 지능형 빌딩 자동 제어 시스템 및 상기 지능형 빌딩 자동 제어 시스템에 의한 설비 관리 방법 |
| US11054800B1 (en) | 2020-06-16 | 2021-07-06 | Samwon C&G Co., Ltd. | Intelligent automatic building control system with integrated BAS and FMS, and facility management method by same intelligent automatic building control system |
| CN113570279A (zh) * | 2021-08-11 | 2021-10-29 | 中国船级社 | 一种面向港作拖轮的能效运营指数eeoi评价方法及系统 |
| CN113570279B (zh) * | 2021-08-11 | 2023-11-07 | 中国船级社 | 一种面向港作拖轮的能效运营指数eeoi评价方法及系统 |
| CN116362296A (zh) * | 2022-10-31 | 2023-06-30 | 无锡赛思亿电气科技有限公司 | 船舶能效信息汇集管理系统及基于其的能耗状态分析方法 |
| CN116362296B (zh) * | 2022-10-31 | 2024-03-01 | 无锡赛思亿电气科技有限公司 | 船舶能效信息汇集管理系统及基于其的能耗状态分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101914770B1 (ko) | 선박의 에너지효율 예측 시스템 및 이를 이용한 에너지효율 예측 방법 | |
| CN101339150B (zh) | 基于介电谱技术测定汽油辛烷值的方法 | |
| CN103487411A (zh) | 一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法 | |
| CN109324013A (zh) | 一种利用高斯过程回归模型构建原油性质近红外快速分析的方法 | |
| CN101726451A (zh) | 一种测定内燃机油粘度指数的方法 | |
| CN113281229A (zh) | 一种基于小样本下多模型自适应大气pm2.5浓度预测方法 | |
| CN112035970A (zh) | 一种基于船用柴油机关键性能的参数优化方法 | |
| CN113743662B (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 | |
| CN116383727A (zh) | 一种电厂系统测量粗大误差识别方法、系统、设备及介质 | |
| CN109521001A (zh) | 一种基于PSO和ε-SVR的飞灰含碳量测量方法 | |
| CN104866932A (zh) | 基于预测模型适用性判断的时间序列预测方法 | |
| CN110232130A (zh) | 元数据管理谱系生成方法、装置、计算机设备和存储介质 | |
| CN116611552B (zh) | 一种基于目标监测数据的船舶交通流量预测方法及系统 | |
| Guo et al. | Information fusion and XGBoost algorithm used for bearing remaining useful life prediction | |
| CN105488734A (zh) | 基于全生命周期的电能计量装置质量评估方法及系统 | |
| CN115144026A (zh) | 一种基于Tsallis熵的地铁接触轨系统状态特征提取方法及应用 | |
| CN109145887B (zh) | 一种基于光谱潜变量混淆判别的阈值分析方法 | |
| Ochoa et al. | New implementation of Work Sampling Analysis for validating the Present Idle Time Indicator of Maintenance and Ship Repairing Business Line of Cotecmar | |
| CN106897790B (zh) | 一种选择最优预报格点的风功率预测方法及装置 | |
| CN112116139A (zh) | 一种电力需求预测方法及系统 | |
| CN113988360B (zh) | 一种基于风速波动特征分型的风电功率预测方法及装置 | |
| CN118225887B (zh) | 一种合金表面有机膜层的无损监测方法及系统 | |
| CN106323947B (zh) | 一种适用mpt光谱仪的垂直观测位置快速优化方法 | |
| Qianqian et al. | Study on life prediction of radar based on non-parametric regression model | |
| CN117407666B (zh) | 基于人工智能的智能垃圾桶参数分析和控制方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |