KR20220101951A - Liquid Cargo Evaporative Gas Amount Prediction Method Using Digital Twin - Google Patents
Liquid Cargo Evaporative Gas Amount Prediction Method Using Digital Twin Download PDFInfo
- Publication number
- KR20220101951A KR20220101951A KR1020210004067A KR20210004067A KR20220101951A KR 20220101951 A KR20220101951 A KR 20220101951A KR 1020210004067 A KR1020210004067 A KR 1020210004067A KR 20210004067 A KR20210004067 A KR 20210004067A KR 20220101951 A KR20220101951 A KR 20220101951A
- Authority
- KR
- South Korea
- Prior art keywords
- bog
- liquid cargo
- data
- simulation
- digital twin
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
-
- 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
-
- 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
Abstract
Description
본 발명은 선박을 이용한 극저온 액체 화물 운송 시 선박 및 극저온 액체 화물 저장 용기와 관련한 각종 정보를 통해 운송 기간 중 발생하는 증발 가스량의 측정량과 연계하여 예측 가능하도록 하며, 이러한 계측과 예측에 사용되는 각종 데이터를 빅 데이터(big data)와 머신 러닝(Machine learning)을 통한 디지털 트윈 시스템을 구성하여 예측하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법에 관한 것이다.The present invention makes it possible to predict in connection with the measurement amount of the amount of boil-off gas generated during the transportation period through various information related to the vessel and the cryogenic liquid cargo storage container during the transportation of cryogenic liquid cargo using a ship, and various It relates to a method of predicting the amount of vaporized gas in liquid cargo using a digital twin that predicts data by configuring a digital twin system through big data and machine learning.
LNG 운반선 등의 액화가스 운반선은, 액화가스를 싣고 바다를 운항하여 육상 소요처에 이 액화가스를 하역하기 위한 것이며, 이를 위해, 액화가스의 극저온에 견딜 수 있는 저장탱크(흔히, '화물창'이라 함)를 포함한다.Liquefied gas carriers, such as LNG carriers, are to operate the sea with liquefied gas and unload the liquefied gas to destinations on land. ) is included.
천연가스의 액화온도는 상압에서 약 -163
발생된 증발가스는 저장탱크 내의 압력을 증가시키며 선박의 요동에 따라 액화가스의 유동을 가속시켜 구조적인 문제를 야기시킬 수 있기 때문에, 증발가스의 발생을 억제할 필요가 있다. 또한, 증발가스는 LNG의 손실이므로 LNG의 수송효율에 있어서 증발가스의 억제는 중요한 문제이다.Since the generated BOG increases the pressure in the storage tank and accelerates the flow of the liquefied gas according to the fluctuation of the ship, it may cause structural problems, so it is necessary to suppress the generation of BOG. In addition, since boil-off gas is a loss of LNG, suppression of boil-off gas is an important problem in the transport efficiency of LNG.
종래, 액화가스 운반선의 저장탱크 내에서의 증발가스를 억제 및 처리하기 위해, 증발가스를 저장탱크의 외부로 배출시켜 소각해 버리는 방법, 증발가스를 저장탱크의 외부로 배출시켜 재액화 장치를 통해 재액화시킨 후 다시 저장탱크로 복귀시키는 방법, 선박의 추진기관에서 사용되는 연료로서 증발가스를 사용하는 방법, 저장탱크의 내부압력을 높게 유지함으로써 증발가스의 발생을 억제하는 방법 등이 단독으로 혹은 복합적으로 사용되고 있었다.Conventionally, in order to suppress and treat boil-off gas in the storage tank of a liquefied gas carrier, a method of discharging the boil-off gas to the outside of the storage tank and incinerating it, discharging the boil-off gas to the outside of the storage tank and using a re-liquefaction device The method of returning to the storage tank after re-liquefaction, the method of using boil-off gas as fuel used in the ship's propulsion engine, the method of suppressing the generation of boil-off gas by maintaining the internal pressure of the storage tank high, etc. was used in combination.
관련 선행문헌으로는 대한민국 등록특허 제10-1867031호(2018.06.14.)에 선박의 증발가스 처리 시스템 및 방법을 개시하고 있다.As a related prior document, Korean Patent Registration No. 10-1867031 (June 14, 2018) discloses a system and method for treating BOG of a vessel.
그러나 선행문헌은 증발가스 발생 시 증발가스를 재액화 시키는 것으로 증발가스 발생을 억제하는 데에는 한계가 있었다.However, the prior literature has a limit in suppressing the generation of boil-off gas by re-liquefying the boil-off gas when the boil-off gas is generated.
본 발명은 상기의 문제점을 해소하고자 발명한 것으로, 실제 운항 중 발생하는 실제 증발가스량을 계측 및 정확한 예측을 통해 효율적인 증발가스량 감소 운용이 가능하도록 하며, 화물창에 설치된 기존 안전장치인 각 센서(sensor) 계측과 실시간 운항 상태에 따라 이동하는 액체 화물의 동적 강도를 확인하여, 실시간 계측된 데이터는 빅데이터 화 되며, 이를 이용한 인공지능(AI)의 머신러닝은 운항 중 발생되는 BOR의 예측을 가능하도록 하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법을 제공하는데 있다.The present invention was invented to solve the above problems, and it enables efficient operation of reducing the amount of BOG by measuring and accurately predicting the amount of BOG generated during actual operation. By checking the dynamic strength of moving liquid cargo according to measurement and real-time operation status, the real-time measured data becomes big data. It is to provide a method of predicting the amount of vaporization gas of liquid cargo using a digital twin.
전술한 기술적 과제를 달성하기 위한 본 발명에 따른 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법은 액체 화물 탱크 모니터링 시스템을 구동하는 단계; 상기 액체 화물 탱크 모니터링 시스템에서 각종 센서를 통해 계측 데이터를 수집하는 데이터 수집 단계; 상기 데이터 수집 단계에서 수집된 데이터를 빅데이터로 변환하는 데이터 변환 단계; 상기 변환된 빅데이터를 활용하여 디지털 트윈 시스템을 통하여 시뮬레이션을 진행하는 시뮬레이션 단계; 상기 시뮬레이션 단계에서 시뮬레이션 결과 값과 BOG 스펙 값을 비교하는 비교 단계; 및 상기 비교 단계를 통해 과도한 BOG발생 시 BOG 관리 시스템을 가동하는 단계를 포함하는 것을 특징으로 한다.A liquid cargo evaporation gas amount prediction method using a digital twin according to the present invention for achieving the above-described technical problem comprises the steps of driving a liquid cargo tank monitoring system; a data collection step of collecting measurement data through various sensors in the liquid cargo tank monitoring system; a data conversion step of converting the data collected in the data collection step into big data; a simulation step of performing a simulation through a digital twin system using the converted big data; a comparison step of comparing the simulation result value and the BOG specification value in the simulation step; and operating the BOG management system when excessive BOG is generated through the comparison step.
바람직하게는, 상기 데이터 수집 단계는, 액체 화물 탱크의 슬로싱 계측 데이터를 수집하는 단계와, 압력/온도/액체 화물 레벨 데이터를 수집하는 단계와, 천연가스(NG) 배출 속도 데이터를 수집하는 단계를 포함하는 것을 특징으로 한다.Preferably, the data collection step comprises: collecting sloshing metrology data of liquid cargo tanks; collecting pressure/temperature/liquid cargo level data; and collecting natural gas (NG) discharge rate data. It is characterized in that it includes.
더욱 바람직하게는, 상기 시뮬레이션 단계는, 시뮬레이션 진행 시 환경 외력 정보에 따른 실시간 데이터를 반영하는 단계를 더 포함하는 것을 특징으로 한다.More preferably, the simulation step is characterized in that it further comprises the step of reflecting real-time data according to the environmental external force information when the simulation proceeds.
또한 바람직하게는, 상기 비교 단계는, 시뮬레이션 결과값이 BOG 스펙 값 보다 큰 경우 과도한 BOG 발생으로 판단하고, BOG 관리 시스템을 가동하는 단계로 진행되며; 시뮬레이션 결과값이 BOG 스펙 값 보다 같거나 작은 경우 일반적인 Design BOG 발생으로 판단하고, 정상 작동 단계로 진행되는 것을 특징으로 한다.Also preferably, in the comparison step, when the simulation result value is larger than the BOG specification value, it is determined that excessive BOG is generated, and the step of operating the BOG management system; When the simulation result value is equal to or smaller than the BOG specification value, it is judged as a general design BOG generation and proceeds to the normal operation stage.
또한 바람직하게는, 상기 시뮬레이션 단계는, 선박 운항 경로에 따른 예보된 환경 외력 정보를 반영하여 시뮬레이션을 진행하며; 시뮬레이션 결과에 따른 효율적인 BOG 저감이 가능하도록 운항 항로를 결정하는 것을 특징으로 한다.Also preferably, in the simulation step, the simulation is performed by reflecting the information on the predicted environmental external force according to the ship navigation route; It is characterized in that the navigation route is determined to enable efficient BOG reduction according to the simulation result.
본 발명에 따른 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법은, 운항 환경에 따른 실시간 과도한(excessive) 증발가스량의 측정 및 예측하고 이에 더 나아가 효율적인 증발가스량의 저감 운용이 가능하도록 시스템을 구축함으로써 선주의 운용 비용을 감소할 수 있는 효과를 가진다.The liquid cargo BOG prediction method using a digital twin according to the present invention measures and predicts the amount of excessive BOG in real time according to the operating environment, and furthermore, by constructing a system to enable efficient BOG reduction operation, shipowners It has the effect of reducing the operating cost.
도 1은 본 발명의 실시예에 따른 액체 화물창 모니터링 시스템을 통한 증발가스량 관리 흐름도를 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 슬로싱 강도(sloshing intensity) 계측을 위한 탱크(tank) 상부 설치 시스템을 나타내는 도면이다.
도 3은 본 발명에 실시예에 따른 슬로싱 강도(sloshing intensity) 계측을 위한 탱크(tank) 주요 벽면의 압력 센서 설치 시스템을 나타내는 도면이다.1 is a view showing a flow chart for managing the amount of BOG through a liquid cargo hold monitoring system according to an embodiment of the present invention.
Figure 2 is a view showing a tank (tank) upper installation system for measuring the sloshing intensity (sloshing intensity) according to an embodiment of the present invention.
Figure 3 is a view showing a pressure sensor installation system of the main wall of the tank (tank) for measuring the sloshing intensity (sloshing intensity) according to an embodiment of the present invention.
본 발명의 동작상 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부도면 및 첨부도면에 기재된 내용을 참조 하여야만 한다.In order to fully understand the operational advantages of the present invention and the objects achieved by the practice of the present invention, reference should be made to the accompanying drawings illustrating preferred embodiments of the present invention and the contents described in the accompanying drawings.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예에 대해 구성 및 작용을 상세히 설명하면 다음과 같다. 여기서, 각 도면의 구성요소들에 대해 참조부호를 부가함에 있어 동일한 구성요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호로 표기되었음에 유의하여야 한다.Hereinafter, the configuration and operation of the preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings. Here, in adding reference numerals to the components of each drawing, it should be noted that only the same components are marked with the same reference numerals as much as possible even though they are displayed on different drawings.
하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다.The following examples may be modified in various other forms, and the scope of the present invention is not limited to the following examples.
도 1은 본 발명의 실시예에 따른 액체 화물창 모니터링 시스템을 통한 증발가스량 관리 흐름도를 나타내는 도면이고, 도 2는 본 발명의 실시예에 따른 슬로싱 강도(sloshing intensity) 계측을 위한 탱크(tank) 상부 설치 시스템을 나타내는 도면이고, 도 3은 본 발명에 실시예에 따른 슬로싱 강도(sloshing intensity) 계측을 위한 탱크(tank) 주요 벽면의 압력 센서 설치 시스템을 나타내는 도면이다.1 is a view showing a flow chart for managing BOG through a liquid cargo hold monitoring system according to an embodiment of the present invention, and FIG. 2 is an upper portion of a tank for measuring sloshing intensity according to an embodiment of the present invention. It is a view showing the installation system, Figure 3 is a view showing the pressure sensor installation system of the main wall of the tank (tank) for measuring the sloshing intensity (sloshing intensity) according to an embodiment of the present invention.
도 1 내지 도 3에 도시된 바와 같이, 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법은 액체 화물 탱크 모니터링 시스템을 구동하는 단계(S100)와 액체 화물 탱크의 슬로싱 계측 데이터를 수집하는 단계(S110)와, 압력/온도/액체 화물 레벨 데이터를 수집하는 단계(S120)와, 천연가스(NG) 배출 속도 데이터를 수집하는 단계(S130), 수집된 데이터를 빅 데이터(big data)로 변환하는 단계(S200), 빅 데이터를 활용하여 디지털 트윈을 통하여 시뮬레이션을 진행하는 시뮬레이션 단계(S300)와 시뮬레이션 단계(S300)에서 시뮬레이션을 진행할 때, 환경 외력 정보에 따른 실시간 데이터를 반영하는 단계(S310)와 시뮬레이션 결과값과 BOG 스펙 값을 비교하는 비교 단계(S400)와 비교 단계(S400)를 통하여 시뮬레이션 결과값이 BOG 스펙값 보다 큰 경우 과도한 BOG 발생 판단 단계(S500)로 진행되며, BOG 관리 시스템을 가동하는 단계(S510)로 진행된다.1 to 3, the liquid cargo evaporation gas amount prediction method using a digital twin includes the steps of driving the liquid cargo tank monitoring system (S100) and collecting the sloshing measurement data of the liquid cargo tank (S110) and, collecting pressure/temperature/liquid cargo level data (S120), collecting natural gas (NG) emission rate data (S130), and converting the collected data into big data (big data) ( S200), when the simulation is performed in the simulation step (S300) and the simulation step (S300) of performing a simulation through a digital twin using big data, a step (S310) of reflecting real-time data according to environmental external force information and the simulation result If the simulation result value is greater than the BOG specification value through the comparison step (S400) and the comparison step (S400) of comparing the value and the BOG specification value, the process proceeds to the excessive BOG generation determination step (S500), and the operation of the BOG management system It proceeds to (S510).
또한, 비교 단계(S400)에서 시뮬레이션 결과값이 BOG 스펙 값 보다 같거나 작은 경우 일반적인 Design BOG 발생 판단 단계(S550)로 진행되며, 정상 작동(normal operating) 단계(S560)로 진행된다.In addition, when the simulation result value is equal to or smaller than the BOG specification value in the comparison step S400 , the process proceeds to a general design BOG generation determination step S550 , and proceeds to a normal operating step S560 .
여기서 디지털 트윈(Digital Twin)은 컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션 함으로써 현실 자산의 특성에 대한 정확한 정보를 얻기 위한 기술을 말한다.Here, the digital twin refers to a technology for obtaining accurate information on the characteristics of real assets by creating twins of real objects on a computer and simulating situations that may occur in reality with a computer.
현실 자산의 각종 상태, 생산성, 동작 시나리오 등을 알 수 있으므로 여러 산업들의 생산, 서비스 등 전반에 걸쳐 효율을 향상시킬 수 있으므로 최근 주목받고 있다. 따라서 디지털 트윈을 이용하여 시뮬레이션을 통해 정확한 정보를 얻을 수 있다.Since it is possible to know the various states, productivity, and operation scenarios of real assets, it is attracting attention recently because it can improve the overall efficiency of production and services in various industries. Therefore, accurate information can be obtained through simulation using a digital twin.
기존 극저온 액체 화물창 모니터링 시스템은 화물창 내, 외부의 압력/온도/액체 화물 레벨을 측정하며, 이를 통해 정상적인 운용 상태를 확인하고 비상(emergency) 상황 판단을 돕는다.The existing cryogenic liquid cargo hold monitoring system measures the pressure/temperature/liquid cargo level inside and outside the cargo hold, and through this, it confirms the normal operation status and helps to determine the emergency situation.
본원 발명에 따르면, 극저온 액체 화물은 단열시스템의 성능 및 외부 환경 조건(온도/풍속/선속)에 따라 증발가스가 생성되며, 선박의 모션에 따라 가속되며, 이는 화물창 내 설치된 PRV 배관의 유량계(flowmeter)를 통해 배출(vent)되는 가스량을 계측한다.According to the present invention, the cryogenic liquid cargo generates boil-off gas according to the performance of the insulation system and external environmental conditions (temperature/wind speed/ship speed), and is accelerated according to the motion of the ship, which is a flowmeter of the PRV pipe installed in the cargo hold. ) to measure the amount of gas discharged through
또한, 선박 목션에 따라 가속되는 증발 가스량의 추정을 통해 기존 모니터링 시스템 내 슬로싱(sloshing) 강도에 대한 contents 항을 추가한다.In addition, the contents term for the intensity of sloshing in the existing monitoring system is added through estimation of the amount of evaporative gas accelerated according to the vessel mock.
슬로싱 강도는 선박 모션에 따른 액체 화물의 흔들리는 정도를 확인할 수 있도록 데이터화 하며, 슬로싱 강도 계측은 도 2에 도시된 바와 같이, 탱크(100, tank) 상부에 설치된 증발 가스 이동 배관(110, 또는 channel/cylinder/duct) 내에 설치된 유량 계측기(120)에 측정된다.The sloshing strength is data so that the degree of shaking of the liquid cargo according to the motion of the vessel can be confirmed, and the sloshing strength measurement is as shown in FIG. It is measured by the
별도 배관 구성이 어려운 경우 도 3에 도시된 바와 같이, 탱크(100) 주요 벽면에 부착된 압력센서(150)에서 계측된 데이터를 통해 슬로싱 강도 계측도 가능하다.When a separate piping configuration is difficult, as shown in FIG. 3 , the sloshing strength can also be measured through the data measured by the pressure sensor 150 attached to the main wall of the
또한, 선박의 모션이 클수록 액체 화물뿐 아니라 증발 가스의 이동 속도 또한 증가하게 된다.In addition, as the motion of the vessel increases, the moving speed of the boil-off gas as well as the liquid cargo increases.
증발가스 일부가 탱크 상부에 설치된 배관(110, 또는 channel/cylinder/duct)으로 이동되며, 배관(110) 내에 설치된 유량(또는 유속) 계측기(120)를 통해 유량(또는 유속)의 증감을 확인한다.A part of the BOG is moved to the
또한, 유량(또는 유속)의 증감은 슬로싱(sloshing) 강도라는 지수(factor)로 나타내며, 슬로싱 강도 지수는 모형 테스트를 통해 정량화 하는 과정을 가진다.In addition, the increase or decrease of the flow rate (or flow rate) is expressed as a factor called sloshing strength, and the sloshing strength index has a process of quantifying it through a model test.
또한, 모형 테스트는 축소(scale down)된 화물창과 배관(또는 channel/cylinder/duct)와 함께 테스트가 진행되며, 환경 조건별 모션에 따라 슬로싱 테스트를 진행한다.In addition, the model test is conducted with a scaled-down cargo hold and piping (or channel/cylinder/duct), and a sloshing test is performed according to the motion by environmental conditions.
모형 테스트에서 얻어지는 배관(110)내 유량(또는 유속) 계측 값은 모형-실선 베이스의 상사에 따라 데이터화 하여 슬로싱(sloshing) 강도로 표현하여 실선에 반영한다.The measured value of the flow rate (or flow velocity) in the
슬로싱 강도/압력/온도/레벨 그리고 PRV를 통해 배출되는 증발가스량은 실시간 계측되며 빅데이터(big data)화 한다.The sloshing intensity/pressure/temperature/level and the amount of BOG emitted through PRV are measured in real time and converted into big data.
또한, 빅데이터(big data)는 인공지능(AI: Artificial Intelligence) 머신러닝(machine learning)을 통해 학습되고, 환경 외력에 따른 실시간 데이터를 반영할 수 있다.In addition, big data may be learned through artificial intelligence (AI) machine learning, and real-time data according to environmental external forces may be reflected.
머신러닝은 디지털 트윈화 되어 실시간 계측된 데이터를 활용할 뿐 아니라, 선박 운항 경로를 따라 예보된 기상 정보를 반영하여 효율적인 BOG(Boil Off Gas) 저감이 가능하도록 운항 항로를 결정할 수 있다.Machine learning has become a digital twin and not only utilizes real-time measured data, but also reflects the forecasted weather information along the ship's route to determine the route to efficiently reduce BOG (Boil Off Gas).
또한, 예측된 증발 가스량에 따라 선박 내 설치된 BOR 관리 시스템 중 가장 효율적인 시스템의 결정이 가능하도록 선주에게 제공될 수 있다.In addition, it may be provided to the shipowner so that the most efficient system can be determined among the BOR management systems installed in the ship according to the predicted amount of boil-off gas.
이것에 의해 본 발명에 따르면, 운항 환경에 따른 실시간 과도한(excessive) 증발가스량의 측정 및 예측하고 이에 더 나아가 효율적인 증발가스량의 저감 운용이 가능하도록 시스템을 구축함으로써 선주의 운용 비용을 감소할 수 있는 효과를 가진다.Accordingly, according to the present invention, it is possible to reduce the operating cost of the shipowner by constructing a system to measure and predict the amount of excessive BOG in real time according to the operating environment and to further efficiently reduce the amount of BOG according to the operating environment. have
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical spirit of the present invention, and various modifications and variations will be possible without departing from the essential characteristics of the present invention by those skilled in the art to which the present invention pertains. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments. The protection scope of the present invention should be construed by the claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.
100: 탱크(tank)
110: 배관
120: 유량 계측기
150: 압력센서100: tank (tank)
110: plumbing
120: flow meter
150: pressure sensor
Claims (5)
상기 액체 화물 탱크 모니터링 시스템에서 각종 센서를 통해 계측 데이터를 수집하는 데이터 수집 단계;
상기 데이터 수집 단계에서 수집된 데이터를 빅데이터로 변환하는 데이터 변환 단계;
상기 변환된 빅데이터를 활용하여 디지털 트윈 시스템을 통하여 시뮬레이션을 진행하는 시뮬레이션 단계;
상기 시뮬레이션 단계에서 시뮬레이션 결과 값과 BOG 스펙 값을 비교하는 비교 단계; 및
상기 비교 단계를 통해 과도한 BOG발생 시 BOG 관리 시스템을 가동하는 단계를 포함하는 것을 특징으로 하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법.operating a liquid cargo tank monitoring system;
a data collection step of collecting measurement data through various sensors in the liquid cargo tank monitoring system;
a data conversion step of converting the data collected in the data collection step into big data;
a simulation step of performing a simulation through a digital twin system using the converted big data;
a comparison step of comparing the simulation result value and the BOG specification value in the simulation step; and
Liquid cargo evaporation gas amount prediction method using a digital twin, characterized in that it comprises the step of operating a BOG management system when excessive BOG is generated through the comparison step.
상기 데이터 수집 단계는,
액체 화물 탱크의 슬로싱 계측 데이터를 수집하는 단계와, 압력/온도/액체 화물 레벨 데이터를 수집하는 단계와, 천연가스(NG) 배출 속도 데이터를 수집하는 단계를 포함하는 것을 특징으로 하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법.The method according to claim 1,
The data collection step is
A digital twin comprising the steps of collecting sloshing metrology data of liquid cargo tanks, collecting pressure/temperature/liquid cargo level data, and collecting natural gas (NG) discharge rate data. A method for estimating the amount of vaporized gas in liquid cargo.
상기 시뮬레이션 단계는,
시뮬레이션 진행시 환경 외력 정보에 따른 실시간 데이터를 반영하는 단계를 더 포함하는 것을 특징으로 하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법.The method according to claim 1,
The simulation step is
The liquid cargo evaporation gas amount prediction method using a digital twin, characterized in that it further comprises the step of reflecting real-time data according to environmental external force information during simulation.
상기 비교 단계는,
시뮬레이션 결과값이 BOG 스펙 값 보다 큰 경우 과도한 BOG 발생으로 판단하고, BOG 관리 시스템을 가동하는 단계로 진행되며;
시뮬레이션 결과값이 BOG 스펙 값 보다 같거나 작은 경우 일반적인 Design BOG 발생으로 판단하고, 정상 작동 단계로 진행되는 것을 특징으로 하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법.The method according to claim 1,
The comparison step is
If the simulation result value is larger than the BOG specification value, it is determined that excessive BOG is generated, and the step of operating the BOG management system is performed;
If the simulation result value is equal to or smaller than the BOG specification value, it is judged as a general design BOG occurrence, and the liquid cargo evaporation gas amount prediction method using a digital twin, characterized in that it proceeds to the normal operation stage.
상기 시뮬레이션 단계는,
선박 운항 경로에 따른 예보된 환경 외력 정보를 반영하여 시뮬레이션을 진행하며;
시뮬레이션 결과에 따른 효율적인 BOG 저감이 가능하도록 운항 항로를 결정하는 것을 특징으로 하는 디지털 트윈을 이용한 액체 화물 증발 가스량 예측 방법.4. The method of claim 3,
The simulation step is
a simulation is performed by reflecting the predicted environmental external force information according to the ship's navigation route;
A method for predicting the amount of vaporized gas in liquid cargo using a digital twin, characterized in that the flight route is determined to enable efficient BOG reduction according to the simulation result.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210004067A KR20220101951A (en) | 2021-01-12 | 2021-01-12 | Liquid Cargo Evaporative Gas Amount Prediction Method Using Digital Twin |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210004067A KR20220101951A (en) | 2021-01-12 | 2021-01-12 | Liquid Cargo Evaporative Gas Amount Prediction Method Using Digital Twin |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220101951A true KR20220101951A (en) | 2022-07-19 |
Family
ID=82607391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210004067A KR20220101951A (en) | 2021-01-12 | 2021-01-12 | Liquid Cargo Evaporative Gas Amount Prediction Method Using Digital Twin |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220101951A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116705184A (en) * | 2023-05-29 | 2023-09-05 | 上海海德利森科技有限公司 | Liquid hydrogen evaporation loss prediction method, device, equipment and medium |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101867031B1 (en) | 2016-08-17 | 2018-06-14 | 대우조선해양 주식회사 | Boil Off Gas Recovery System and Method of Ship |
-
2021
- 2021-01-12 KR KR1020210004067A patent/KR20220101951A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101867031B1 (en) | 2016-08-17 | 2018-06-14 | 대우조선해양 주식회사 | Boil Off Gas Recovery System and Method of Ship |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116705184A (en) * | 2023-05-29 | 2023-09-05 | 上海海德利森科技有限公司 | Liquid hydrogen evaporation loss prediction method, device, equipment and medium |
| CN116705184B (en) * | 2023-05-29 | 2024-04-05 | 上海海德利森科技有限公司 | Liquid hydrogen evaporation loss prediction method, device, equipment and medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111046491B (en) | Method and device for estimating fuel consumption of diesel engine of large ship | |
| Huang et al. | Dynamic calculation of ship exhaust emissions based on real-time AIS data | |
| KR101529377B1 (en) | Method for energy saving, safety managing and maintenance information offering of the marine structure by real time predicted monitoring and controlling gas-dynamic | |
| Kim et al. | Estimation of ship operational efficiency from AIS data using big data technology | |
| KR101529378B1 (en) | Method for energy saving, safety managing and maintenance information offering of the marine structure by real time predicted monitoring and controlling hydro-dynamic | |
| KR20220101951A (en) | Liquid Cargo Evaporative Gas Amount Prediction Method Using Digital Twin | |
| KR20130135721A (en) | Method for energy saving and safety sailing of ship by monitoring hydro-dynamic | |
| JP2021526618A (en) | How to control the filling level of the tank | |
| JP2019018641A (en) | Ship performance analysis system and ship performance analysis method | |
| KR102109571B1 (en) | System and method for providing optimized vessel seaway and computer-readable recording medium thereof | |
| US20220033040A1 (en) | Maintenance management method for a ship | |
| KR20070041201A (en) | The method to initial design of ship | |
| KR20210116798A (en) | Wave information collecting device for economic operation of ship using digital twin | |
| Chen et al. | Art and science of ship voyage optimization: A critical review | |
| US20230098469A1 (en) | Method and system for computing a transition parameter of a liquefied gas storage medium | |
| KR20230097421A (en) | Method for calculating boil-off gas rate according to ship voyage and navigating autonomously by using boil-off gas rate and computer-readable recording medium including the same | |
| KR101399937B1 (en) | Apparatus and method for controlling anti rolling tank | |
| US20230186157A1 (en) | Estimation of a tank sloshing response using a statistical model trained by machine learning | |
| KR20220023231A (en) | System and method for predicting energy loss of LNG carriers | |
| KR20210123437A (en) | Sloshing prediction system using digital twin | |
| Thiagarajan et al. | Liquefied Natural Gas Carriers | |
| KR20220046806A (en) | System and method for optimal navigation of vessel and computer-readable recording medium thereof | |
| RU2797333C1 (en) | Method and system for monitoring physical and technological parameters of multi-component multi-phase mixtures during their transportation through a pipeline system | |
| RU2796234C2 (en) | Method for managing the maintenance of the ship | |
| CN114005302B (en) | Coastal ship empty ship index generation method and system |