全回转电力推进船舶航速与功率分配的协同优化方法及其低碳减排效应研究

本文提出了一种针对全回转电力推进船舶（Fully Rotational Electric Propulsion Ship）的航速与功率分配协同优化方法。通过建立时变海况下的非线性能耗模型，采用NSGA-II算法实现协同优化，案例验证显示可降低能耗4.17%，较差分进化（DE）、粒子群（PSO）和遗传算法（GA）更具优势，为船舶低碳智能化发展提供新思路。

　　

Highlight

全回转电力推进船舶的能耗优化对实现航运业低碳发展至关重要。本研究创新性地提出了一种结合航速与功率分配的协同优化方法，通过NSGA-II算法动态调整策略，显著提升能源效率。

Ship Resistance Model

船舶阻力分析是能耗建模的核心。航行中船舶承受水阻力和空气阻力，其中水阻力包含摩擦阻力（Frictional Resistance）和兴波阻力（Wave-making Resistance），可通过计算流体力学（CFD）或拖曳水池实验量化。总阻力公式为：

R_total = R_water + R_air

The Cooperative Optimization Approach

船载电力负载具有时变性，需动态调整发电功率以维持供需平衡。当发电机低于最佳工况时，通过调节航速使推进电机吸收更多功率，驱动发电机提升输出功率至高效区间，从而实现能耗与排放的协同优化。

Case Study

以"新鸿转"智能船（大连-香港航线）为案例，验证所提方法的有效性。结果显示：协同优化后船舶能耗降低4.17%，且NSGA-II算法较DE、PSO和GA算法节能效果提升12%-18%。

Conclusions

本研究建立的时变海况能耗模型及NSGA-II协同优化方法，为全回转电力推进船舶的绿色运营提供了创新解决方案，推动航运业向智能化、低碳化转型。未来可结合强化学习（RL）进一步优化动态控制策略。

（注：翻译严格保留原文技术术语如NSGA-II、CFD等，并采用_{/^{标注化学式如CO2，未包含文献引用标识）}}