《Applied Sciences》：Vessel-Centric Energy Demand Modelling Framework for Renewable Energy Integration in Inland Ports and Waterways
编辑推荐：
摘要专业翻译
内河航运（IWT）的脱碳需要在实际运行条件下对船舶能源需求进行可靠估算，因为这些估算直接影响未来能源基础设施的规模、选址和建设时机。然而，公开可获取的船舶运动数据与将其转化为具有物理意义、时间分辨率的推进能源需求估算能力之间仍存在差距。本研究提出
摘要专业翻译
内河航运（IWT）的脱碳需要在实际运行条件下对船舶能源需求进行可靠估算，因为这些估算直接影响未来能源基础设施的规模、选址和建设时机。然而，公开可获取的船舶运动数据与将其转化为具有物理意义、时间分辨率的推进能源需求估算能力之间仍存在差距。本研究提出并验证了一种基于行为驱动的框架，利用稀疏的公开数据估算内河船舶的推进能源消耗和燃料使用量。该框架将推进相关能源消耗重构为时间分辨率运行的函数。基于自动识别系统（AIS）数据提取的船舶运动与环境条件及物理定义关系相结合，在时间步长层面估算推进功率、能源消耗和燃料使用量。模型使用六艘匿名船舶的数据集进行验证，这些船舶在所选内河航道背景下表现出多样化的运行行为，并提供了时间分辨率的运营商提供的推进和燃料消耗数据。验证结果表明，该框架能够再现所分析船舶运行中推进需求的时域结构。在船舶阻力特性保持相对稳定的条件下，量级上达到一致。在某些运行条件下，观察到推进需求的系统性低估，这与未表征的阻力效应（可能包括与船舶装载相关的效应）一致。研究结果表明，利用公开数据可以重构时间分辨率的推进能源消耗，为分析内河船舶运行和识别时空能源需求模式以支持基础设施规划提供了可扩展的基础。
论文解读
一、研究背景与问题
内河航运（IWT）脱碳进程的推进，亟需对船舶在实际运行条件下的能源需求进行可靠估算。能源需求直接决定了支撑电动化和低碳燃料等替代推进系统所需基础设施的规模、空间分布和时间分布特征。若能源需求无法被清晰定义，或估算所依据的假设不能反映真实运行条件，基础设施规划与系统级评估将相应产生偏差。
然而在实践中，内河船舶（IWV）的能源需求很少在适合系统级分析的层面上被直接测量。船载监测系统虽能提供详细的运行数据，但这些数据集通常仅限于个别运营商，无法在船队或区域范围内获取。现有的大多数分析因此依赖间接估算方法，包括设计点计算、代表性工况循环或平均运行剖面。这些方法假设船舶运行可以用有限数量的稳态条件或重复运行模式来表征，从而将连续且依赖具体情境的船舶行为简化归约为预定义运行状态，引入了结构性简化。内河航道（IWW）运行受航线约束、环境条件和运行变异性影响，单次航行中船舶速度、操纵行为和运行情境可能发生显著变化，简化表征在超出其定义条件时可能引入系统性误差。
行为驱动的建模方法通过将能源需求视为可观测船舶运行的结果来应对上述局限。该方法以时间分辨率的船舶运动为主要输入，通过物理定义的关系推导推进功率、能源消耗和燃料使用量，使能源需求随运行条件连续变化。本研究的核心目标是验证一种基于行为驱动的模型，利用真实运行数据估算内河航运中的船舶能源需求和燃料消耗，评估模型在再现推进功率需求时间变化、在定义偏差范围内估算总能耗、跨船型和运行条件保持一致性以及识别模型与观测行为间系统性差异等方面的表现。
二、研究方法概述
研究人员构建了一个五阶段顺序处理管线：船舶行为重构、环境情境分配、推进功率估算、能源计算和燃料消耗估算。船舶行为重构基于AIS数据逐时间步计算对地速度（SOG）和航行方向，并对轨迹进行预处理和方向平滑。环境情境分配利用公开潮汐水位数据构造正弦近似的流速时间序列，按沿航道分量与船舶运动方向对齐，进而估算对水速度（STW）。推进功率估算通过弗劳德数（Fn）将运行状态映射到通用船体功率曲线库，得到无量纲功率分数，再乘以装机功率并除以推进效率得到推进功率需求。能源计算将时间步推进功率与时间步时长相乘并累加。燃料消耗估算依据发动机分类选择代表性制动比油耗（BSFC）剖面，结合推进功率和燃料密度计算燃料体积流量并积分。验证数据集包含六艘匿名船舶，涵盖拖轮、高速客渡轮、中速客渡轮、低速商业接待船和工作船，AIS观测共2746个位置点，模型输出时间间隔约28至32秒，运营商数据经时间戳对齐后按模型时间步聚合比较。
三、研究结果
3.1 时间分辨行为
时间序列对比显示，模型在所有船舶上均能再现推进需求的时域结构。拖轮运行中，模型重现了推进需求的波动模式，包括活动增强和减弱时段，量值差异在特定区间存在但时间对齐保持一致。客运和接待船舶中，模型输出紧密跟随实测数据，与航速变化和运行模式转换相关的功率变化在时间和相对量值上均得到一致再现。工作船案例中，模型捕捉了与操纵和非稳态运行相关的变异性。六组比较的相关系数介于0.860至0.951，定量支持了模型与实测数据在时间共变上的相似性。
3.2 总量能源与燃料比较
总量层面，拖轮在分析航程中表现出较接近的累积一致性，其中Tug-A含有一个局部高偏差区间。客运船舶的累积能源和燃料消耗随时间呈中度发散，模型值持续低于实测值但保持相似趋势。接待船在高推进需求时段偏差较大，工作船的累积曲线反映了操纵行为相关的变异性。总量能源百分比误差范围约为?23.4%至?4.5%，燃料误差范围约为?17.0%至+10.1%。所有船舶的总推进能源均被低估。Tug-A的模型总能源略低于实测值而燃料消耗高于实测值，相应符号百分比误差分别为?6.88%和+10.08%。Ferry-A具有最大的时间步功率误差，Hosp-A因航程总能量较低而呈现较大百分比偏差。
3.3 跨船舶行为
跨数据集比较显示，模型在所有船舶上一致地再现了推进需求的时域结构，推进活动变化在模型和实测数据中均发生在对应时间区间。总量层面，模型与实测能源消耗的一致程度因船舶而异，部分船舶累积能量高度接近，另一些则随时间逐渐发散。模型保持了时间行为的一致性表征，而总量能源和燃料消耗的一致水平在验证案例间存在差异。
四、讨论与结论
讨论部分指出，验证结果支持将该框架理解为一种时间分辨率的、行为驱动的能源估算方法，而非完整的船舶特定数字孪生。其能力在于从稀疏公开数据重构推进需求的时序、结构和相对变化，而绝对量值偏差可能反映未表征的运行条件（包括装载）以及其他输入和模型不确定性。框架在具备时间分辨率AIS数据、环境数据和基本船舶元数据的内河航道系统中具有潜在可转移性。对基础设施规划而言，该模型通过将能源需求与时间分辨率船舶运动关联，能够将需求表达为分布式剖面而非单一聚合值，有助于识别高需求地点的时空分布特征。研究的主要局限包括：缺乏对船舶装载条件的显式表征，环境表征仅限于潮汐水流效应，未纳入风、浪、浅水效应和岸壁效应，以及通用船体性能和发动机特性表征无法捕捉船舶特定性能差异。验证数据集限于六艘船舶四种船型，不具有统计穷尽性。
结论部分翻译：本研究提出并验证了一种基于行为驱动的框架，利用稀疏公开数据估算内河船舶的推进能源需求和燃料消耗。该方法将能源消耗视为时间分辨率船舶运行的涌现结果，通过AIS运动数据和物理关系重构，区别于传统设计点或工况循环方法。验证结果表明模型与运营商实测数据之间存在时间共变，模型再现了所分析运行剖面中推进需求的变化模式，而绝对量值的一致性因船舶而异。总量推进能源误差范围为?23.40%至?4.51%，燃料误差范围为?16.98%至+10.08%。整个验证数据集的推进能源均被低估，未表征的船舶装载是可能的影响因素。研究证明利用公开数据可以重构物理一致、时间分辨率的船舶能源消耗，为数据受限环境下的内河船舶运行分析提供了可扩展且可复现的基础。在内河航道脱碳背景下，准确的能源需求表征是基础设施规划的前提，该模型通过捕捉基于观测船舶行为的能源需求时空结构，支持识别静态假设或平均运行剖面方法无法解析的需求模式。量值估算应结合可用船舶状态信息进行解读，特别是在装载或拖带状态未知的情况下。未来工作应研究能否在估算的推进需求周围施加基于证据的不确定性包络。
