摘要
本文提出了一种基于物理原理的混合数字二氧化碳（CO?）排放控制技术，适用于海上运输。该技术旨在优化船舶在两个港口之间预定航线上的行驶速度，航线被划分为多个准静态段，并在预测的海洋气象条件下进行评估，同时考虑与海上脱碳相关的经济和监管约束。该框架整合了两种精确优化方法：回溯法（Backtracking，BT）和动态规划（Dynamic Programming，DP），并结合了基于近端策略优化（Proximal Policy Optimization，PPO）的强化学习方法，这些方法运行在一个统一的物理、经济和监管建模平台上。通过减少推进燃料需求，该系统成为船舶推进过程中的二氧化碳排放控制机制。这种对发动机负荷的动态稳定化为先进的燃烧过程创造了有利条件，并降低了排气气体的体积流量，从而减轻了潜在后燃烧碳捕获系统的负担。各路段的速度剖面在满足推进限制、预计到达时间（ETA）可行性以及监管约束（包括碳强度指标（Carbon Intensity Indicator，CII）、欧盟排放交易系统（EU ETS）和FuelEU Maritime）的前提下进行优化。基于物理原理的推进和能源模型使用了四艘油轮/化学品运输船实际航行的全尺寸运营数据进行了验证。针对Milazzo–Motril航线的详细案例研究表明，自适应速度优化显著优于传统巡航操作：精确优化方法可将航行时间缩短约10%，燃料和二氧化碳排放量分别减少约9–10%；强化学习方法则可将航行时间缩短约15%，并实现约13%的燃料节省和二氧化碳排放减少。在航线层面，精确优化方法的碳强度指标降低了约10%，而PPO方法的碳强度指标降低了约13%。回溯法和动态规划在离散决策空间内收敛到几乎相同的全球最优解，而PPO方法找到的解位于成本-时间帕累托前沿（cost-time Pareto front）的最有利区域。通过将强化学习方法与基于相同物理原理的精确离散求解器进行对比，所提出的数字平台为基于学习的优化提供了透明的验证，并为固定航线航行的预评估提供了可扩展的决策支持技术。该系统能够在运输合同签订前定量评估二氧化碳排放量、预计到达时间的可行性以及监管风险（CII、EU ETS、FuelEU Maritime罚款），从而支持基于经济和环境因素的运营决策。
