基于运行数据的混合动力推进船舶最优运行方法

《International Journal of Naval Architecture and Ocean Engineering》：Optimal operational method for hybrid propulsion ships using operation data

　　

摘要：随着国际海事组织（IMO）近期收紧温室气体（GHG）减排目标，对船舶进行数据驱动的能源管理与运行规划的需求日益增长。电力推进混合动力船舶尤其可以根据发电机与电池之间的功率分配在多种推进模式下运行，其燃油消耗在很大程度上取决于海况与航线条件。本研究提出一个集成的、数据驱动的框架，用于直流（DC）串联式电力推进混合动力船舶的模式感知最优运行。研究人员将一艘电力推进混合动力示范船的实际运行数据与基于再分析的气象海洋数据相结合，构建了一个耦合推进、电力系统与环境变量的综合数据集。基于该数据集，研究人员推导了各模式特有的燃油消耗与燃油效率特征，并训练了轻量梯度提升机（LightGBM）模型，以根据航速和气象海洋条件预测各推进模式下的发电机负荷或燃油效率。预测模型根据独立的航次记录进行了验证，并分析了航线级燃油消耗误差对航段长度的敏感性，以选择适当的空间离散化尺度。经过验证的模型随后被嵌入一个两阶段最优运行框架中。首先利用基于四叉树（Quadtree）和沃罗诺伊图（Voronoi）海岸几何表示的A^*路径规划器生成一条沿海航线。随后，采用遗传算法（GA）确定每个航段中的航速和推进模式，以在电池荷电状态（SOC）和预计到达时间（ETA）约束下最小化总燃油消耗。在沿海和近海航线上的应用表明，与实际情况相比，总燃油消耗显著降低，这表明该框架可作为制定下一代电力推进混合动力船舶节能低排放运行策略的实用基础。

**论文解读：基于运行数据的直流串联式电力推进混合动力船舶最优运行框架研究**

**一、研究背景与问题**

国际海事组织（IMO）于2023年通过了温室气体（GHG）减排战略，旨在2050年前实现国际航运温室气体排放净零目标，其中要求2030年较2008年减排至少40%，2040年减排70-80%。传统基于内燃机的推进系统难以完全满足上述结构性转型需求，船舶燃料脱碳及电力化推进架构的引入成为关键技术路径。在现有混合动力技术中，并联式混合推进系统虽具备结构简单和便于改造的优势，但其发动机与电机同轴耦合，导致功率控制复杂、整体能量转换效率强烈依赖负荷分布，尤其在变负荷工况下难以维持恒定发动机转速，发动机与电机间的功率分配受限，易造成额外功率转换损失和燃油效率下降。为克服上述局限，直流（DC）串联式电力推进混合动力系统受到越来越多的关注，其推进电机完全由船上发电机产生的电力驱动，内燃机仅作为发电机原动机，推进系统完全电气化，可实现对输出功率的灵活控制、增强的能量管理灵活性，并能使发动机在波动负荷条件下仍可在接近最优效率区间运行。然而，该类船舶可在多种推进模式下运行（如仅电池模式、仅发电机模式、助推模式等），不同模式下的燃油消耗特征对海况和航线条件高度敏感，因此需要基于实际运行数据和气象海洋数据定量验证各模式下的航速-燃油效率特征，并确定如何组合这些模式以实现整体最优效率。

**二、研究内容与结论**

本研究利用韩国蔚山ICT促进机构（UIPA）运营的直流串联式电力推进混合动力示范船“蔚山太和号”约1.5年（2023年1月至2024年7月）的实际运行数据，结合ECMWF ERA5再分析气象海洋数据，构建了耦合推进、电力系统与环境变量的综合数据集。研究人员分析了各推进模式在不同气象海洋条件和航速下的燃油经济性特征，建立了模式特定的燃油消耗预测模型，并将其嵌入一个两阶段最优运行框架中。研究结果表明：在气象条件相对温和的低速区间，仅电池模式燃油经济性最佳；中速区间以仅发电机-电池保持模式为主；在较高航速或恶劣海况下，助推模式表现更优。模型验证方面，LightGBM模型在所有推进模式下平均相对误差在3%以内，优于多层感知器（MLP）模型（平均误差约6.3%）。在沿海航线应用中，全优化方案相较实际运行实现41.0%的燃油消耗降低；在近海航线应用中，实现了36.5%的降低，同时满足预计到达时间（ETA）和电池荷电状态（SOC）约束。该框架可作为制定下一代电力推进混合动力船舶节能低排放运行策略的实用基础。

**三、关键技术与方法**

本研究采用的主要关键技术方法包括：（1）基于制造商提供的发动机比燃油消耗（SFOC）曲线，将发电机负荷转换为燃油消耗率，并考虑LNG和MGO双燃料特性，采用燃油成本等效指标评估各推进模式的燃油经济性；（2）采用轻量梯度提升机（LightGBM）和多层感知器（MLP）两种预测算法，以航速（SOG）、风速、风向、平均波浪周期、有效波高为输入，分别预测发电机平均负荷（适用于发电机运行模式）和燃油效率（FE）（适用于仅电池模式）；（3）利用A^*算法结合四叉树空间划分和Voronoi距离场生成考虑海岸线几何约束的安全最短路径，并采用梯度下降进行路径平滑；（4）采用遗传算法（GA）在生成的航线上优化各航段的航速和推进模式组合，以最小化总燃油消耗，同时满足SOC范围和起止SOC一致性约束（ε=5%）及ETA约束。

**四、研究结果**

**（1）运行特性分析结果：** 研究人员通过热力图可视化分析了航速-蒲福风级平面上各推进模式的优势分布，发现模式选择不仅取决于目标航速，还受风速和波高等气象海洋条件的显著影响。随着环境条件恶化，电池主导或仅发电机模式的优势区域逐渐向高输出模式（如助推模式）区域转移。

**（2）预测模型验证结果：** 针对四种推进模式（仅电池模式、仅G/E-电池充电模式、仅G/E-电池保持模式、助推模式），LightGBM模型在航段长度500 m条件下对燃油消耗成本预测的相对误差分别为3.00%、2.95%、3.20%和0.41%，而MLP模型对应误差为16.4%、6.40%、1.00%和1.50%。所有推进模式合计的LightGBM模型平均相对误差在3%以内，MLP模型约为6.3%。

**（3）航段长度敏感性分析结果：** 在航段长度从400 m增加至900 m的敏感性测试中，包含所有推进模式的航线的燃油消耗误差在Δs=800 m处达到最小值约5.21%。过短的航段会因预测调用次数增加导致误差累积和特征分配噪声放大，而过长的航段则会过度平滑局部运行和环境条件，因非线性平均效应引入偏差。因此，研究采用Δs=800 m作为后续应用的参考航段长度。

**（4）沿海航线优化应用结果：** 针对蔚山沿海航线，优化结果倾向于在低速航段增加仅电池模式的占比，仅在需要临时功率增强的航段保留高输出模式。全优化方案较实际运行降低燃油消耗41.0%（从120.50美元降至71.11美元），同时航行距离从11.28 km缩短至8.64 km，ETA从1.02小时缩短至0.39小时。仅推进模式优化（固定原航线）方案实现23.3%的降低，表明两阶段联合优化可提供更全面的收益。

**（5）近海航线优化应用结果：** 针对近海航线，优化策略将助推模式或仅G/E模式选择性分配给气象海洋条件不利的航段，仅在环境相对温和的航段优先使用仅电池模式。全优化方案较实际运行降低燃油消耗36.5%（从674.56美元降至428.45美元），航行距离从59.61 km缩短至39.50 km，ETA从2.92小时缩短至2.04小时。仅模式优化方案实现6.28%的降低。两种航线应用中，SOC曲线均保持在30%-85%的规定范围内，且出发和到达SOC差异满足ε=5%的约束。此外，研究人员在目标函数中引入了模式切换惩罚项（J_sw=λ_swN_sw），以限制相邻航段间的过度模式交替，增强方案的实际可实施性。

**五、讨论与结论**

本研究提出并验证了基于距离航段划分的直流电力推进混合动力船舶运行优化框架。需要指出的是，目标船主要用于研究和示范航行，而非以商业运输经济效益最大化为目的，因此参考运行记录本身并非燃油成本或调度效率最优状态，所报告的节油量应理解为相对于研究和测试导向基线的相对改进。该框架的通用性组件包括基于航段的路线离散化、数据驱动的替代模型以及约束感知的模式调度与航速优化，预计可推广至其他混合动力配置（如柴电混合、燃料电池-电池混合）甚至常规船舶，前提是指定模式定义并利用船舶特定运行数据重新训练或校准模式特定的消耗/航速模型。然而，推进模式分类体系、可行运行包络（航速和功率极限）及学习模型参数均具有船舶依赖性，需针对不同船型进行更新。当前运行数据集规模有限且各推进模式间分布不完全均衡，可能在某些边界条件下增加预测方差，但航线级燃油消耗预测误差足够小，足以支撑实际可用的优化运行策略制定。未来工作方向包括：通过纳入更多运行数据和应用类别不平衡缓解技术增强模式特定模型的泛化性与鲁棒性，以及将航线选择、推进模式和航速选择整合到统一优化问题中，以搜索真正的全局最优解。