基于数据驱动方法的船舶CII预测模型研究

相比通过物理模型和数值计算进行碳强度指数(Carbon Intensity Indicator, CII)预报,采用数据驱动方法构建模型进行CII预报能避免消耗大量计算资源。在分析已有研究的基础上,总结机器学习、时间序列等数据驱动方法在构建此类预测模型中应用的优势和劣势,以及运用这些方法构建的船舶CII预测模型。对比分析各种算法的优势和劣势可知,运用决策树算法和整合自回归移动平均算法构建船舶CII预测模型的研究目前虽然较少,但其颇具研究和创新空间,开展此项研究有助于在未来构建更准确、高效的船舶CII预测模型。

基于营运数据的船舶能效分析及预测

为应对航运业日益严苛的温室气体减排要求,提出一种计算船舶实际营运性能的方法,并基于该方法实现对营运能效的分析和预测。以某大型集装箱船为研究对象,对其在2021年前2个月的营运数据进行分析。结果表明:该船的实际性能相比设计值降低约11.2%,通过采取坞修和调整船舶营运工况等措施能有效提高船舶的营运能效指数;通过对该船的营运能效进行预测,可给出提高船舶碳排放强度等级的具体措施,为船舶能效管理计划的制订提供参考。

现有船能效指数和营运碳强度指标对船舶的影响

结合现有船能效指数(EEXI)规范实施的具体情况,建立简化模型,对限制主机功率和增加节能装置提高航速的两种方法开展对EEXI改善的贡献力度对比分析;以某型LNG船为研究对象,建立理论营运模式对LNG船燃油和燃气两种运行模式下碳强度指标(CII)进行对比,计算结果表明,对于现有船,采用限制主机功率与增加节能装置相结合的方法可有效改善EEXI指数和CII指数评级,对于现有LNG船,可选择燃气模式运行改善CII评级。