[发明专利]一种基于航行大数据的船舶主机油耗动态预估方法

说明书

一种基于航行大数据的船舶主机油耗动态预估方法，包括如下步骤：将当前艏吃水、艉吃水、转速、时间以及地点的经纬度输入数据分类模块，获得对应数据种类类型；以及基于当前时间和经纬度获得当前对应的气象数据，包括风速、风向、浪高、浪向、浪周期、流速、流向；动态油耗预估模块根据数据种类类型选择所对应的油耗预估模型，之后将艏吃水、艉吃水、转速以及当前对应的气象数据输入所选择的油耗预估模型；输出船舶对地航速、功率以及每小时主机油耗。其优点是：利用实时采集的航行数据构建而成，通过增量学习方法进行动态学习，无须学习大量过往数据，并能够保证该系统可以根据实时的船舶性能而精确预估船舶油耗。

技术领域

本发明涉及船舶航线航速优化技术领域，尤其涉及一种基于航行大数据的船舶主机油耗动态预估方法。

背景技术

2008年以来，航运业的不景气让航运公司不断采取新的措施来降低营运成本，降速航行或者优化航速成为营运船舶的主要选择。此外，随着全球变暖日渐加剧，世界各国都制定了降低航运业碳排放计划，欧洲各国都制定了相关的航运碳排放法规。因此，如何准确预估燃油消耗成为营运船舶节能减排的关键技术，特别是结合实时的气象以及营运船舶的性能准确预估船舶的主机油耗可以极大提高营运船舶的营运性能。

现阶段国内外进行油耗预估的方法主要分为三种：1.结合目标船舶模型实验数据以及阻力计算公式进行油耗预估，该方法可以根据气象数据以及目标船的性能数据准确获得相应的主机油耗模型，但是该方法要求的基础数据较多且基础数据需要较为精确，特别是船舶模型的性能数据，一般而言，对于新造船而言，此类数据较为容易得到，而较多的营运船舶较难获得；2.利用众多营运船舶的采集主机油耗数据拟合出经验公式，从而进行油耗预估；此类方法利用多种船型的航行数据进行拟合，但是每个船舶的性能都是不一样的，特别是非同类船型，因此该方法存在较大的预估误差；3.利用船上填报的航行数据以及油耗数据，学习得到符合目标船的油耗模型，该方法利用船员填报的数据进行预估，而船员一般一天填报一次数据，所以填报的船舶遭遇的气象会存在较大误差，且油耗值都是人工测量值，这方法学习得到的模型较为粗糙。

因此现有技术中油耗预估方案的缺点可以简单概括为：

1.构建油耗模型的传统方法需要较多较为精确地目标船舶模型水动力性能实验数据；

2.拟合得到的油耗经验公式不能体现目标船舶的特性，因此由经验公式得到的油耗模型性能较为粗糙，且该油耗模型未考虑航行中遭遇的气象因素；

3.基于船员填报数据的油耗模型计算得到的油耗值会因为船员观测的误差而不能准确计算得到真实的油耗；

4.传统的油耗模型只适用于某一时间段的营运船舶，例如，同一船舶在刚造好后的航行性能与航行一年后的航行性能不同，因为对比刚造那段时间，航行一段时间后，目标船的主机会老化，且船体会出现污底，这些都会严重影响船舶的航行性能，从而影响主机油耗。

对现有技术存在的缺陷，提出本发明。

发明内容

目的是针对现有技术结构上的缺点，提出一种基于航行大数据的船舶主机油耗动态预估方法，该油耗预估方法利用实时采集的航行数据构建而成，通过增量学习方法进行动态学习，无须学习大量过往数据，并能够保证该系统可以根据实时的船舶性能而精确预估船舶油耗。

为了达到上述发明目的，本发明提出的一种基于航行大数据的船舶主机油耗动态预估方法，通过以下技术方案实现的：

一种基于航行大数据的船舶主机油耗动态预估方法，其特征在于该方法包括如下步骤：

S1：对船舶航行数据基于KMeans聚类为多吃水低转速、多吃水高转速、低吃水低转速、低吃水高转速四类数据种类，训练获得动态航行数据分类模块；