[发明专利]全电力推进船舶的全流程自动计算的航速优化方法及系统

说明书

本发明提供了一种全电力推进船舶的全流程自动计算的航速优化方法及系统，包括：获取数据步骤：获取船舶数据；划分步骤：对航线进行划分；建模步骤：根据船舶数据，建立船舶阻力计算模型、船舶推力计算模型、船舶功率分配计算模型和柴油机总燃油消耗总量模型；模型优化步骤：增加条件约束，建立航速优化模型；计算步骤：对各模型进行计算，得出优化结果，并运用到船舶航行中。本发明对航线聚类算法到航速优化算法及其他计算进行了整合，全流程自动计算，可实现一键优化操作，并将与船舶相关的参数放置于配置文件，便于算法迁移应用到其他船舶。

技术领域

本发明涉及船舶智能能效优化领域，具体地，涉及一种全电力推进船舶的全流程自动计算的航速优化方法及系统。

背景技术

船舶航速优化是船舶智能能效优化技术的重要组成部分，能提供关于提高船舶能效、降低燃油消耗的航速智能决策。对于纯电力推进船舶，影响最优航速的因素错综复杂，包括船舶航线、航行计划、海洋风浪等气象条件、主柴油机燃油消耗特性、船舶电力负载等，如何综合考虑以上因素，并为船舶提供以燃油消耗最低为目标的航速优化决策，对于智能船舶能效意义重大。

遗传算法属于启发式算法的一种，提供了解决最优化问题的有效手段。遗传算法并不是在单一解上运算，而是使用群体搜索技术，使用类似于生物进化式的方法逐步使种群进化到包含近似最优解的状态。相对于传统的搜索和优化算法，遗传算法具有与生俱来的并行性，它可以并行搜索一组数据点，且遗传算法鲁棒性强。

经调研，目前行业内学者提出的航速优化方法基本上只适用于传统推进船舶，无法应用于纯电力推进船舶，且大多数航速优化算法采用matlab平台，需要人为分步骤开展航线分段和航速优化算法函数编写，算法集成度不高，且应用于其他同类动力系统船舶的可迁移性差。

鉴于上述问题，本方法提供了一种python语言编写的基于遗传算法的航速优化方法，该方法适用于纯电力推进船舶，算法集成度高，用户通过修改配置文件即可完成算法参数修改，整个算法可完成全流程自动计算，且能较好地迁移到其他电力推进船舶的航速优化问题。计算完成后，算法自动输出各分段航程推荐航速及各台主机最优功率分配。

专利文献CN108287489A(申请号：201810070205.5)公开了一种船舶航速控制方法及系统，该方法包括：获取船只运行参数和环境状态数据；根据所述船只运行参数和环境状态数据计算最佳航速范围；根据所述最佳航速范围控制船舶航行速度。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种全电力推进船舶的全流程自动计算的航速优化方法及系统。

根据本发明提供的全电力推进船舶的全流程自动计算的航速优化方法，包括：

获取数据步骤：获取船舶数据；

划分步骤：对航线进行划分；

建模步骤：根据船舶数据，建立船舶阻力计算模型、船舶推力计算模型、船舶功率分配计算模型和柴油机总燃油消耗总量模型；

模型优化步骤：增加条件约束，建立航速优化模型；

计算步骤：对各模型进行计算，得出优化结果，并运用到船舶航行中。

优选地，所述船舶数据包括：船舶的固定参数数据、船舶历史航行数据或试航数据、当前航次航行计划数据、主柴油机燃油消耗率特性曲线数据、螺旋桨特性曲线数据、综合电力系统原理图和全船电力负载值。

优选地，所述划分步骤包括：根据航线气象预报数据，对航线进行聚类，采用DBSCAN算法，找出航线分段点，并获取航线分段总数。

优选地，所述聚类包括：通过邻域的距离阈值和类内最少样本数量调整算法参数，获得聚类结果；

根据半正矢公式计算航行距离，得到总航行距离和各分段航行距离。