船舶能效数据的处理与分析

王楠，周旭，何金伟，周兰喜，莫中华，徐文宇

(南通中远海运川崎船舶工程有限公司，江苏 南通 226005)

目前，船舶营运数据大多是通过人工每天定时发送午报的方式进行采集[1]，自动化能力弱，并且采用一段时间内的平均数据作为分析船舶能效的源数据，并不能很准确地反映船舶实际的航行性能[2]。鉴于营运数据量十分庞大，并且在对数据采集的过程中，由于设备、外界干扰及人为操作等因素，实际数据往往会出现丢失、错误及异常等情况，因此，有必要对采集的数据进行处理。目前，对数据处理的研究包括统计分析、设定阀值、插值或补全及聚类分析等[3-6]，这些方法能够有效地对原始数据进行“清洗”，并且关联了不同参数之间的关系。但是忽略了船舶在实际操纵过程中参数的变化对船舶的影响，而这部分影响在船舶能效分析的过程中是不能被忽视的。为此，基于南通中远海运川崎船舶工程有限公司研发的智能能效管理与操作系统(smart ship energy management and operation system,SEMOS)，提出船舶营运数据采集、处理及分析的流程。以某万箱级集装箱船为研究对象，对其实际营运数据进行长期监测，实时获取船舶能效指标，实现船舶能效的自动分析，为船东对船舶的进一步管理提供数据参考。

1 数据采集及传输系统

为满足船舶营运数据的长期监测及分析的需求，需要在船上安装实船营运数据监测平台。SEMOS系统集成了数据采集及分析功能，可与岸基实现数据交互，完成船岸两端数据管理、显示与分析等功能，实现对船舶的全面监控与智能化管理。通过SEMOS系统监测的航行性能信号参数主要可分为船舶状态监测、航行环境和机舱能耗等参数，涉及的设备主要分为通信导航设备及机舱设备等。各个设备所采用的数据传输接口不尽相同，一般导航设备都支持串行接口通信；机舱设备中，很多传感器一般采用模拟量信号和开关量信号，大型控制设备一般配有专门的通信模块，支持串行通信或以太网通信等。为了方便不同信号的数据采集，需要将各设备通信接口转换为统一接口，接入数据采集网络，系统服务器通过数据采集网络采集数据并经过数据处理模块处理后存储到船端数据库。同时，数据处理模块会定时将该段时间内的数据进行加密压缩，通过卫星通讯FBB系统将数据发送至岸端并存储于数据库中，形成能效数据的长期监控，见图1。

图1 数据采集及传输系统原理

2 数据处理

船舶能效数据包括船舶航速、主机输出功率和单位油耗等，采集的原始数据有船舶航行数据、外界环境数据和主机能效数据，主要包含航速、航向、船舶姿态、风力、水深、流速、主机转速、功率、油耗，以及主机运行时间等。由于海上风浪和船舶各种设备运行环境的复杂性，监测的数据难免会有不完整或者明显异常的情况，如，在某一时刻，船速信号丢失、船舶姿态测量值超出合理范围等。因此，需要对收集到的数据进行缺失值和异常值的筛选。

营运数据的缺失和异常值属于小概率事件，对船舶能效的影响较小。因此，考虑采用直接删除的方式进行处理，即对所有能效数据，设定阀值，对于范围之外的数据均将其剔除。通过这种方式对某天的数据进行处理，以速度和功率为例，筛选结果见图2。

图2 筛选后的速度和功率分布(某天)

图2中虽然速度和功率的数据均处于合理的范围之内，但是存在某段时间内数据明显波动的情况。当天船舶的实际航行距离和操舵分布见图3。从图3可以看出，船舶在00:00～04:00期间，航速快速下降并且停船，随后航速快速增加，达到稳定航速，同时存在着左右大舵角操船的过程。在这种情况下，船舶主机转速是不稳定的，其输出的功率也不稳定。因此，这部分数据不适合用来评估船舶航行性能。

图3 某船实际航行距离和舵角分布(某天)

此外，当船舶在遭遇恶劣海况时，会造成船舶失速的现象。因外界条件突变造成数据不能真实地反映船舶的实际航行性能，有必要对这些数据进行处理。首先认为在某一时刻的所有参数既是“独立的”又是“连续的”。假定在某一指定数量的数据集合中，每一个参数服从正态分布，而判断数据不稳定的标准是以计算数据的均值和标准差为基础，具体的处理过程如下。

对于将缺失值和异样值筛选后的一系列数据集合，按照数据采集的日期进行升序排列，从初始时刻开始，连续选择每N个数据点作为一个数据子集。即如果整个数据集合有M个数据点，则所有包含N个数据子集的数量有(M-N+1)个，从而保证船舶能效数据变化的连续性。计算每一个子集中所有参数的平均值和标准差。对于第k个数据子集，N个数据点di的平均值μ和标准差σ的计算公式如下。

(1)

(2)

当外界环境突变时，采用Chauvenet准则反映参数偏离均值的程度。即对子集内的数据点di发生偏离的概率进行计算。

(3)

对于该N个数据点集合内的数据，如果满足式(4)，则认为该时刻的所有数据均无效。

P(di)·N<0.5

(4)

与船舶能效相关的主要参数有船速、转速和主机功率，对3个参数进行式(1)～(4)的计算。对图2中筛选后的数据进行处理，N分别取N1、N2、N3(N1

表1 不同N值“稳定性”筛选后的数据占比(某天)

图4 “稳定性”筛选后的速度和功率分布

对比表1及图4，N取N1时，数据仍存在小部分的波动，而当N为N2或N3时，基本可有效地滤去波动异常的数据，但是N=N2时可以保留更多的数据。因此,N取N2。

在N个数据点的集合内，对于船舶速度和转速，如果其计算得到的标准差的临界值超出表2给出的值，则该时刻的数据也被视为无效值。

表2 船速和转速的标准差临界值

通过上述分析，数据急速上升或者下降的过程已经被过滤掉，数据在不同时间段内已经趋于平稳，认为这些数据相对比较稳定。进一步地，限制舵角为-5°～5°，限制风级在4级及4级以下，由于浪、涌、流等参数很难自动采集，这里仅对风影响进行筛选。通过上述数据处理过程可获取用于船舶能效分析的有效数据。

3 船舶能效数据分析

3.1 功率与航速及船舶油耗

通过对船舶实际运营时的速度与功率的分析，可以获得船舶在既定环境下的快速性能，应用国际标准ISO15016：2015航速修正方法将船舶修正到标准状态，进而得到速度与功率的实际值与理论值的差别，为新船设计提供参考，对于外界环境的影响仅考虑了风力的影响。

此外，船舶营运时的燃油消耗直接关系到船舶的CO2排放量，而船舶能效营运指数(energy efficiency operational indicator,EEOI)可以用来评估船舶CO2的排放量。EEOI的定义为船舶单位运输作业所排放的CO2量，其表达式如下。

(5)

式中：i为燃油类型；FCi为燃油i的消耗量；CFi为燃油i的燃油量与CO2量转换系数；mcargo为船舶的载货总吨，t；D为船舶载货航距，n mile。

假设船舶在单航次中运输的货物总量不变，并且燃油类型也不变，则EEOI的值可以看成是单海里油耗和一个常数的乘积，因此,可以近似用单位海里油耗的变化表征船舶EEOI的变化[6]。

3.2 污底分析

船舶在营运过程中，随着航行时间和距离的增长，因出现船舶污底会导致船舶阻力增加，船体性能降低[7]。对于性能下降值，船体污损的程度，参考ISO19030给出的方法[8]，获得有效数据，然后对有效数据进行风阻力的修正，获得修正后的功率值。引入速度损失作为评价船体性能变化的参数。

速度损失=

(6)

式中:期望的速度为修正后功率在理论速度功率曲线上的插值，而不同排水量下的理论功率曲线可预先通过海军系数法进行或者CFD方法进行估算。

建立参考区域和评价区域系统，计算这两个区域内所有数据点速度损失的平均值，通过对比两个区域内的平均速度损失值，以评价船体性能的变化。

3.3 分析结果

以某万箱级集装箱船为研究对象，该船交船日期为2013年，并于2018年10月进坞坞修。为实现船舶运营数据的自动采集，该船安装了SEMOS系统，并采集了坞修前后数据。此外，收集了船东在该段时间内提供的午报数据。其中SEMOS系统采用图7的流程对采集的数据进行处理，船东的午报数据则仅对缺失值和超出阀值的数据进行处理，分别对这两组数据进行分析，以速度和主机功率的关系为例。

本船采用午报数据分析的设计吃水附近速度与功率之间的实际关系见图5。

图5 采用午报数据分析速度功率关系(设计吃水)

由图5发现，坞修前后得到的结果并无明显区别，即如果采用午报数据进行分析，在样本容量有限的前提下，很难反映船舶的实际运营性能。

坞修前的时间段里，SEMOS系统分析的结果和午报数据分析结果见图6，并引入了理论值进行对比。

图6 设计吃水下SEMOS数据和午报数据分析结果(坞修前)

由图6可见，SEMOS分析的结果拟合趋势与理论值基本平行，验证了数据处理方法的可靠性。而午报数据分析的结果较SEMOS分析的结果低，并且随着速度的增加，两者的差别也越来越大。在不同航速下午报分析的结果与理论值的趋势并不十分吻合。说明采用每天的平均值作为能效分析的源数据并不能实际反映船舶的营运性能。本船SEMOS分析的结果与理论值之间的差距超过20%，这是因为该船已经运营了4年的时间，存在着污底的影响。另外，外界环境的因素也会造成两者的差别。通过分析，可以获得该船在运营4年之后，并且在4级风以下时的实际海上裕度。

该集装箱船的污底分析结果见图7，其中分析区域选择了坞修前的2个时间段和坞修后的1个时间段，分别计算了这3个时间段内的平均速度损失，如图7中的直线和虚线所示。

图7 某集装箱船污底分析结果

结果表明，本船在坞修前的速度损失约为10%，并且2018年4～10月内的速度损失比2017年9月—2018年3月内的速度损失大约1.5%。

此外，本船经过坞修之后，速度损失较坞修前降低了约4%。所以，采用该方法能够有效地监测船体性能的变化，进一步说明了上述分析方法的适用性。

4 结论

通过对原始数据的缺失值、异常值和稳定性等处理，可以获得用于船舶实际能效分析的有效数据，并且分析后的实际值与理论值在趋势上比较吻合，验证了数据处理的可靠性。此外，通过对船舶实际运营数据的长期监测分析，实时获得船舶运营性能指标，可为船舶营运数据分析及船舶运营管理提供参考。

通过船舶营运大数据的处理与分析，可以获取诸如航行状态、设备运行状态及航线海况等信息，进一步地将分析结果反馈到船舶设计与操作中，实现航路优化、智能机舱管理、船舶能效管理等功能，以促进船舶智能化的发展。