第1章船舶营运能效优化概述
本章阐明了船舶营运能效优化管理的内涵与意义，分析了船舶营运能效优化技术的研究与发展现状，并论述了本书的主要内容。
1.1船舶营运能效优化管理的内涵与意义
1.1.1船舶营运能效优化管理的内涵
船舶营运能效优化管理是指对船舶能源消耗、能源利用效率和CO2排放进行控制和管理的相关活动，包括制定能效方针、目标，以及能效策划、能效控制和能效改进。船舶营运能效优化管理通过制定船舶能效评价指标、采用船舶能效提升方法与技术、建立船舶能效综合管理体系，来提高船舶能源利用效率并减少碳排放，进而实现船舶节能减排的目标。
智能能效是船舶智能化发展的重要内容之一，以实现船舶能效实时监控、智能评估及优化，以及提高船舶能效管理水平为目的，通过大数据分析、能效建模及智能优化等关键技术，为船舶提供能效评估分析结果和辅助决策建议[1]。智能能效通过能耗在线智能监控和船舶航行优化决策与控制，可以实现船舶能耗的智能分析、评估与自主决策。船舶能效智能在线监控、航速优化、基于纵倾优化的船舶*佳配载等技术的应用，可有效提高船舶营运能效水平，降低船舶能耗和温室气体排放，对促进船舶的绿色化与智能化发展具有重要意义[2]。
1.1.2船舶营运能效优化管理的意义
随着世界航运贸易量的增长，船舶燃油消耗产生的CO2排放随之攀升。为降低航运业的碳排放，IMO等相关组织提出了一系列温室气体排放控制法规和减排措施[3]。我国政府也非常重视气候变化与污染气体排放问题，先后提出了一系列航运业温室气体减排政策和指导文件。在低碳航运发展战略背景下，船舶作为碳排放的大户，面临巨大的减排压力，如何在保证船舶航行安全的前提下，实现船舶节能减排的目标，对满足日益严格的排放法规、落实国家重大发展战略，以及降低船舶营运成本和提高航运企业市场核心竞争力等方面都具有重要意义。
2大型远洋船舶营运能效智能优化技术
1.满足日益严格的船舶碳排放控制法规的必然要求
随着国际社会对温室气体排放问题的持续关注，海洋环境保护委员会（Marine Environment Protection Committee，MEPC）也非常重视船舶污染气体排放问题，并开展MARPOL附则Ⅵ“防止船舶造成空气污染规则”的修订工作。第59届MEPC会议上通过了《新船能效设计指数（EEDI）计算方法临时导则》《新船能效设计指数自愿验证临时导则》《船舶能效管理计划（SEEMP）制订导则》《船舶能效营运指数（EEOI）自愿使用导则》等技术通函。第62届MEPC会议审议通过了国际航行船舶温室气体减排措施，即在MARPOL附则Ⅵ中增加了新的船舶能效附则，标志着世界*部具有强制性的CO2减排法规的实施和生效。随着温室气体减排策略及温室气体排放法规的相继出台并生效，节能减排已成为航运业重要的战略措施。航运业作为碳排放的主要来源之一，面临巨大的减排压力，如何在确保船舶安全航行的条件下，有效降低船舶能耗和温室气体排放，成为航运业亟待解决的重大课题[4]。
船舶温室气体排放主要来源于船舶燃料的消耗，如何采取有效措施降低船舶燃料消耗是降低船舶温室气体排放的有效途径，也是满足船舶排放控制法规的内在需求。船舶营运能效优化管理的研究与应用可有效降低船舶燃油消耗，因此，其是满足船舶排放控制法规的必然要求。
2.落实国家低碳航运发展战略的具体体现
我国政府非常重视航运业的能源消耗与污染气体排放问题，《“十三五”控制温室气体排放工作方案》明确提出了船舶节能减排的措施和实施方案，并确立了降低营运船舶CO2排放的目标。此外，交通运输部于2015年底发布了《关于珠三角、长三角、环渤海（京津冀）水域船舶排放控制区实施方案》，通过建立船舶大气污染排放控制区，加快推进船舶节能减排和绿色航运的发展。在规范制定方面，中国船级社发布了以绿色和可持续发展为核心内容的《绿色船舶规范2015》，倡导发展和应用绿色技术。
此外，信息感知、大数据分析、人工智能等相关技术的快速发展，有力地推动了船舶能效管理技术的智能化发展，不断提升船舶能效管理的数字化与智能化水平，并在一定程度上促进了船舶智能能效管理系统的研发和应用[5]。《智能船舶规范（2024）》《智能船舶发展行动计划（2019—2021年）》等相关文件，都把船舶智能能效管理作为智能船舶发展的主要内容之一，由此可见，船舶智能能效管理是智能船舶发展的重要一环。船舶智能能效管理通过能耗在线智能监控和船舶航行的优化决策与控制，可以实现船舶能耗的自动监测、分析与自主决策，从而降低船舶能耗和温室气体排放，因此，其是落实国家低碳航运发展战略的具体体现，对促进船舶的绿色化与低碳化发展具有重要意义。
3.提升航运业市场核心竞争力的迫切需要
船舶燃油的成本约占船舶运营成本的60%以上，可以说燃油的费用支出是船舶运营的主要成本，其对船舶运营的经济性及航运企业的市场核心竞争力具有较大影响。然而，目前我国船舶动力系统的运行效率及能效水平还有待进一步提高，能源利用效率尚有较大的提升空间。通过船舶营运能效优化管理，可有效降低船舶能耗和运营成本，进而可以提高航运企业的经济效益[6]。因此，船舶营运管理节能技术与方法的研究与应用，不仅可以提高船舶的能效水平，也可以提升航运企业市场核心竞争力。
船舶能效智能优化技术与控制系统的研发和应用可以促进船舶的绿色化发展，降低船舶能耗，并有效提高船舶营运经济性，是航运公司发展的内在需求。此外，船舶能效智能优化与控制系统的研发和应用可以提高船舶的信息化与智能化水平，减少人力成本，实现船舶营运的精细化管理[7]。然而，目前我国在船舶能效智能优化关键技术及能效优化控制系统核心产品方面的研发和应用不足，亟须开展船舶营运节能优化管理关键技术的研究与应用，打破国外的技术垄断，提升我国船舶能效优化装备技术水平及市场的核心竞争力。
1.2船舶营运能效优化技术研究与发展现状
1.2.1船舶能效智能监测与分析研究现状
1.基于大数据的全船用能监测与分析
大数据技术的应用可助力实现全船用能的智能化监测与分析，通过对监测数据的深度挖掘分析可获得船舶的实时运行状态及关键能耗设备的能效水平，进而辅助船舶管理者分析全船的用能状态、探索船舶节能减排的有效途径[8]。
基于大数据的全船用能监测与分析通过各种传感设备获取船舶关键系统设备的能源消耗与排放数据，形成船舶能耗大数据库，并通过北斗、5G等通信技术，实现船岸大数据信息一体化。通过大数据分析及智能算法对监测数据进行挖掘分析，可识别能效水平低下的设备，并进行能效水平低下的致因分析，实现人工难以判断的智能分析与优化决策。采用基于大数据技术的船舶油耗监测系统，可以实现船舶油耗信息的收集、整合和挖掘。基于所收集的船舶性能和航行数据，采用大数据技术可实现不同优化控制措施下的船舶能效水平的分析与评估。此外，通过开发基于智能物联网和互联网融合技术的船舶能效大数据监控平台，可实现4大型远洋船舶营运能效智能优化技术
船舶航速、油耗、气象等数据的采集与传输，进而实现船舶能效大数据的挖掘分析[9]。基于大数据平台硬件系统及船载能效数据采集系统，可构建船岸一体化的船舶能效大数据分析平台，如图1.1所示，其可为船舶能效分析与智能优化决策的研究提供重要基础[10]。
图1.1船舶能效大数据分析平台
在船舶能效大数据获取的基础上，通过建立船舶动力系统能耗分布模型，可实现全船能量流和不同能耗设备的用能分析。此外，通过构建能耗分析系统可以实现全船用能的监测分析，挖掘能量利用效率的薄弱环节，从而为船舶能效优化管理方法的研究奠定基础[11]。
虽然，现有船舶能效在线监控系统可实现船舶能效大数据的获取与分析处理，并为船舶能效优化辅助决策提供参考，然而，船舶能效监控与分析的智能化水平有待进一步提升，在能效大数据分析算法及其多样性、实时性和准确性等方面有待开展深入研究。
2.船舶航行环境智能分析与预测
风、浪、流等航行环境要素的复杂多变性直接影响船舶推进系统的工作状态，进而影响主机功率和燃油消耗率。此外，航行环境的变化也会对船舶航行时间和航行路线决策产生影响，因此，航行环境智能分析与预测技术的研究是实现船舶能效智能优化方法的基础和前提，对实现船舶营运能效智能化管理至关重要。基于大数据分析可以挖掘航行环境的时空分布特征，如图1.2所示，其是船舶能效与航行环境的动态关系分析及船舶能效时空分布特征分析的重要基础[12]。
图1.2基于大数据的航行环境时空分布特征分析（扫封底二维码查看彩图）
此外，船舶航行环境智能识别的核心是航行环境类别知识库的建立和基于智能算法的航行环境识别，具体实现过程如图1.3所示。*先，基于所获取的大量数据，建立航行环境大数据库；然后，通过改进k均值（k-means）聚类算法等智能算法建立航行环境类别识别库；*后，通过改进k近邻（k-nearest neighbor，KNN）算法等智能算法实现目标航线航行环境的智能识别。研究表明，此方法可实现航行环境的有效识别，从而可为基于航段划分的船舶航速智能优化方法的研究奠定基础[13]。
图1.3船舶航行环境智能识别实现过程基于大数据的航行环境智能预测可实现船舶航行前方航行环境的预判，进而可提前对船舶航行状态进行优化调整与控制，保证船舶航行至前方相应的航行环境时能够在能效*佳的状态下航行，避免船舶大惯性对能效优化准确性和有效性的影响。
基于大数据分析的船舶航行环境智能预测实现过程如图1.4所示。基于所获取的航行环境大数据，采用神经网络等机器学习方法可构建较为准确的预测模型。基于船舶航行环境大数据及其预测模型，可以预测船舶前方的航行环境参数，进而实现基于大数据的航行环境智能预测。在此基础上，通过动态寻优算法，可实现不同航行环境下的船舶能效*佳主机转速优化决策，从而提高船舶能效水平[14]。
图1.4基于大数据分析的船舶航行环境智能预测
3.船舶航行状态智能识别与能效评估
船舶运行状态主要有停泊状态、机动航行、定速航行和大风浪航行，不同状态下船舶能耗设备的运行状况和能效水平具有较大的差异。为更加准确地判断船舶能耗设备的工作情况，从而有针对性地分析特定航行状态下的船舶运营状态和能效水平，船舶航行状态智能识别尤为重要。由于不同航行状态下船舶的运行参数具有较大的差异性，因此，可以通过采用基于大数据训练神经网络模型的方法来实现航行状态的智能识别。基于实船采集数据以及海洋气象信息，根据各航行状态的参数特征，可以得到各航行状态的样本数据。在此基础上，建立以船舶航速、主机转速等参数为输入的航行状态神经网络智能识别模型，如图1.5所示。通过大量数据样本的训练学习，可以获得较高精度的航行状态智能识别神经网络模型，进而实现航行状态的准确识别[15]。
在船舶航行状态智能识别的基础上，根据不同的航行状态分别对船舶能效进行评估，可以实现船舶能效的横向与纵向对比分析。船舶能效的实时评估可以采
展开
