面向能效优化的内河航道智能划分方法

摘要

内河航道航段的自动科学划分对提升船舶能效模型的精度具有重要意义。针对船舶能效优化过程中，根据航段划分结果构建的各航段油耗预测模型和航速预测模型精度不高等问题，研究了1种基于能效优化的内河航道智能划分方法。该方法通过归一化处理以及构建通航环境参数与船舶能效的相关性系数将通航环境参数对船舶能效的影响程度纳入到通航环境数据聚类中，运用K-means聚类算法将整条航线划分为多段；运用随机森林（random forest,RF）算法建立各航段的船舶油耗预测模型和船舶航速预测模型；通过优化聚类数量实现船舶能效模型综合平均绝对百分比误差（mean absolute percentage error,MAPE）最低。以1艘内河散货船为研究对象，对该方法进行实例应用和验证，并分析了数据量对船舶能效模型综合精度的影响。研究结果表明：通过优化聚类数量可以实现船舶能效模型综合精度的提升，采用该方法构建第1航次的油耗预测模型和航速预测模型，实现船舶能效模型综合MAPE由3.53%降低至3.32%；增加构建船舶能效模型的能效相关数据的数据量有利于船舶能效模型综合精度的提升，当对象船舶用于建模的能效数据由1个航次增加到5个航次时，船舶能效模型综合MAPE由3.32%降低至1.65%；不同建模数据的最佳聚类数量不同，通过取多航次的综合最佳聚类数可实现航道的优化划分；所提出航道划分方法得到的能效模型综合MAPE比常用航道划分方法得到的能效模型综合MAPE降低了0.54%，验证了所提出的航道划分方法对提升船舶能效预测模型精度的有效性。

关键词

能效优化 / 内河船舶 / 航段划分 / K-means聚类算法

基金资助

国家重点研发计划项目(2022YFB4300803); 工信部高技术船舶科研项目(MC-202002-C03); 潍柴动力股份有限公司技术项目(WCDL-GH-2021-0050)资助