面向低碳的船舶航行數字孿生模型框架研究

摘 要：數字孿生技術賦能船舶與海上設施領域是國內重點發展戰略規劃，碳達峰是當前國際重大議題。為解決面向低碳的船舶航行過程數字孿生模型缺乏精準化設計這一問題，文章提出了一種以最小化碳排放為目標，綜合考慮船舶綜合電力系統、能量管理系統和故障預測系統，建立數字孿生模型的框架，并針對能量管理過程建立面向低碳的船舶航行多目標數學模型，以期對船舶航行的碳排放進行監控與優化控制。

關鍵詞：船舶航行;數字孿生;模型框架;低碳

中圖分類號：U661.4"""""" 文獻標志碼：A

0引言

2021年中國政府提出了碳達峰、碳中和目標，2022年4月1日，中國工程院《我國碳達峰碳中和戰略及路徑》[1]進行頂層設計，其中第七條明確要求以數字化、數智化推進數字化綠色降碳發展。

2022年9月1日，中國船級社（CCS）發布的《船舶與海上設施數字孿生系統指南》生效，該指南作為船舶行業內首發的數字孿生技術應用指導性文件，提出以數字孿生技術賦能船舶與海上設施領域的發展戰略規劃，表明數字孿生技術在船舶領域的應用將成為國家級重點發展戰略[2]。

在此背景下，提高船舶能效水平、降低能源消耗、減少碳排放等綠色發展理念已成為行業共識。為了推動船舶綠色發展，在新一輪技術革命下，需對船舶航行過程進行數字化建模并對其進行實時優化控制，數字孿生技術作為一種新興技術手段，能夠為其提供新思路和新方法。

因此，文章以最小化碳排放為目標，進行了船舶航行過程數字孿生模型框架構建研究，從數字孿生理論體系、框架構建、關鍵技術等方面開展研究工作。

1理論基礎

1.1數字孿生概念

數字孿生（Digital Twin，DT）源于1969年，最早應用于航空航天工業[3]，是通過數字技術對物質（如設備、系統等）的整個生命周期進行建模和仿真，以反映物質（如設備、系統等）的實際運行狀況并相互影響的過程，總體旨歸為“由實到虛、虛實交互、以虛控實”。

1.2數字孿生一般性架構

最初，Grieves 和 Vickers[4]定義了數字孿生三維模型，該模型包括物理空間、虛擬空間和兩個空間之間的數據傳輸3部分。近年，隨著大數據、機器學習的發展，傳感器、工業攝像機等硬件設備的更迭，工程模擬方法獲得了蛻變式的進步，使得數字孿生模型的構建、數據實時性精準獲取、算法迅速響應成為可能，有力地支撐了數字孿生發展。在此背景下，陶飛等[5]提出了數字孿生五維概念模型，是國內當前應用范圍最廣、最經典的數字孿生模型一般性架構，但是其中缺乏應對突發故障應對系統和故障排查系統，模型整體的穩定性不足。

2關鍵問題與技術

2.1物理實體數字化

在船舶航行過程中，物理實體通常由多個獨立的子系統組成，為了實現船體結構、機艙設備、推進系統等多個子系統之間的協調工作，需要建立各子系統之間的關系模型。此外，還需要建立虛擬空間中船舶航行過程與現實空間中船舶航行過程相關的物理實體之間的關系模型。

2.2數據集成

數據集成是數字孿生的核心技術之一，也是數字孿生中最困難的部分，其主要內容包括：（1）數據模型的構建與管理。由于物理實體和虛擬實體具有不同的數據結構和存儲方式，因此需要建立不同的數據模型，并對其進行管理，以適應不同的應用需求。（2）數據模型間的映射與共享。需建立一種高效的數據映射機制，將不同類型、結構和格式的數據模型進行統一，并在此基礎上對這些數據模型進行管理、更新和維護。（3）數據庫中數據查詢與分析。物理實體和虛擬實體之間存在大量的、復雜的、多維的動態數據關系，因此需要建立一種高效、準確的數據庫查詢與分析方法，以快速查詢出數據庫中數據間存在的關聯關系。（4）數據庫中對象間關系映射。當物理實體與虛擬實體之間存在大量復雜關系時，需要將這些復雜關系映射到一個統一、高效、準確的數據庫中。（5）物理實體與虛擬實體間交互。當物理實體與其數字孿生進行交互時，意味著它們之間存在一種連接，使得數字孿生能夠獲取來自物理實體的數據，反之亦然。

2.3實時監控與預測

實時監控與預測主要包括實時數據采集、數據預處理和智能決策。實時數據采集是指利用傳感器、控制器等設備，根據需要對數據進行采集，并將采集到的數據傳輸到數據庫；數據預處理指對采集到的數據進行初步處理，去除噪聲和異常值，并提取有用的信息；智能決策是指根據數字孿生模型中的知識和經驗，對現實世界中的物理實體進行智能決策，如自動駕駛、智能避障等。

在船舶航行過程中，首先，通過傳感器實時采集船舶航行過程的溫度、濕度、流速、壓力[6]等信息，以這些數據生成數字孿生模型，反映實際航行過程的動態變化；其次，對實時數據進行清理、轉換和規范化處理，從而確保模型的準確性與可靠性；最后，實時數據的不斷輸入使數字孿生能夠及時調整模型，當出現異常情況時，能夠及時接收到該異常情況并做出未來趨勢預測，為決策者提供實時決策依據，以防止意外事故的發生。

2.4人機交互問題

在船舶航行數字孿生系統中，數字孿生模型和物理實體的數據交互可以通過傳感器、控制器等設備收集到實時數據。這些數據包含了物理實體的各種屬性信息，如設備運行狀態、安全性能等信息。利用這些數據可以構建出虛擬世界和現實世界的交互模型，在這個交互模型中實現對物理實體的控制、診斷、維修等操作。

3面向低碳的數字孿生框架設計

3.1模型構建技術流程

（1）數字孿生體構建

通過傳感器獲取船舶航行過程中的各類數據，將這些數據與數字孿生模型進行交互和計算，并對其進行分析和處理。

（2）數據采集與處理

在數字孿生體建立完成后，需要對其進行數據采集和處理。通過傳感器獲取船舶航行過程中的各類數據，如時間序列數據、溫度數據、振動信號等。利用數據采集設備對這些數據進行采集，并將這些數據與數字孿生體模型進行交互和計算。

（3）智能決策與優化

在實現對船舶航行過程進行模擬仿真后，利用智能決策算法對船舶航行過程中的各項參數進行優化，并根據不同的約束條件來選擇不同的優化算法。

3.2數字孿生框架模型設計

文章基于上述數字孿生五維模型，對面向低碳的船舶航行過程數字孿生模型框架進行了精準化的設計，如圖1所示。其中，船舶的低碳航行由以下5點設計內容耦合實現：

（1）物理層的船舶能量管理系統負責收集船用電機、柴油機、減速箱、齒輪箱等設備的功率、轉速等能耗相關數據；物聯網設備收集海浪的波高、波幅、海風風速、洋流方向等數據；數據傳輸入算法層的數據庫。

（2）數據層將物理層輸入的數據進行分類、整合、分析并存儲至各數據庫中，以便實現模型層航行判斷。

（3）模型層中的重點是建立航行能耗模型與機

組、儲能單元及推進控制器仿真模型，模型的建立是以虛控實的基礎。

（4）功能層將分析模型車提供的關鍵數據指標，反映到應用層進行航行狀態監控和預測，以供船員進行決策。

（5）應用層中，航行能量管理控制臺和人機交互界面能夠提供控制方法，達到以虛控實的目的。

4 船舶航行能耗模型構建

4.1 分析船舶航行能耗影響因素

影響船舶航行能耗的主要因素為：（1）船速，不同船速下的發動機轉速是不同的，而轉速越高，發動機就會越費油；（2）船舶航行阻力，由于船舶在海上航行時會受到風浪、波浪等多種因素的影響，因此會產生一定的阻力；（3）船體阻力，包括螺旋槳阻力、海水阻力等。

4.2 確定需采集的數據

由于當前船舶航行能量多由混動力系統提供，因此，根據船舶航行過程中的具體需求，選取不同類型的設備作為傳感器，實時采集各設備的運行狀態和能耗數據。其中，傳感器主要記錄包括船用電機、柴油機、減速箱、齒輪箱等設備的轉速等數據。

具體來說包括以下3部分：（1）船用電機（Ma?"""" rine motor）功率（ PM ）與電機轉速（n1）；（2）柴油機（Marine Diesel Engine）的功率（ PD ）和轉速（n2）；（3）減速箱及齒輪箱（Marine gearbox）的功率（ PG ）和工作軸的轉速（n3）。

通過采集船舶航行過程中所需傳感器的能耗數據，可以得到不同類型設備在不同工況下所消耗的能量指標。

4.3 航行能耗計算數學模型建立

（1）建立各動力系統功率計算公式

由于，船用電機的功率（ PM ）與電機轉速（n1）、柴油機的功率（ PD ）與柴油轉速（n2）、齒輪箱功率（ PG ）與傳動轉速（n3）之間皆成正比，為近似線性關系。

因此，可以得到船舶航行能量消耗各部分的公式（1）—（3），式中α、β、?均為定值。

由于碳排放因子（Grid emission factor，EF）為定值，基于能耗公式，得到了混合動力船舶航行過程中的碳排放公式（4）、（5）。如公式（5）所示，總碳排量等于總功率之和、時間和電網排放因子（EF）3者的乘積。

式中：E為碳排放量；EF為電網排放因子，具體數值由生態環境部發布，當前可采用0.5839 t CO2/MWh。

（2）建立抵抗外部阻力所用時間公式

在實際航行過程中，航向控制操舵（低頻）上疊加橫搖減搖操舵（高頻），正確控制舵的動作（包括幅度、方向、相位），就可有效地利用舵產生的橫搖力矩部分抵消波浪產生的橫搖擾動力矩，實現在控制航向的同時減小橫搖。

此時涉及到相對旋轉效率（η）概念，螺旋槳轉矩 QA 與螺旋槳實際扭矩 QB 之比值，為相對旋轉效率，見公式（6）。

那么，為調整海浪、風浪等外部阻力而造成的能耗（ W ）公式為：

其中，

式（6）、（8）代入式（7）中，即可得到航行過程中抵抗外部阻力所用的時間公式：

（3）雙目標模型構建與歸一化處理

以碳排放表達式（5）與時間表達式（9），建立碳排放最小、抵御外力耗時最小的雙目標模型，如式（10）所示。

將式（10）進行歸一化處理，簡化求解過程，即可得到式（11）。

式中：ζ1+ζ2=1，ζ1，ζ2為2個目標函數的權重，可根據實際需求調整權重比值；t ′ ， E ′為2個目標函數的最低值，t″ ， E″為2個目標函數的最優值。

最終，航行能耗計算數學模型即可服務于圖1所示的數字孿生框架模型。首先，物理層實時監控電機轉速等數據，并向上傳遞至數據層；其次，處理后的數據將輸入模型層的航行能耗模型中；再次，功能層進行能耗、能效分析；最后，分析結果顯示至航行能量管理控制臺，管理人員根據不同目標權重進行決策。

5 總結與展望

文章所提出的面向低碳的船舶航行過程數字孿生框架，實現對船舶航行過程中碳排放監控與優化控制，提高了船舶能效水平，減少能源消耗和碳排放。

未來，基于數字孿生模型的智慧航運平臺構建需要進一步考慮：（1）熱損耗問題；（2）航行過程中調諧減搖、阻尼減搖、平衡減等操作的能耗模型構建問題；（3）海浪波高與波幅、海風風速、洋流角度等外部因素問題。

參考文獻：

[1] 張嘉毅.中國工程院發布《我國碳達峰碳中和戰略及路徑》報告[J].科技中國，2022（9）：103.

[2] 宗山雨.中國船級社發布《船舶與海上設施數字孿生系統指南》（2022）[J].科技中國，2022（9）：103.

[3] Rosen R，Von G，Lo G，et al. About the importance of au? tonomy and digital twins for the future of manufactur? ing[J]. IFAC-Papers on Line，2015，48（3）：567-572.

[4] Grieves M，Vickers J. Digital twin：Mitigating unpredict? able，undesirable emergent behavior in complex system[J]. Transdisciplinary Perspectives on Complex System，2017（8）：85-113.

[5] 陶飛，劉蔚然，張萌，等.數字孿生五維模型及十大領域應用[J].計算機集成制造系統，2019，25（1）：1-18.

[6] 徐浩.基于數據驅動的船舶能效動態仿真與驗證方法研究[D].大連：大連海事大學，2022.

Research on the Digital Twin Framework Model for Low Carbon ShipNavigation

ZOU Xinhui

（School of Mechanical Engineering，Shenyang University of Technology，Shenyang Liaoning 110870，China）

Abstract：Empowering the field of ships and offshore facilities with digital twin technology is a key strategic plan for China′s development， and achieving carbon peak is a major international issue at present. In order to ad ? dress the issue of the lack of precise design of the digital twin models for low-carbon ship navigation processes， this article proposes a framework for establishing the digital twin model with the goal of minimizing carbon emissions， taking into account the comprehensive power system， energy management system and fault prediction system，andes ? tablishes a low-carbon ship navigation multi-objective mathematical model for energy management processes， it is expected to monitor and optimize the carbon emissions of ship navigation.

Key words：ship navigation; digital twin; framework model; low carbon