هوش مصنوعی در سیستم های محرکه، موتورهای اصلی و بهره وری انرژی

سود:

• امکان تحلیل عملکرد موتور اصلی، پروانه و زنجیر پیشرانه از طریق SFOC و منحنی های بازده با هوش مصنوعی
• امکان پیش ارزیابی گزینه های سوخت و پیشرانه جایگزین (LNG، متانول، هیبریدی) با پشتیبانی هوش مصنوعی
• امکان تایید محاسبات نیروی محرکه و کارایی هوش مصنوعی با معقول بودن ترمودینامیکی و داده های میدانی

قلب یک کشتی در موتورخانه است. موتور اصلی (دیزل بزرگ یا موتور دوگانه سوز که کشتی را به حرکت در می آورد) سوخت را می سوزاند، یک لحظه چرخشی به شفت می دهد، پروانه این لحظه را به نیروی رانش تبدیل می کند و کشتی به جلو حرکت می کند. از دست دادن راندمان در هر حلقه از این زنجیره مستقیماً در صورتحساب سوخت و آلاینده ها نوشته می شود. در یک کشتی اقیانوس پیما، سوخت می تواند بیش از نیمی از هزینه عملیاتی باشد. بنابراین، هر یک درصد بهبود بهره وری در زنجیره تحویل به معنای میلیون ها دلار در سال است. در عین حال، بخش; این کشور در حال گذار به سوخت های جایگزین مانند LNG (گاز طبیعی مایع)، متانول، آمونیاک و الکتریسیته هیبریدی است. هوش مصنوعی (AI) این تحلیل و مقایسه پیچیده را سرعت می بخشد. اما جایگزینی برای داده های ترمودینامیک و میدانی نیست.

بیایید از ابتدا حد را تعیین کنیم: هیچ مقدار SFOC، بدون منحنی بازده، هیچ وعده مصرف سوختی که توسط هوش مصنوعی داده شده است به یک تصمیم سرمایه‌گذاری یا عملیاتی تبدیل نمی‌شود بدون اینکه توسط داده‌های تست سازنده موتور (تست فروشگاه)، معقول بودن ترمودینامیکی و اندازه‌گیری کروز واقعی تأیید شود. تعادل انرژی محافظه کارانه است. وعده های پس انداز «رایگان» اغلب یک اشتباه پنهان یا یک فرض خوش بینانه است.

مفاهیم: SFOC: مصرف ویژه روغن سوخت، گرم سوخت سوزانده شده توسط موتور برای یک کیلووات ساعت تولید شده (g/kWh). MCR: حداکثر امتیاز پیوسته. حد مجاز بالای قدرت موتور تایید شده است. نقطه بار: درصد قدرتی که موتور در آن کار می کند نسبت به MCR. منحنی پروانه: رابطه قدرت و سرعت که توسط ملخ با سرعت معین ترسیم می شود. راندمان پیشرانه: نرخی که در آن نیروی موتور به نیروی رانش موثر تبدیل می شود. راندمان حرارتی: سرعتی است که انرژی شیمیایی سوخت به کار تبدیل می شود.

عملکرد موتور اصلی و پروانه

رفتار اقتصادی موتور با منحنی SFOC تعریف می‌شود: SFOC با نقطه بار تغییر می‌کند و اغلب به پایین‌ترین (کارآمدترین) مقدار خود در حدود 70-85% MCR در موتورهای معمولی دیزلی می‌رسد. هم در بارهای خیلی کم و هم در بارهای خیلی زیاد افزایش می یابد. هوش مصنوعی منطق این منحنی را توضیح می‌دهد، مصرف سوخت تقریبی را برای یک نقطه بار محاسبه می‌کند و این سوال را مدل‌سازی می‌کند که "سوخت در زمان بخاردهی آهسته چگونه تغییر می‌کند؟" با این حال، مقادیر واقعی SFOC از گزارش تست فروشگاه موتور می آید. عددی که هوش مصنوعی آن را "معمولی" می نامد باید با داده های تایید شده موتور شما جایگزین شود.

در سمت پروانه، راندمان با نقطه عملیاتی که در آن منحنی پروانه با منحنی موتور ملاقات می کند، تعیین می شود. رسوب بدنه (فولاسیون؛ موجودات دریایی و جلبک های انباشته شده در زیر قایق) و رسوب پروانه این نقطه را تغییر می دهد و مقاومت و در نتیجه مصرف سوخت را افزایش می دهد. هوش مصنوعی سناریوهایی مانند «اگر آلودگی باعث افزایش مقاومت 5 درصدی شود چه اتفاقی برای سوخت می افتد» را محاسبه می کند. اما اثر آلودگی واقعی را فقط می توان از طریق داده های پایش عملکرد شناخت.

رابطه سرعت سوخت تقریباً یک قانون مکعبی را تقریب می‌کند: کاهش سرعت کمی سوخت را به مقدار زیادی نامتناسب کاهش می‌دهد (تقریباً قدرت ~ سرعت³). به همین دلیل است که بخاردهی آهسته یک ابزار صرفه جویی قدرتمند است. اما مدت زمان سفر، تعهد سرعت چارتر و کاهش بازده موتور در بار کم در این تصمیم گنجانده شده است. هوش مصنوعی تمام این موجودی ها را در یک جدول جمع آوری می کند.

نکته: وقتی صرفه جویی در سوخت را به هوش مصنوعی پیشنهاد می کنید، از آن بخواهید تعادل انرژی را ببندد: "انرژی که پس انداز کردید از کجا می آید، چه تلفاتی را کاهش دادید؟" ادعای پس انداز بدون منبع فیزیکی تقریباً همیشه یک اشتباه فرضی است.

گزینه های سوخت و پیشرانه جایگزین

تصمیم بین ال ان جی، متانول، آمونیاک و گزینه های هیبریدی-الکتریکی چند بعدی است: چگالی انرژی و حجم مخزن سوخت، گازهای گلخانه ای و انتشار محلی (SOx، NOx، ذرات)، قیمت و در دسترس بودن سوخت (زیرساخت های ذخیره سازی)، سرمایه گذاری اولیه، طبقه بندی و قوانین IMO (مانند قوانین آموزش کشتی IGF، قوانین ایمنی گاز سوز) هوش مصنوعی این معیارها را در یک ماتریس تصمیم جمع می کند و مقایسه مبتنی بر سناریو را انجام می دهد. اما قیمت، قوانین و فناوری به سرعت تغییر می کند، بنابراین هر عدد از منبع فعلی تأیید می شود.

سوخت / نیروی محرکه

نقطه قوت

دشواری

تایید شود

دیزل معمولی (VLSFO/MGO)

گسترده، زیرساخت آماده است

بار کربن و گوگرد

قیمت فعلی سوخت، اثر EEXI/CII

LNG

SOx کم، CO₂ کمتر

نشت متان، حجم مخزن

شبکه بانکرینگ، انطباق با IGF

متانول

ذخیره سازی آسان، سوختن تمیز

چگالی انرژی کم

عرضه متانول سبز، قیمت

آمونیاک

احتراق بدون کربن

سمیت، NOx، نابالغ

قانون امنیتی، آمادگی فناوری

هیبریدی-الکتریکی

کارایی در بندر/مانور

وزن باتری / هزینه

نمایه بارگذاری، پس انداز واقعی

موارد کوچک

مورد 1 - SFOC غیرممکن. یک تیم یک تخمین SFOC از هوش مصنوعی برای یک میزبان درخواست می کند. هوش مصنوعی 155 گرم بر کیلووات ساعت می دهد. بهترین SFOC در دیزل‌های بزرگ دو زمانه مدرن معمولاً در حدود 165-175 گرم در کیلووات ساعت است. 155 گرم در کیلووات ساعت برای فناوری فعلی بسیار خوش بینانه است. با نگاهی به گزارش تست کارگاه خدمه، کمترین SFOC واقعی 169 گرم در کیلووات ساعت است. این اختلاف 14 گرم بر کیلووات ساعت به معنای انحراف قابل توجه بودجه در ده ها هزار تن سوخت در سال است. درس: SFOC همیشه از داده های تست تایید شده موتور گرفته می شود.

مورد 2 - تعادل بخار آهسته. یک مالک کشتی در نظر دارد سرعت را از 15 گره به 13 گره کاهش دهد. بر اساس قانون مکعب، هوش مصنوعی کاهش قدرت پیشرانه را تقریباً 35٪ (و صرفه جویی در سوخت نزدیک به آن) محاسبه می کند. با این حال، با افزایش زمان سفر، SFOC موتور در بار کم کمی افزایش می یابد. هنگامی که تمام مانده ها در نظر گرفته شود، پس انداز خالص کمی کمتر از محاسبه خام است، اما همچنان قابل توجه است. درس: قانون مکعب اولین حدس خوبی است، اما زمان سفر و راندمان بار پایین، تصمیم را تعدیل می کند.

مورد 3 - بعد از دست رفته در انتخاب سوخت. یک مطالعه این دو سوخت را صرفاً بر اساس قیمت هر تن مقایسه می کند و متانول را به عنوان "گران قیمت" حذف می کند. با این حال، چگالی انرژی متانول کمتر از دیزل است. برای انجام همان سفر به تن بیشتری نیاز است و حجم مخزن بزرگتر می شود و ظرفیت بار کاهش می یابد. رتبه بندی زمانی تغییر می کند که هزینه به ازای انرژی و از دست دادن بار در نظر گرفته شود. درس: سوخت ها بر حسب واحد انرژی و تاثیر کل سفر مقایسه می شوند، نه قیمت هر تن.

الگوهای اعلان قابل کپی

الگو 1 - تجزیه و تحلیل SFOC و نقطه بار:

نقش: شما مشاور سیستم های پیشران کشتی هستید. زمینه (نماینده): موتور اصلی MCR ~ 12000 کیلو وات، بار سرویس ~80٪ MCR. وظیفه: 1) توضیح دهید که چرا SFOC با نقطه بار تغییر می کند. 2) مصرف سوخت تقریبی را برای نقطه باری که داده ام محاسبه کنید. 3) بیان کنید که آیا مقدار SFOC که استفاده می کنید «معمولی» است یا اندازه گیری شده است. محدودیت: بنویسید که من SFOC واقعی را از گزارش تست موتور شاپ دریافت خواهم کرد. نتیجه را با این داده ها به من یادآوری کنید که آن را تغییر دهم. واحدهای گرم در کیلووات ساعت، کیلووات، t/day.

الگوی 2 - مبادله آهسته بخار:

یک تجزیه و تحلیل بخار آهسته برای یک کشتی تنظیم کنید. ورودی (نمایش): سرعت فعلی [X] گره، سرعت نامزد [Y] گره، فاصله سفر [Z] نانومتر. من می خواهم: 1) تغییر قدرت و سوخت تقریبی با رابطه مکعب قدرت-سرعت. ۲) نحوه تمدید زمان سفر و تاثیر آن. 3) چگونه افزایش SFOC در بار کم باعث کاهش صرفه جویی می شود. محدودیت: تعهد سرعت طرف قرارداد و محدودیت بار کمتر موتور این تصمیم را محدود می کند. آنها را به عنوان "باید بررسی کنید" علامت بزنید.

الگوی 3 - ماتریس تصمیم گیری سوخت جایگزین:

یک ماتریس برای مقایسه LNG، متانول و دیزل معمولی بر اساس معیارهای زیر تنظیم کنید: چگالی انرژی/حجم مخزن، CO2 و انتشار محلی، قیمت سوخت، زیرساخت های ذخیره سازی، سرمایه گذاری اولیه، مطابقت طبقه بندی/IMO. محدودیت: قیمت برچسب و داده های نظارتی با برچسب "تأیید منبع فعلی". انتخاب قطعی نکنید، سناریوها را پیشنهاد دهید. مقایسه را در واحد انرژی انجام دهید، نه فقط قیمت تن.

الگوی 4 - بررسی معقول بودن مصرف سوخت:

ادعای صرفه جویی سوخت زیر را نقد کنید: [پیشنهاد چسباندن و درصد صرفه جویی ادعا شده] 1) این صرفه جویی چه ضرر فیزیکی را کاهش می دهد؟ تراز انرژی را ببندید. 2) آیا مفروضات (بازده اعزام، آلودگی، مشخصات بار) منطقی هستند؟

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

کارآمدترین سوخت و بهترین موتور اصلی این کشتی را نام ببرید.

اعلان قدرتمند:

نقش: شما یک مشاور اعزام و بهره وری انرژی هستید. زمینه (نماینده): حامل فله متوسط، MCR ~ 9000 کیلو وات، سرعت سرویس ~ 14 گره، سفرهای طولانی اقیانوس. وظیفه: دیزل معمولی و LNG را از نظر هزینه به ازای هر واحد انرژی، انتشار گازهای گلخانه ای (اثر EEXI/CII) و حجم مخزن/افت هد مقایسه کنید. محدودیت: قیمت و اعداد نظارتی را به عنوان "تأیید از منبع فعلی" علامت گذاری کنید. بیان کنید که من SFOC را با داده های تست فروشگاه واقعی جایگزین خواهم کرد. تصمیم گیری قاطع و سناریوهای موجه را ارائه دهید.

اعلان ضعیف می گوید "بهترین" و نمی توان آن را تأیید کرد. زمینه قدرتمند سریع ابعاد مقایسه و نقاط تأیید را روشن می کند.

اشتباهات رایج

• اشتباه گرفتن SFOC معمولی برای واقعی. SFOC "معمولی" که توسط هوش مصنوعی برگردانده شده است باید با داده های تست فروشگاه موتور شما جایگزین شود.
• عدم بستن تعادل انرژی ادعای صرفه جویی در سوخت بدون منبع فیزیکی معمولاً یک اشتباه فرضی است.
• مقایسه سوخت بر اساس قیمت هر تن اگر تفاوت در چگالی انرژی نادیده گرفته شود، سوخت کم چگالی به طرز فریبنده ای «ارزان» به نظر می رسد.
• فراموش کردن زمان مبارزات انتخاباتی در استیمینگ آهسته. سوخت کاهش می یابد اما زمان افزایش می یابد. تعهد منشور و راندمان بار کم تصمیم را تغییر می دهد.
• غفلت از کثیف شدن رسوب بدنه و پروانه، مصرف واقعی سوخت را از تخمین بالا می برد. باید با داده های عملکرد نظارت شود.

به طور خلاصه

هوش مصنوعی تجزیه و تحلیل عملکرد زنجیره تحویل از طریق SFOC و منحنی‌های بازده، ایجاد تعادل بخار آهسته و مقایسه سوخت‌های جایگزین را سریع‌تر می‌کند. با این حال، مقادیر SFOC از داده‌های تست تایید شده موتور می‌آیند، ادعاهای مصرف سوخت در برابر تعادل انرژی آزمایش می‌شوند، سوخت‌ها در هر واحد انرژی مقایسه می‌شوند و هر عدد قیمت/قانون از منبع فعلی تأیید می‌شود. ترمودینامیک محافظه کار است. هیچ بازدهی «رایگان» وجود ندارد.

وظیفه کاربردی

برای یک میزبان نماینده (MCR ~ 10000 کیلو وات، بار سرویس ~80%)، هوش مصنوعی رابطه SFOC-بار را توصیف کرده و سوخت روزانه تقریبی را برای یک نقطه بار محاسبه کنید. سپس اثر سوخت مکعبی کاهش سرعت به میزان 1 گره را مدل کنید و در مورد اثر زمان سفر و SFOC بار کم بحث کنید. در نهایت، الگوی «بررسی معقول بودن مصرف سوخت» را روی یک پیشنهاد اعمال کنید و گزارش دهید که آیا به تعادل انرژی رسیده است یا خیر.

چک لیست

• [ ] من روشن کردم که آیا مقدار SFOC که استفاده کردم معمولی است یا اندازه گیری شده است.
• [ ] من تأیید کردم که ادعای صرفه جویی در سوخت تعادل انرژی را جبران می کند.
• [ ] من سوخت های جایگزین را در واحد انرژی و تاثیر سفر مقایسه کردم.
• [ ] من زمان سفر و راندمان بار کم را در بخار آهسته در نظر گرفتم.
• [ ] من قیمت و اعداد مقررات را از منبع فعلی تأیید کردم.
• [ ] من تصمیم نهایی سرمایه گذاری/عملیات را بر اساس ترمودینامیک و داده های میدانی استوار کردم.