一种结合物理洞察和数据驱动的混合模型，用于预测风助船舶的燃料消耗量

《Ocean Engineering》：A hybrid physics-informed and data-driven model for fuel consumption prediction of wind-assisted ships

风辅助船舶燃料消耗预测面临非线性耦合力和数据稀缺挑战，本研究提出基于残差修正的物理信息与数据驱动混合框架，整合气象数据与船舶运动参数，通过机器学习补偿物理模型误差，并利用贝叶斯优化调参，在“新阿德恩”号验证中， sailing模式下R2提升0.5%，静止时达4.3%，显著优于单一模型。

　　

Jinfeng Zhang|Fuqi Qiao|Hua Wang|Weihao Ma

武汉工业大学航海学院，中国武汉

摘要

风力辅助船舶为绿色航运提供了有前景的途径。然而，准确的燃油消耗预测受到两个关键挑战的阻碍：空气动力学和流体动力学力的复杂非线性耦合降低了物理模型的准确性，以及新投入使用的风力辅助船舶的运营数据稀缺，限制了数据驱动方法的应用。为了解决这些问题，本研究提出了一种基于残差校正策略的混合物理信息与数据驱动框架。首先，根据船舶能量守恒机制构建物理模型，利用风洞实验数据量化帆的空气动力并估算基线燃油消耗。其次，整合了多源异构数据，包括融合的气象信息和实时船舶运动参数。然后采用机器学习模块来学习物理估计值与实际观测值之间的非线性残差，作为动态误差补偿项。此外，应用贝叶斯优化来微调模型超参数，以确保空气动力边界条件的最佳拟合。在风力辅助船舶“New Aden”上进行的验证表明，当帆展开时，该模型的平均R2改进率为0.5%；而在帆不使用时，这一优势保持在1.2%。关键的是，它在数据严重受限的情况下表现出出色的鲁棒性，在仅有25%的数据可用性情况下，与标准数据驱动模型相比，R2改进率高达4.3%。这种方法为具有多源推进系统的下一代船舶的能量预测提供了稳健且可解释的解决方案，特别是在样本量较小的情况下。

引言

近年来，国际贸易的快速增长推动了航运业进入了一个繁荣的时代，但这种扩张也加剧了环境问题。目前，国际航运约占全球二氧化碳排放量的3%。如果不采取有效措施，到2050年这些排放量可能会增加250%（世界资源研究所，2023年）。为了应对这一挑战，国际海事组织（IMO）实施了严格的脱碳政策，最终制定了2023年IMO战略（MEPC 80），该战略要求在2050年前实现净零温室气体排放，并规定到2030年至少5%的能源来自零排放或接近零排放的技术（IMO，2023年）。然而，传统船舶现有的能效技术正面临边际收益递减的瓶颈。因此，业界迫切需要革命性的低碳解决方案来实现这些雄心勃勃的目标。

在这种背景下，风力辅助导航船舶作为一种将传统航海技术与现代绿色能源利用相结合的创新方式应运而生。通过建立船舶动力系统与自然风场之间的能量耦合机制，这些船舶将大气中的动能转化为辅助推进力。比较研究和全尺寸试验表明，在典型航线上，配备风力辅助系统的船舶可以减少15%-30%的燃油消耗（Mason等人，2023年）。这项技术不仅为航运业的绿色转型提供了可行的途径，也是下一代船舶设计的关键前沿。

然而，这些船舶的运营效率在很大程度上取决于其在不同气象条件下的能量性能预测能力。尽管准确的燃油消耗预测对航行优化至关重要，但现有方法难以处理空气动力学和流体动力学力的复杂非线性耦合问题，尤其是在数据受限的情况下。这些限制阻碍了风力辅助船舶的广泛采用和智能管理。为了填补这些空白，本研究明确试图回答三个基本研究问题：（1）如何有效建模由空气动力学和流体动力学力的动态耦合引起的复杂非线性燃油消耗特性；（2）如何在运营数据稀缺的情况下实现高精度预测，从而克服传统数据驱动方法的过拟合风险；（3）与纯数据驱动或物理方法相比，将物理机制与机器学习算法相结合在多大程度上提高了预测的准确性和稳定性，特别是在复杂的帆辅助条件下。

针对这些问题，本研究的主要目标有三个。首先，它旨在基于残差校正策略构建一个混合物理信息与数据驱动的框架，结合多源异构数据来捕捉动态环境影响。其次，它寻求开发一种利用物理先验知识来约束机器学习输出的建模方法，确保即使在数据稀缺的情况下也能保证预测的可靠性。最后，该研究打算使用VLCC“New Aden”的实际航行数据来验证所提出的模型，系统地评估其在帆激活和帆关闭条件下的性能改进。

本文的其余部分组织如下：第2节回顾相关工作。第3节描述问题定义和数据处理。第4节详细介绍所提出的混合方法。第5节展示案例研究和验证结果，第6节给出结论。

章节摘录

文献综述

在过去几十年中，船舶燃油消耗预测和碳排放控制一直是海军建筑和能效管理领域持续的研究焦点（Luo等人，2024年）。开发高精度的船舶燃油消耗预测模型，并将其作为能源消耗优化的基础，被视为克服传统船舶能效边际收益递减的核心技术途径（Chen等人，2024年）。

问题描述

与传统海洋推进系统不同，帆辅助船舶采用双模式方法，其中船舶的主要引擎作为主要动力源，帆作为补充。这些帆在航行环境中利用风能，并在相同速度下提供辅助推力，补充主引擎的推力。此外，与传统船舶类似，帆辅助船舶也受到螺旋桨推力、静水阻力和其他因素的影响。

帆辅助船舶燃油消耗预测方法

基于对船舶动力学的清晰理论理解（其特征是预定义的结构和透明的参数）的物理驱动模型具有高度的可解释性。然而，它在处理复杂的天气-海况相互作用和可变船舶运行条件下的复杂非线性动态方面的能力可能不足。这一限制在帆辅助船舶的背景下尤为明显，因为燃油效率本质上是

帆对燃油消耗预测的影响

由于风场的固有不确定性和实时动态特性，帆对风力辅助船舶产生的额外空气动力表现出复杂且随时间变化的行为。因此，预测这些船舶的燃油消耗比传统船舶更具挑战性。为了验证所提出方法在如此复杂环境中的有效性，本研究在两种不同情况下预测了目标船舶的燃油消耗

结论

作为航运业节能和减排的关键创新船舶类型，风力辅助导航船舶的燃油消耗预测受到空气动力学不确定性和真实船舶数据稀缺性的双重限制，这构成了一个重大的研究挑战。本研究聚焦于配备大型刚性翼帆的第二代帆辅助船舶“New Aden”，并解决了传统预测方法由于

CRediT作者贡献声明

Jinfeng Zhang：撰写——原始草稿，数据整理。Fuqi Qiao：软件，方法论。Hua Wang：撰写——审阅与编辑，资源。Weihao Ma：撰写——审阅与编辑，方法论。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争财务利益或个人关系。

致谢

本研究得到了中国国家重点研发计划（2023YFC3107904）的支持。