Umfassende Technologien für das Energiemanagement von Schiffen - MariData; Echtzeit-nahe Modellierung und Simulation von Umwelteinflüssen auf den Energieverbrauch von Schiffen - MariModUm

Abstract

Das übergeordnete Ziel des Vorhabens war die Entwicklung von Tools zur Unterstützung von Entscheidungen an Bord von Schiffen für einen energieeffizienten, schadstoffarmen Betrieb. Dazu wurden einzelne Teile des Energieverbrauchs an Bord erfasst und ihren Verursachern zugeordnet werden. Ein Großteil des Primärenergiebedarfs und des Schadstoffausstoßes von Schiffen resultiert aus der Überwindung des Schiffswiderstands. Dieser setzt sich wiederum aus verschiedenen Anteilen zusammen, deren Bedeutung durch die Schiffsform, aber auch unterschiedliche Betriebs- und Umweltparameter beeinflusst wird. Im Rahmen des Vorhabens wurden die Zusatzwiderstände durch Seegang, Wind und Bewuchs detailliert betrachtet. Hierbei wurden die unterschiedlichen Betriebsbedingungen, wie veränderliche Schwimmlagen und die Verteilung der Ladung an Deck berücksichtigt. Die Quantifizierung der einzelnen Widerstandsanteile basierte auf hochauflösenden numerischen Simulationen, deren Genauigkeit und Recheneffizienz verbessert wurde. Für die Integration in das Bordsystem von Schiffen ist eine Berechnung der einzelnen Widerstandskomponenten in nahezu-Echtzeit erforderlich. Aufbauend auf Ergebnissen hochauflösender Simulationen wurden hierzu Ersatzmodelle unter Verwendung von KI-basierten Lernstrategien entwickelt, welche einen umfangreichen Parametersatz an Eingangsgrößen berücksichtigen und die Widerstandsanteile in Echtzeit bestimmen können. Die entwickelten Methoden wurden abschließend validiert. Datei-Upload durch TIB

The overarching goal of the project was to develop tools to support decisions on board ships for energy-efficient, low-emission operation. To this end, individual parts of the energy consumption on board were computed and assigned to their causes. A large part of the primary energy requirement and pollutant emissions of ships result from overcoming ship resistance. This in turn is made up of various components, the importance of which is influenced by the shape of the ship, but also by different operating and environmental parameters. As part of the project, the additional resistance caused by sea state, wind and fouling were examined in detail. The different operating conditions, such as changing floating positions and the distribution of the load on deck, were taken into account. The quantification of the individual resistance components was based on high-resolution numerical simulations, the accuracy and computational efficiency of which were improved. For integration into the on-board system of ships, a calculation of the individual resistance components in near real time is required. Based on the results of high-resolution simulations, surrogate models were developed using AI-based learning strategies that take into account a comprehensive set of input parameters and can determine the resistance components in real time. The methods developed were finally validated.