《Results in Engineering》：Performance and Energy Optimization of Small-scale Electric Vessel: Field Measurement-Based Simulation and Analysis
编辑推荐：
Samsul Ma’arif | Muhammad Arif Budiyanto | Sunaryo | Muhammad Haris Mahyuddin | Chaitanya Patil印度尼西亚大学机械工程系船舶设计与海洋工程专业，印度尼西亚德波克校区，邮编16424摘要小
Samsul Ma’arif | Muhammad Arif Budiyanto | Sunaryo | Muhammad Haris Mahyuddin | Chaitanya Patil
印度尼西亚大学机械工程系船舶设计与海洋工程专业，印度尼西亚德波克校区，邮编16424
摘要
小型船舶的电气化是实现海上交通脱碳的重要途径，尤其是在渔业和内河运输领域。本研究通过整合现场测量数据、流体动力学模拟以及基于机器学习的能源预测管理技术，为小型电动船舶构建了一个性能与能源优化框架。该船舶的推进系统包括一台20千瓦的无刷直流电机（BLDC电机）、一块19.2千瓦时的电池，以及一个2.18千瓦峰值的太阳能光伏阵列作为可再生能源。研究人员分析了为期一年的实时运行数据（包括电机功率、速度、扭矩、电压、电流和光伏发电量），以捕捉日常能耗模式。对比了四种算法：随机森林（Random Forest）、线性回归（Linear Regression）、梯度提升（Gradient Boosting）和XGBoost，其中随机森林算法的预测精度最高（R2 = 0.98，MAE = 0.087千瓦，RMSE = 0.145千瓦）。基于这些预测结果，研究人员制定了一个自适应能源管理策略，将日常运行分为三种模式：(i) 低需求时段（<2.5千瓦）的全天运行模式；(ii) 中等需求时段（2.5–3.5千瓦）结合光伏发电的半天运行模式；(iii) 高需求时段（>3.5千瓦）的充电或待机模式。推荐的运行方案使船舶在平均功率为2–3千瓦、速度为2.5–3.5节的情况下，光伏发电量最大化时续航时间可延长50%。研究表明，将实证数据与预测模型相结合能够制定出切实可行的控制策略，从而确保小型电动船舶的能源使用更加可持续和可靠。
