使用船上测量数据验证LNG船附加阻力预测框架

《Journal of Marine Science and Engineering》：Validation of an LNG Ship Added-Resistance Prediction Framework Using Onboard Measured Data

　　

本研究建立并评估了一个用于预测全球航线上船舶在实际运行条件下阻力的实用框架。尽管已有大量研究，但文献中缺乏直接利用真实性能数据分别评估风、浪和流阻力的独立研究。为填补这一空白，研究人员采用推荐半经验方法，结合全尺度船上运行测量数据和哥白尼海洋服务（Copernicus Marine Service）环境数据，建立了一个统一的评估程序。静水阻力根据近静水条件下的参考值进行缩放，风阻力使用已建立的回归模型计算，波浪诱导阻力采用最新的半经验公式和谱计算进行估算，流效应则通过基于对地速度（Speed-Over-Ground, SOG）测量的动态修正进行建模。目的是评估最新监管标准推荐的附加阻力计算方法的可靠性和适用性。通过将预测的阻力分量（转换为等效轴功率）与全尺度船上轴功率测量值进行比较来验证。此外，还将船上风、流测量值与哥白尼（Copernicus）数据进行了比较。预测的阻力分量经全尺度功率测量验证，平均误差约为9%。所建立的框架提供了一个实用工具，可利用易于获取的船舶数据评估特定航线上因环境因素导致的能量损失。

**论文解读：基于船上实测数据的LNG船附加阻力预测框架验证**

**1. 研究背景与问题**
在全球航运减排压力日益增大的背景下，国际海事组织（International Maritime Organization, IMO）要求自2023年起所有船舶计算能效现有船舶指数（Energy Efficiency Existing Ship Index, EEXI）并报告年度碳强度指标。准确估算船舶在实际运行条件下的附加阻力，是评估船舶性能与可持续性的关键。然而，尽管已有大量关于天气裕度及功率预测的研究，现有文献缺乏能够明确分解风、浪、流各阻力分量对总附加阻力单独贡献的实用方法。现有方法多依赖数值模拟、统计回归或数据驱动模型，但需消耗大量计算资源或高精度输入数据，难以在工程实践中推广。针对这一空白，研究人员旨在建立一个仅依赖易于获取的船舶数据（如航速、功率、环境测量值）即可实现阻力分解的框架，并通过全尺度实测数据验证其可靠性。本研究发表在《Journal of Marine Science and Engineering》。

**2. 研究内容与结论**
研究人员以一艘Q-flex型液化天然气（Liquefied Natural Gas, LNG）运输船为案例，沿卡塔尔拉斯拉凡至日本堺市的24天航线，结合船上性能监测系统（Performance Monitoring System, PMS）数据和哥白尼海洋环境监测服务（Copernicus Marine Environment Monitoring Service, CMEMS）提供的再分析环境数据，建立了阻力预测框架。框架将船舶总阻力分解为静水阻力、风附加阻力、波浪附加阻力和流附加阻力。通过将预测的阻力分量转换为等效轴功率并与实测功率对比，验证了方法的精度：平均绝对偏差（Mean Absolute Difference, MAD）为8.36%，均方根误差（Root Mean Square Error, RMSE）为1258.3 kW，归一化RMSE为9.29%，皮尔逊相关系数达0.965。结果表明，该框架能够以较低计算成本有效再现实测功率的总体趋势，但在高流速场景下存在偏差，需进一步改进流阻力计算模型。研究同时发现，CMEMS再分析数据与船上传感器数据在流趋势上一致，但风速存在系统性低估（偏差3.63 m/s），提示环境输入数据的准确性对阻力预测至关重要。

**3. 主要关键技术方法**
- **静水阻力标定**：基于近静水条件下筛选的船上工况数据，使用指数关系拟合功率-速度曲线，建立静水阻力基准。
- **风阻力计算**：采用Fujiwara（2001）半经验回归模型，结合船舶投影面积参数（通过船舶图纸半自动多边形追踪提取），计算不同风向角下的纵向阻力系数。同时使用Isherwood和Blendermann方法进行对比分析。
- **波浪附加阻力计算**：采用Liu和Papanikolaou（2020）半经验公式，结合JONSWAP（Joint North Sea Wave Project）方向波谱和谱积分方法，考虑运动诱导（RAWM）与反射诱导（RAWR）两部分，适用于任意船-波相对角度。
- **流效应建模**：基于对地速度与对水速度之差提取有效流速，利用阻力与船速的二次关系计算流附加阻力功率。
- **环境数据来源**：船上测量数据来自PMS（扭矩、转速、对水速度、风速等），环境再分析数据来自CMEMS（波浪、海流、风），通过双线性空间插值与线性时间插值匹配船舶位置与时间。

**4. 研究结果**
**4.1 风阻力系数分析**
通过Fujiwara方法计算案例船的纵向（C_x）和横向（C_y）空气动力系数。C_x在顶风条件下达最大（约50°风向角），随风向后移快速下降；C_y随攻角增加而上升，在正横风时达峰值。对比三种风阻力模型（Isherwood、Fujiwara、Blendermann）的预测阻力分布，发现方法间存在系统差异，但Fujiwara方法因其与ISO 15016:2025标准的兼容性被选为主方法。

**4.2 波浪附加阻力传递函数**
计算了归一化波浪附加阻力（RAW）随波向角和波长船长比（λ/L_PP）的变化，在弗劳德数（Froude number, Fn）0.216的工况下，阻力峰值出现在迎浪短波区域，符合衍射主导的物理机理。

**4.3 总功率分解与验证**
将实测轴功率分解为静水功率、风附加功率、浪附加功率和流附加功率。实测功率与建模功率的时序对比显示，模型在大部分航段与实测一致，偏差主要出现在高流速时段（8月5–8日）。散点图表明数据点基本沿1:1线分布，但存在系统低估（平均偏差-988.14 kW）。统计指标MAD为8.36%，RMSE为1258.3 kW，相关系数0.965，说明模型趋势捕捉良好。

**4.4 环境数据对比**
船上传感器与CMEMS数据对比表明，流速度的均方根误差（RMSE）为0.48 m/s，偏差0.38 m/s（CMEMS高估），趋势一致；风速的RMSE为4.56 m/s，偏差3.63 m/s（CMEMS低估），离散度较大，说明再分析数据在风场精度上存在局限。

**5. 讨论与结论**
**讨论部分总结**：研究存在若干局限性，包括故意使用有限输入数据以保持方法可及性、假设恒定推进效率（η_t）、仅基于单一案例船和航线、对水速度（Speed Through Water, STW）测量源于多普勒测速仪的固有不确定性，以及静水基准数据集中在单一航速段导致外推不确定性。尽管如此，框架的整体一致性表明其在实际应用中具有鲁棒性。未来工作将纳入更多船舶、航线和数据集，以提升框架的普适性，并应用于风辅助推进技术（Wind-Assisted Propulsion Systems, WAPS）评估。

**结论部分翻译**：本论文的主要目的是评估现有标准化、推荐的工程方法在分解船舶沿特定航线阻力时的适用性和性能，这些方法使用历史天气条件和运行数据，且仅需易于获取的输入数据。天气数据取自CMEMS并与船载传感器测量值进行了比较。对于流数据，两个数据集总体趋势一致但数值存在微小差异；船上风速与CMEMS数据差异较大，CMEMS数据持续低估风速。正确的环境输入是进行高质量船舶水动力响应分析的基础。关于阻力计算框架的结果表明，物理模型的结果在大部分航段与实测数据吻合，验证了模型的适用性并量化了本案例的精度；但在高流速场景下的偏差揭示了流阻力计算组件需要改进和进一步研究。总之，针对单一LNG船和航线的结果表明，所采用的方法能够提供实用的运行功率分解近似值，并揭示了该特定案例中建模误差的大小和方向。该研究旨在评估现有标准化工程方法（尤其是ISO 15016:2025推荐的方法）在仅使用实际可获取输入数据时复现全尺度运行测量值的准确程度。因此，论文的贡献在于案例研究方法适用性的评估、相关误差的量化，以及再分析环境输入与船上测量值的比较。结果中讨论的不确定性主要与有意识地使用有限输入数据集、假设恒定推进效率以及仅分析单一案例船和航线有关。未来工作将通过包含更多船舶、航线和扩展数据集来解决这些局限性，以提升所提出框架的鲁棒性和适用性。因此，所得到的方法应被理解为一个实用的案例研究程序，其更广泛的适用性仍有待在其他船舶、航线和运行条件下进行测试，包括与风辅助推进技术评估相关的未来应用。