| dc.description.abstract | Norge med sin lange kystlinje og dype fjorder har totalt over 130 fergeforbindelser. Både statlige restriksjoner og internasjonale mål motiverer fergeindustrien til å forsyne disse fergeforbindelsene med lav- og nullutslippsferger. For å kunne konkurrere med billige, lette dieselmaskiner, må nullutslippsfartøyer spesiallages for ikke å ofre ytelse i prosessen med å redusere utslipp. Det er utfordrende å få tak i all relevant informasjon for å optimalisere nullutslippsfartøyets design. Derfor er det å finne metoder for å generere denne informasjonen nøkkelen til suksess.
Denne oppgaven har som mål å finne metoder for å generere relevant informasjon knyttet til det optimale designproblemet. Dette inkluderer generering av ruteinformasjon fra AIS-data, finne en energimodell som kan parameteriseres av tilgjengelig informasjon, og gi teknisk informasjon som utstyrseffektivitet, vekt og volum. Alt dette i kombinasjon er bakgrunnen for prosessen med å finne et skreddersydd design av en nullutslipp hurtigferge.
I dette prosjektet har to sett med AIS-data blitt studert. Det første, fra 2018, var preget av inkonsekvente tidssteg og feilmålinger i posisjon og hastighet. Det andre settet med AIS-data, fra 2021, hadde betydelig høyere kvalitet med 1000 ganger høyere oppløsning. Fra dette datasettet var en implementasjon av en DBSCAN-klyngealgoritme i stand til å oppdage havner, noe som videre førte til generering av delinstansene av ruten. Gjennomsnittshastighetsprofilen fra bearbeidingen av ruten ga et godt grunnlag for energimodellering langs ruten. Dette gav verdifull informasjon for å løse design problemet. I denne oppgaven er nullutslippsteknologien av interesse for kortdistanseoperasjoner av hurtigferger batterier og brenselceller. Den gravimetriske tettheten til batterier er mye høyere enn for hydrogen, men på grunn av vekten av brenselcelle-stabelen, bør valg av utstyr gjøres med forsiktighet.
I denne oppgaven gjennomføres en casestudie av MS Tyrhaug, som opererer fergeforbindelsen mellom Trondheim og Kristiansund. AIS-data for denne fergen ble undersøkt og resultatene viser at AIS-data er modent for å generere ruteinformasjon. Evaluering av effektivitet, vekt og volum til en batterikonfigurasjon og en brenselcellekonfigurasjon viser at en brenselcellekonfigurasjon er best egnet for lengre avstander, uten lademuligheter, og batterikonfigurasjoner for kortere avstander. Grensen er funnet å være rundt 200 nm. For casefartøyet, MS Tyrhaug, vil en batterikonfigurasjon være den mest hensiktsmessige dersom batteriet er fulladet i begge ende havnene. Kapasiteten til batteriet bør være minst 2660 kWh, med en vekt og volum på henholdsvis 19 000 kg og 17,6 $m^3$.
En hybrid-elektrisk konfigurasjon er også undersøkt, bestående av en brenselcelle og et batteri. En implementering av en dynamisk programmeringsalgoritme (DP) er brukt for å finne en global løsning på det optimale lastdelingsproblemet. DP-implementeringen er simulert
med ulike kostnadsfunksjoner som legger vekt på ulike parametere for å belyse viktigheten av tuning. Når man kun legger vekt på drivstofforbruket, ble drivstofforbruket redusert med 10 kg sammenlignet med en simulering som vektlegger alle parametere av interesse. Dette illustrerer viktigheten av a
velfungerende lastdeling. | |
| dc.description.abstract | With its long coastline and deep fjords, Norway has over 130 ferry connections. Both governmental restrictions and international goals propel the ferry industry to supply these ferry connections with low- and zero-emission ferries. To compete with cheap, lightweight diesel machinery, zero-emission vessels need to be custom-made not to sacrifice performance to reduce emissions. It is challenging to obtain all the relevant information to optimize the zero-emission vessel design. Therefore, finding methods for generating this information is the key to success.
This thesis aims to find methods for generating relevant information related to the optimal design problem. This problem includes generating route information from AIS data, finding an energy model that can be parameterized by available information, and providing technical information such as equipment efficiency, weight, and volume. All this, in combination, provides the background for finding a custom-made design of a zero-emission fast ferry.
In this thesis, two sets of AIS data have been studied. The first one, from 2018, was characterized by inconsistent sampling time and wild-points in position and speed. The second set of AIS data, from 2021, had significantly higher quality with 1000 times higher resolution. From this data, an implementation of a DBSCAN clustering algorithm was able to detect ports, which further led to the generation of the tracks of the route. Furthermore, the average speed profile from the route processing provided a good foundation for energy modeling along the route. This provided valuable information to the optimal design problem. In this thesis, the zero-emission technology of interest for short-distance operations of fast ferries are batteries and fuel cells. The gravimetric density of batteries is much higher than for hydrogen, but due to the weight of the fuel cell stack, the choice of equipment should be made with care.
This thesis conducts a case study of MS Tyrhaug, operating the ferry connection between Trondheim and Kristiansund. AIS data for this ferry was investigated, and the results show that AIS data is mature for providing route information. Evaluation of efficiency, weight, and volume of a battery configuration and a fuel cell configuration shows that a fuel cell configuration is the most suitable for longer distances, without charging opportunities, and battery configuration for shorter distances. The limit is found to be around 200 nm. A battery configuration for the case vessel, MS Tyrhaug, will be the most appropriate if the battery can be fully charged at both end ports. The battery's capacity should be at least 2660 kWh, with a weight and volume of 19,000 kg and 17.6 $m^3$, respectively.
A hybrid-electric configuration has also been investigated, consisting of a fuel cell and a battery. An implementation of a dynamic programming (DP) algorithm has been applied to find a global solution to the optimal loadsharing problem. The DP implementation is simulated with different cost functions emphasizing various parameters to enlighten
the importance of tuning. For example, when emphasizing 100\% with the fuel consumption, the fuel consumption was reduced by 10 kg compared to a simulation emphasizing all parameters of interest. This illustrates the importance of a well-functioning loadsharing system. | |
