| dc.description.abstract | Målet med denne masteravhandlingen er å undersøke om varestrømmer av flytende naturgass (LNG) kan estimeres pålitelig ved bruk av posisjonsdata for skip fra det automatiske identifikasjonssystemet (AIS). Flere spesialiserte analyse- og konsulentfirmaer baserer sin inntekt på å levere analyser innen energy og varestrøm. Deres data er ofte basert på manuell datainnsamling fra agenter, analytikere, speidere og fra tolldata. Med økende tilgjengelighet og fullstendighet av skipsposisjoner fra satellitt AIS-data, dukker det opp muligheter innen automatisk og kontinuerlig estimering av varestrømmer som vil kunne utkonkurrere den ineffektive, dyre og forsinkede innsamlingen som gjøres i dag.
I denne masteravhandlingen presenteres et grundig litteraturstudie for å sette seg inn i den fremste forskningen innen emnet, og videre blir en introduksjon til frakt av LNG gitt. Dette inkluderer historisk utvikling, flåteanalyse, samt operasjonelle karakteristikker utledet fra AIS data. AIS dataen som er benyttet i denne oppgaven er levert av Kystverket, mens flåte-dataen kommer fra IHS Markit.
Metoden som er laget for å estimere LNG varestrøm baserer seg på å "geofence" LNG terminaler for å detektere unike besøk til terminalen, og akkumulere opp volumet av LNG som har vært i den tilknyttede "geofencen". Tre ulike størrelser av sirkulære "geofencer" blir benyttet på åtte LNG eksportører og seks importører i tidsperiodene 2017 og 2018. I tillegg blir et fjerde "geofence" testet som også inkluderer krav om lav fart, samt at skipet har navigasjonsstatus "ankret" eller "fortøyd". Alle de ulike casene blir sammenlignet med tall fra International Gas Union som blir brukt som referanseverdi.
Totalt sett viser resultatene fra vår analyse klare indikasjoner på at LNG varestrømmer kan estimeres med liten feilmargin. Seks land blir estimert med en feilmargin på under 10% sammenlignet med referanseverdier ved bruk av AIS data, og det blir funnet at resultatene er nært knyttet til deteksjonssansynligheten av skip i det aktuelle området. Geografisk posisjon, mengden av nærgående skipstrafikk, "geofencens" størrelse og dataoppløsningen er alle avgjørende faktorer for hvor liten feilen i estimeringen blir. Resultatene er best for 2018 på grunn av høyere dataoppløsning, og for terminaler plassert langt nord og / eller i områder med lav skipstraffikk. I tillegg reduserer et stort "geofence" feilen ettersom det øker tiden skipet tilbringer i "geofencen". Inkluderingen av krav om lav hastighet og ankret/fortøyd øker feilen dramatisk og kan konkluderes som ubrukelig.
Det kan konkluderes med at LNG varestrømmer estimert fra AIS data er godt tilpasset referanseverdiene og kan derfor estimeres med liten feilmargin. Dette gitt at terminalen ligger innenfor et område med høy deteksjonssansynlighet. Likevel er det viktig å poengtere at en analyse over en større tidsperiode er nødvendig for å trekke en sikker konklusjon. Som videre arbeid anbefales implementering av dypgangsanalyser i metoden, samt å teste metodikken på enda mer høyoppløselig data. | |
| dc.description.abstract | The objective of this thesis is to investigate whether liquefied natural gas (LNG) trade flows can be estimated reliably with the use of vessel positional data from the Automatic Identification System (AIS). Several specialised analytics and consulting firms base their income on providing energy and trade flow analysis. Their data is often based on manual data collection from agents, analysts, scouts and official customs data. With increasing availability and completeness of vessel positions from satellite AIS data, possibilities within automatic and continuous trade flow estimations arrive that can outperform inefficient, expensive and delayed data collection.
In this thesis, a thorough literature review is presented to investigate state-of-the-art within the topic, and an introduction to LNG trade is given. This include historical development, fleet analysis and operational characteristics derived from AIS data. The AIS data used is provided by the Norwegian Coastal Organisation, while the LNG carrier fleet data is provided by IHS Markit.
The created trade flow estimation methodology is based on geo-fencing LNG terminals, detecting unique visits to the terminals and accumulating the visited gas capacity to estimate trade flow. Circular geo-fences of three different sizes were tested on eight LNG exporting countries and six LNG importing countries for both 2017 and 2018. In addition, slow speed and navigational status criteria "moored" or "anchored" where added as a fourth case. All cases were compared to trade flow numbers from the International Gas Union which were used as a benchmark for the import and export values.
Overall, the results from our analysis establish evidence that LNG trade flows can be estimated with a low error by using vessel position data from AIS. Six countries got estimation errors of less than 10% compared to benchmark, and it was found that geographical position, the amount of close by ship traffic, size of geo-fence, and data resolution are all crucial factors for how small the error of the estimation can get. The results are best for 2018 due to higher data resolution, and for terminals placed far north and/or in low vessel density areas. In addition, a large geo-fence decrease the error, as the time frame given to detect the vessel increases. The inclusion of low speed and moored/anchored criteria drastically increase the error and is concluded useless.
To conclude, LNG trade flows estimated from AIS data show good alignment with benchmark values and can hence be estimated with low error. This given that the terminal is within an area with high vessel detection probability. Nevertheless, it is important to state that analysis over a larger time frame is needed to draw a solid conclusion. In addition, implementation of draught analysis are recommended for further work and the methods should if possible be tested on data with higher resolution. | |
