Sizing Optimization of a Hybrid Shipboard Power System for Low-Emission Shipping

Abstract

Valget av maskinerisystemet for et skip er i utgangspunktet en kompleks oppgave. Skip er konstruert med tanke på en levetid på 20-25 år, og vil derfor være utsatt for både endringer i operasjonelle krav, så vel som drivstoffpriser og reguleringer. Den teknologisk utviklingen av kraftelektronikk har muliggjort en økt bruk av alternative løsninger til konvensjonell kraft-produksjon på skip. Et eksempel er hybrid diesel-elektrisk kraftproduksjon i kombinasjon med energilagringssystemer for å redusere drivstoff-forbruk. Økt press fra IMO for å oppfylle forpliktelser om å redusere utslipp av klimagasser med minst 50\% innen 2050, kombinert med teknologiske fremskritt innen brenselcelle- og batteriteknologi, har ført til at skipseiere i enkelte segmenter har undersøkt mulighetene for å bruke hybride brenselcelle- batterisystemer for maskineriet ombord.

Med introduksjonen av brenselcelle- og batteriteknologi, må nye aspekter som for eksempel utskiftingskostnader på grunn degraderingsmekanismer tas høyde for i valget av maskinerisystemet. I hvor stor grad brenselcelle- og batterisystemene må byttes ut, er avhengig av hvordan de brukes. Dette er i motsetning til dieselmotorer, som er ment å vare hele skipets levetid, og dermed bare krever periodisk vedlikehold. Med dette i bakhodet har et beslutningsstøtteverktøy i form av en deterministisk optimaliseringsmodell for valget av maskinerisystemet for lav-utslipss-skipsfart har blitt utviklet, med tanke på brenselceller, batterier og dieselmotorer.

Skipets levetid er modellert til å bestå av to tidsperioder på 10 år hver. I hver tidsperiode er en typisk rundtur antatt, og aggregert til forskjellige operasjons-tilstander. Hver tilstand kan representeres med sine respektive kraftbehov, og forholdet mellom den totale tidsbruken og den totale varigheten av en rundtur i den aktuelle tidsperioden. Optimeringsmodellen tar hensyn til kraftbehovet i de forskjellige operasjonsmodusene, som begrensningene som må oppfylles. Eventuelle variasjoner i kontraktsbeskrivelser, priser på drivstoff og utslippsskatteregler er inkludert. Problemet er modellert som et lineært deterministisk problem, der målfunksjonen er å minimere de totale kostnadene for fartøyet i løpet av dets levetid. Kostnadene består av investeringskostnader, drivstoff- og utslippskostnader med forbehold om pris- og avgiftsvariasjoner, og vedlikeholds- og utskiftingskostnader. Spesifikke krav som reguleringer på utslipp i utslippskontrollområder (ECA) og eventuelle ren-energi moduser blir også vurdert.

Optimeringsmodellen er testet i to scenarier. I det første scenariet antas det ingen økning i reguleringer etter at IMO2020-forskriften trer i kraft, mens drivstoffprisene forventes å øke og strømpriser forventes å avta. For enkelhets skyld forventes den samme drivstoffprisutviklingen i scenario 2. Imidlertid antas strengere miljøforskrifter i form av en global avgift på karbondioksid CO2, i tillegg til reguleringer angående bruk av kun strøm i ECAer. En kombinasjon av alle tre kraftsystemer blir valgt av modellen for begge scenariene, til noe overraskelse. Det kan imidlertid forklares av avveiningene mellom kostnadsbidragene og det at ingen begrensninger på tilgjengelig maskinplass er inkludert. Dieselmotorer må brukes med dyrere drivstoff i ECA-er, og batterier og brenselceller kan derfor være gunstigere i disse modusene. Ettersom drivstoff som vurderes for brenselceller har lavere volumetrisk energitetthet enn konvensjonelle diesel-oljer for dieselmotorer, må lagring - og dermed lagringstanker tas med. Økt utnyttelse av brenselceller krever mer tankkapasitet, som fører til økt investeringskostnad for tanker. Tilsvarende vil økt bruk av elektrisitet fra batterier kreve ekstra batterier installert, for å kunne levere nødvendig mengde energi. En annen faktor kan være priser som er antatt, i tillegg til selve reguleringene som er antatt i de forskjellige scenarioene.

Liknende arbeid med alle de nevnte faktorene i en slik optimeringsmodell har vært begrenset, hvor brenselceller og batterier er inkludert. Derfor har flere faktorer og aspekter måttet bli forenklet, og flere antakelser har måttet bli gjort.

Noen aspekter måtte også utelates på grunn av omfanget av problemet, og modellen kan dermed utvides og utvikles ytterligere. En ikke-lineær modell ble først utviklet for å bli brukt i en genetisk algoritme (GA) i Matlab. Algoritmen fant ikke noen løsning, da det var for mange heltallvariabler. Derfor måtte en linearisert versjon av modellen utvikles. På grunn av lineariseringen måtte flere andre variabler introduseres. Dette økte kjøretiden, og det ble nødvendig med en nedskalering av problemet, i tillegg til å sette en grense for hvor lenge modellen skulle kunne kjøre. I lys av dette kan en omformulering av problemet redusere kjøretiden og forbedre nøyaktigheten. Alternativt kan en ikke-lineær implementering i en annen heuristisk ikke-lineær optimaliseringsalgoritme utføres. Til tross for usikkerheter og forbedringspotensiale, illustrerer modellen viktige aspekter som må tas i betraktning for valget av kraftsystemet for lavutslippsfrakt. Modellen gir dermed et godt grunnlag for forståelsen av problemet i tillegg til grunnlag for videre arbeid med denne problematikken.

The selection of the shipboard power system is in its origin a complex task. Ships are designed with a lifetime of 20-25 years in mind, and may therefore be exposed to both changing operational demands as well as fuel prices and regulations. Technological development of power electronics has enabled an increased utilization of alternative solutions to the conventional direct-drive shipboard power system. One example is hybrid diesel-electric power generation in combination with energy storage systems to reduce fuel oil consumption. Increased pressure from IMO to fulfill its commitment to reduce the emissions of greenhouse gases by at least 50\% by 2050, combined with technological advances in fuel cell- and battery technology, has led shipowners in some segments to explore the possibilities for utilizing hybrid fuel cell- battery systems for the shipboard power system.

With the introduction of fuel cell- and battery technology, new aspects as replacement costs due to performance degradation of the systems need to be accounted for in the power system selection problem. The extent to which the fuel cell- and battery systems need to be replaced is dependent on how they are used. This is in contradiction to diesel engines, that are designed to last for the ship’s entire lifetime, only requiring periodic maintenance. With this complex task in mind, a decision support tool in the form of a deterministic optimization model for the selection of the shipboard power system for low-emission shipping has been developed, considering fuel cells, batteries and diesel engines.

The lifetime of a vessel is modeled as consisting of two time periods lasting 10 years each. In each time-period, a typical roundtrip have been assumed and synthesized into different operational modes. Each mode can be represented with its respective load profile and ratio of total time spent to the total duration of a roundtrip in that time-period. The optimization model takes into account the power demand in the various operational modes as the governing constraints to be fulfilled. Possible variations in contract descriptions, prices on fuel and emission tax regulations are included in the time-period formulation. The model is a linear deterministic problem, where the objective function is to minimize the total costs of the vessel during its lifetime. This consist of investment costs, fuel- and emission costs subject to price and tax variations, and maintenance and replacement costs. Specific operational requirements such as fuel compliance in Emission Control Areas (ECA) and eventual electricity-only modes are also considered.

The optimization model is tested in two scenarios. In the first scenario, no increase in regulations is assumed after the IMO2020 regulative takes effect, while fuel prices are expected to increase and electricity expected to decrease. For simplicity, the same fuel price development is expected in scenario 2. However, stricter environmental regulations are assumed in the form of a global tax on carbon dioxide and enforced electricity modes in ECA’s are introduced. Somewhat surprising, a combination of all three power systems is selected for both scenarios by the model. This may be explained, however, by the trade-offs between the cost-contributions and the fact that no restrictions on available machinery space are applied. Diesel engines need to be used with expensive fuels in ECA's, and batteries and fuel cells may therefore be more favorable in these modes. However, as fuels considered for fuel cells inhibit lower volumetric energy densities than conventional fuel oils for diesel engines, storage - and storage tanks - cannot be neglected. Increased utilization of fuel cells require more tank capacity, at an increased tank investment cost. In a similar fashion, increased utilization of electricity from batteries may rapidly require additional battery stacks to be installed to provide the required energy. Another contributing factor may be the assumed prices, in addition to the regulations themselves.

To the author's knowledge, little work has previously been done including all the aforementioned factors in a sizing optimization study for low-emission shipping where fuel cells and batteries are included. Several factors and aspects have needed to be simplified, and assumptions have been made due to limited data and information.

Some aspects also needed to be left out due to the magnitude of the problem, and the model is subject to further expansion and development. It should also be mentioned that a nonlinear model was first developed to be utilized in a Genetic Algorithm (GA) in the optimization toolbox in the programming software Matlab. The algorithm was not able to find a solution, however, as there were too many integer variables. Therefore, a linearized version of the model had to be developed. Due to the linearization, several additional variables had to be introduced. This increases the running time, and a scale-down of the problem was needed, in addition to setting a limit for how long the model should run. In light of this, a reformulation of the problem may decrease running time and improve accuracy. Alternatively a nonlinear implementation in a different heuristic nonlinear optimization algorithm could be performed. Although several uncertainties exist, and improvements can be made, the model illustrates important aspects that need to be taken into account for the decision of the power system for low-emission shipping. Thus the model provides a foundation for the understanding of the problem as well as for further research on this topic.