Data-driven modelling and estimation of losses in shipboard electrical power components based on machine learning
Master thesis
![Thumbnail](/ntnu-xmlui/bitstream/handle/11250/3093549/no.ntnu%3ainspera%3a106583545%3a24729153.pdf.jpg?sequence=5&isAllowed=y)
Permanent lenke
https://hdl.handle.net/11250/3093549Utgivelsesdato
2022Metadata
Vis full innførselSamlinger
- Institutt for marin teknikk [3437]
Sammendrag
Målet med denne oppgaven er å undersøke muligheten for å modellere kraftan-legg om bord på skip ved hjelp av maskinlæring På grunn av stadig strengereforskrifter fra marine autoritetsorganisasjoner og regjeringer verden over er detnødvendig med løsninger som reduserer utslipp fra skipstrafikken. En løsning somkan iverksettes uten å ta store inngrep i skipets design er å optimalisere kraftan-legget om bord på skipet. Det er veldig vanskelig å gjøre denne optimaliseringenfor hånd, så det finnes et behov for å få utviklet et verktøy som kan hjelpe til iprosessen. Kongsberg Maritime utvikler derfor verktøyet EcoAdvisor. En av delenei EcoAdvisor er å modellere komponentene i kraftsystemet om bord på et skip, slikat man kan finne hvor det er størst enegitap, og hvor mye energi som går tapt frakraftverket. Modellen eller modellene skal videre brukes som et grunnlag for åoptimere bruk av kraftverket om bord på skip. I denne oppgaven er det laget flerekunstige neurale nettverk som er trent ved hjelp av data fra skipet Skandi Africa.De neurale nettverkene har enten modellert en enkeltkomponent av kraftverketom bord eller modellert flere av de samtidig. Resultatet fra å sammenligne disseneurale nettverkene indikerer at det å modellere flere komponenter samtidig girdet beste sluttresultatet. The objective of this paper is to examine the viability of using machine learn-ing to model a shipboard power plant Due to increasingly rigorous regulationsmade by maritime authorities and national governments on emissions on ships,solutions for emission reductions are needed. There are several solutions to redu-cing emissions in the industry and academic circles already, though a lot of thesesolutions are not feasible to use for existing vessels. A solution that can be usedwithout major alterations to existing vessels is to optimise the shipboard powerplant. Manually optimizing the power plant is exceedingly difficult, hence thereis a need for an intelligent decition support tool. Kongsberg Maritime is there-fore developing the EcoAdvisor project, which aims to be this tool. As a part ofthe EcoAdvisor project, there is a need for a model of the power plant that cancalculate the energy losses from each component, such that one has a basis for op-timisation. During this thesis, several neural networks has been trained using datafrom the SKandi Africa vessel. There is a comparison between training a neuralnetwork on each component of the power plant individually and training a neuralnet to model several components simultaneously. The results seems to indicatethat modelling several components at once yields the better result.