基于聚类分析的船舶主机频繁工作区性能评估

郑齐清，林金海，赵泽楷，俞文胜

(1.泉州师范学院 航海学院，福建 泉州 362000；2.泉州海事局，福建 泉州 362000)

随着IMO对船舶排放标准的提高，以及监管措施更加严格，船舶经营成本进一步加大.航运业向数字化发展，将传统航运与物联网、大数据、云计算、人工智能等为代表的现代信息技术进行融合，提高船舶能源利用效率及营运管理.智能能效管理是智能船舶的八大功能模块之一[1]，通过船舶能效数据挖掘分析可深入了解船舶及其设备相关性能，为能效管理计划制定、实施、监测、评估与改进提供决策依据.目前，国内外均在船舶能效数据挖掘分析方面开展了研究，如尹奇志等[2]对船舶能效数据清洗方法进行研究，根据能效数据特征，利用阈值理论及关联理论对故障数据进行识别，运用插值法及灰色关联法对数据有效补齐；孙峰等[3]用K值自适应的K均值聚类法得到定速航行船舶主机的3种工况，并得出各工况下的主机功率与油耗率的关系曲线，以评估柴油机运行性能；邓小玉[4]运用数据挖掘技术建立了船舶能耗数据库和知识库管理模型；高梓博[5]运用主成分分析法对能效数据异常值检测，利用高斯混合模型和EM算法对主机能效数据进行聚类分析，得到船舶3种运行工况，在此基础上进行了性能评估分析；汪益兵等[6]采用K均值聚类算法对船岸一体化平台能效数据进行挖掘分析；Perera等[7-8]通过EM算法实现GMM聚类，得到船舶主机频繁工作区，运用主成分分析……