Machine learning approach to estimating operational electrical power on trade vessels: an application for shaft generator power prediction

Ticari gemilerde operasyonel elektriksel gücün tahmininde makine öğrenmesi yaklaşımı: şaft jeneratörü güç tahmini uygulaması

Abstract

In recent years, extremely radical decisions have been taken by international maritime and environmental authorities to reduce emissions in the maritime sector. Companies aim to increase energy efficiency with effective approaches in terms of cost-benefit ratio to implement the rules that have been put into effect. In this context, various approaches have been developed in the literature to determine ship energy efficiency and emissions. Especially in the last five years, applications of machine learning methods in different fields have yielded successful results, and these methods have started to be used to determine emissions in the maritime sector. Fuel consumption onboard accounts for a large part of emissions. There are many studies in the literature on this subject. In this study, the power of the shaft generator is generally used for operational work and operations instead of running more than one generator during the cruise, has been determined through machine learning applications. A data set for 750 days from a container ship was used in the study. The received data set has been made suitable for machine learning methods. At this stage, the data set was randomly selected by the computer as training and test data and divided into two parts. Algorithms were trained with the training data, while the test data was not taught to the algorithms and stored to measure the success of the algorithms during the estimation process. As a result of the estimations, it has been determined that the Multiple Linear Regression algorithm gives more successful results than the other algorithms examined in the study in the estimation of the electrical power of the shaft generator.

Özet

Son yıllarda uluslararası denizcilik ve çevre otoritelerince denizcilik sektöründeki emisyonların azaltılması için son derece radikal kararlar alınmaktadır. Şirketler yürürlüğe konulan kuralları uygulamak için fayda-maliyet oranı bakımından etkin yaklaşımlarla enerji verimliliğini arttırmayı amaçlamaktadır. Bu kapsamda gemi enerji verimliliğinin ve emisyonların belirlenmesi için literatürde çeşitli yaklaşımlar oluşturulmuştur. Özellikle son beş yılda makine öğrenmesi yöntemlerinin farklı alanlarda uygulamalarının başarılı sonuçlar vermesi üzerine bu yöntemler denizcilik sektöründe emisyonların belirlenebilmesi adına da kullanılmaya başlanmıştır. Gemide yakıt tüketimi emisyonun büyük bir bölümünü oluşturmaktadır. Bu konuda literatürde çok sayıda çalışma mevcuttur. Bu çalışmada ise gemilerde toplam yakıt tüketiminin yaklaşık %10-15’lik bir kısmını oluşturan, genellikle seyir sırasında birden fazla sayıda jeneratörün çalıştırılması yerine operasyonel iş ve işlemler için kullanılan şaft jeneratörünün gücü makine öğrenmesi uygulamaları vasıtasıyla tespit edilmiştir. Çalışmada bir konteyner gemisinden alınan 750 günlük veri seti kullanılmıştır. Alınan veri seti makine öğrenmesi yöntemleri için uygun hale getirilmiştir. Bu aşamada veri seti eğitim ve test verisi olarak bilgisayar tarafından rastgele seçilerek iki kısma ayrılmıştır. Eğitim verisi ile algoritmalar eğitilmiş, test verisi ise algoritmalara öğretilmemiş ve tahmin işlemi sırasında algoritma başarılarının ölçülebilmesi adına saklanmıştır. Yapılan tahminler sonucunda Çoklu Doğrusal Regresyon algoritmasının şaft jeneratörünün elektriksel gücünün tahmini işleminde çalışmada incelenen diğer algoritmalardan daha başarılı sonuçlar verdiği tespit edilmiştir.