선박의 추진 에너지 효율을 위한 항해 조건과 주기관 데이터와의 상관관계 분석에 관한 연구
A Study on the Correlation Between Navigational Conditions and Main Engine Data for Propulsion Energy Efficiency in Ship Operations
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 실제 선박 운항 데이터를 기반으로 항해 조건에 따른 기관 부하 및 배출 특성의 변화를 분석하고자 하였다. 이를 위해 실습선 백경호에서 수집한 항해 데이터(선속, 상대풍 방향 및 속도)와 기관 데이터(엔진 부하, NOx, SOx 배출량)를 통합하여 고해상도 시계열 데이터셋을 구축하였다. 조건 구간별 곡선 적합(curve fitting)과 피어슨 상관분석을 통해 변수 간 정량적 관계를 평가하였다. 분석 결과, 선속과 기관 부하 간에는 높은 양의 상관관계(0.86, R² ≈ 0.74)가 확인되었으며, 전방풍 조건에서는 선속 증가에 따라 Load와 NOx 배출이 급격히 증가하는 경향을 보였다. 반면, 후방풍 조건에서는 비교적 일정한 기관 응답이 유지되었으며, SOx는 전체적으로 불규칙한 분포를 나타냈다. 이러한 결과는 외력 조건에 따라 기관의 연료 소모 및 배출 반응이 구조적으로 다르게 나타남을 보여주며, 단순 속도 제어 중심의 운항 전략보다는 조건 기반의 대응 전략이 필요함을 시사한다. 본 연구는 실측 데이터 기반의 조건 반응 해석을 통해 선박 운항 효율 개선과 온실가스 저감을 위한 운항 전략 수립에 기초자료를 제공하며, 향후 다변량 예측 모델 및 실시간 최적화 알고리즘 개발의 기반이 될 수 있다.
Abstract
This study analyzed variations in engine load and emission characteristics under different navigational conditions using actual ship operation data. To achieve this, we constructed a high-resolution time-series dataset by integrating navigational data (ship speed, relative wind direction, and speed) with engine data (engine load, NOx, and SOx emissions) collected from the training ship Baekkyung-ho. We evaluated quantitative relationships among the variables through curve fitting by condition segments and Pearson correlation analysis. Our results revealed a strong positive correlation between ship speed and engine load (r = 0.859, R² ≈ 0.74). Under headwind conditions, both engine load and NOx emissions increased significantly with speed, while under tailwind conditions, the engine response remained relatively stable, with SOx emissions displaying an irregular distribution. These findings indicate that the fuel consumption and emission responses of the engine vary significantly based on external forces, suggesting that a condition-based operational strategy is more effective than a simple speed-control approach. By providing insights based on actual measurements, this study offers essential data for developing operational strategies aimed at improving ship fuel efficiency and reducing greenhouse gas emissions. Additionally, it can serve as a foundation for creating multivariate predictive models and real-time optimization algorithms in the future.