Hva kan vi lære av en bilferge som trafikkerer samme turen fram og tilbake dag for dag, og kanskje år etter år?
Hvis ei ferge har 20 avganger per dag, utgjør det over 7000 turer på ett år. Med dagens sensorteknologi, maritime kommunikasjonsløsninger og maskinlæring kan man etablere en modell av energibruken for fremdriftssystemet under overfarten. Modellen beskriver sammenhengen mellom energibruk relatert til ulike faktorer som fart, last og værsituasjon.
Maskinlæring kan lære av de ulike turene og lage sammenhenger eller et oppslagsverk som gjelder akkurat for denne fergen. Disse sammenhengene kan legges inn i et integrert brosystemet, og gi navigatøren forslag om å kjøre litt annerledes gitt last og værforhold. Selv noen få prosent besparelse på hver tur vil kunne gi en betydelig energisparing i løpet av ett år som går rett på bunnlinjen til selskapet, og samtidig spare miljøet gjennom lavere CO2 avtrykk.
SINTEF Ocean AS har sammen med Norwegian Electric Systems utviklet en løsning som kan gi navigatøren råd om en mer energieffektiv rute med utgangspunktet ferjestrekningen Hareid-Sulesund. Det er rederiet Fjord1 som trafikkerer dette sambandet og vi har høstet data fra fergen MF Suløy i flere måneder og vi har nærmere 3000 turer lagret i databasen. Fjord1 er ikke en direkte partner i prosjektet, men har stilt fergen til disposisjon for datafangst. Hav Design har designet fergen og de er også partner sammen med Havila Kystruten i innovasjonsprosjektet som har fått støtte av Norges forskningsråd. Foreløpige resultater viser en mulig energibesparelse på opptil 3% for noen utvalgte turer.
Fergen er helelektrisk, noe som betyr null avgassutslipp, men den bruker elektrisk energi fra batterier som må lades, og det har fortsatt sin kostnad. Under overfarten måles det elektrisk effekt fra frekvensomformerne som driver elektromotorene. I tillegg måles det posisjonsdata, samt hastighet og kurs under overfarten. Data fra ulike værtjenester kan lastes ned fra det aktuelle området og kobles sammen med de andre dataene fra fergen. Ved smart bruk av disse dataene blir det etablert en energimodell for denne ferga som stadig kan forbedres med nye data, som igjen betyr at man vil stole mer og mer på systemet.
Testes ut på Havila Kystruten
Vi har så langt fokusert på overfarten, som representerer omtrent 80% av den totale energibruken for fremdriftssystemet fra start til stopp for fergen. Det går også med energi ved starten og slutten av turen. I starten, under akselerasjonsfasen, og under slutten, retardasjonsfasen, er det vanskeligere å få en enkel sammenheng som for overfarten. Vi jobber nå med å få en energioptimal akselerasjon og retardasjon slik at også dette blir håndtert av systemet i fremtiden. Dette blir videreført i et nytt demonstrasjonsprosjekt som også er støttet av Norges forskningsråd. Her er vil systemet bli testet på ett eller flere av de nye kystruteskipene til Havila Kystruten. Kystruteskipene opererer i værutsatte fartsområder med sammensatte rutenettverk og dermed stort potensiale for økt energibesparelse.
Kommentarer
Ingen kommentarer enda. Vær den første til å kommentere!