船舶能效优化需要综合使用多种节能技术，受到航行环境、自身装载、动力装置状态等多种因素的影响，其优化效果取决于数据来源的可靠性和节能技术的合理性。为准确分析各种节能技术对能效优化起到的效果，有必要对各种影响因素进行深入的挖掘分析。针对这一问题，首先对实船能效数据进行数据预处理，并基于这一基础提出使用DEA方法进行船舶能效优化方法的多指标评价，为船舶智能能效优化提供决策依据。最后通过某船在航行过程中的功率及能效数据验证了所提多指标评价模型的可行性和有效性。

背景

由于海运是最经济、最省油的货物运输方式，全球约90%的货物贸易都在通过船舶运输进行。但随着运输量的不断增加和重质燃料油的普遍使用，远洋货船数量多，活动范围广，配备大功率船用柴油机造成的能源短缺以及大量污染气体排放等问题越来越受到关注，船舶的能效优化已成为迫切需要解决的问题。事实上，国际海事组织(IMO)和世界各国政府提出的日益严格的减排措施加速发展了能效优化在航运业的应用。船舶的能效优化需要综合使用各种节能技术，达到通过更少的燃气、燃油来使船舶续航能力达到更好的目的。

目前对船舶节能技术的研究多种多样，例如：减小船舶阻力、提高船舶螺旋桨的推进效率以及采用混合动力装置等技术手段。王波等提出在驱逐舰船型上加装减阻节能球鼻艏可以减少在特定航速下的兴波阻力；倪柏义等通过对散货船的高效螺旋桨以及消涡鳍进行一体化的改进设计，并对节能改造前后实船运营数据的对比分析，验证了改造后的船舶在实际营运过程中具有更好的节能效果；陈纪军等通过计算表明：与固定螺旋桨转速航行模式相比，对VLCC加装风帆后采用固定航速航行模式节能效果提高了6%左右。国外对节能技术的研究也很全面，日本在一艘名为“太平洋海鸥”号的水泥运输船上进行微泡沫船舶节能新技术实验，其关键技术是在船舶上安装微缝板，通过这一装置可以喷出微小的气泡，从而使船舶在水中的摩擦阻力可以减小12%，燃油节约可达到8.5%，一旦实船实验可以确认这一节能效果，有望以后在大型油船上看到这一技术的身影。Bowen Lu等提出了一种基于CO2混合物的船舶余热回收系统(SWHRS)，可以提供制冷输出以及可调节的加热和电气输出，根据实际运行数据，SWHRS可实现年燃油消耗率下降10.3%，每年节省约245000美元的燃油费用。许内克罗斯(Schneekluth)在上世纪八十年代提出前置导管，这是节能导管概念的首次提出，通过将导管安装在螺旋桨的特定位置可以改善该部位的流场，从而使螺旋桨获得均匀的进流，在一定程度上提升了尾部螺旋桨的工作效率，达到船舶节能的目的。

众多的节能技术都可以达到能效优化的目标，为了确定能效优化的质量，需要建立准确的评价模型来评判不同的节能技术对于能效优化的贡献，保证能效优化的提高。建立能效优化评价模型的复杂性在于：一是节能技术手段多种多样，涉及到了水阻力、主机效率以及动力等方面；二是能效优化指标同样繁多，包括燃油消耗率、船舶能效运营指数(EEOI)以及费用等指标。数据包络分析(Data envelopment analysis，DEA)方法是一种流行的运筹学方法，通过运用多种指标来评价不同决策单元的技术效率，适用于描述全要素生产效率状况，并且权重具有客观性，不受主观因素的不良影响，这就有利于不会因为权重估计的不准确而影响评价结果。本文采用DEA方法建立评价模型，评价各种节能技术对能效优化的贡献。

DEA方法

1.DEA方法介绍

1957年，Farrell提出了一种可以充分地处理解决效率测量问题的活动分析方法，旨在适用于任何生产组织，这就是包络思想的雏形。在20多年后的1978年，Charnes等人为了满足对评估多种投入和多种产出生产单位相对效率的满意程序的需求，引入了一种强大的方法，该方法后来就被称作数据包络分析(DEA)。DEA方法背后的最初想法是通过一种方法，在一组可比较的决策单元(Decision making unit，DMU)中，可以识别出那些表现最佳实践的单元，并形成一个有效的前沿(即以最小输入和最大输出为目标的Pareto最优解)，通过最优化的过程确定权重，在避免主观因素、简化算法、减少误差等方面的影响上具有很强的优越性。此外，该方法使人们能够衡量非前沿单位的效率水平，并确定可以比较这些低效单位的基准。DEA已广泛应用于各个领域，包括教育、医疗、制造以及农业等方面。

2.DEA基本原理与CCR模型

假定有n个待评估的决策单元(DMUs)，对于每一个DMU都输入m种因素，且输出t种因素，则决策单元k的效率评价指数：

我们取适当的权系数ur和vi，使得hk≤1，k=1,2…n。其中，ur表示第r个输出的权值，vi表示第i个输入的权值。

我们对第k个DMU进行效率评价,一般来说，hk越大表示我们的输出相对越大输入相对越小。对于我们的DMU相对来说是不是最优，我们要关注的是当权重变化时，hk最大是多少。

在求解实际问题时常采用的模型是具有固定规模假设的CCR模型。在CCR模型中，用xk=(x1k x2k⋯xmk )T，k=1,2,⋯,n

yk=(y1k y2k⋯ytk )T，k=1,2,⋯,n

分别表示第k个DMU的输入向量和输出向量，如检验第j个DMU的相对有效性，可以得到CCR模型的标准表达式为

式中，θ、λk 、s+ 、s-为待求解变量，θ代表第j个DMU的相对有效性。通过模型我们可以看到，该DMU的有效性是相对于其他所有的DMU而言的。

3.DEA方法的特点

(1)在处理具有多种输入、多种输出的效率评价问题方面具有优势；

(2)只研究输入输出数据，不对数据进行其他处理，不需要了解数据之间的表达式关系；

(3)对于权重无任何要求，只从决策单元的实际输入输出数据求出最优权重，具有很强的客观性。

4.DEA方法应用的具体步骤

(1)了解具体问题，确定评价目的，确定评价对象之间的关系；

(2)建立评价体系，选择决策单元；

(3)明确输入输出指标，确定输入输出指标的具体度量指标；

(4)选择DEA模型，符合问题的评价目的以及特定要求；

(5)进行有效性评价，分析结果，评价合理性。

基于DEA方法的船舶能效优化评估模型

1.船舶能效优化评价指标

(1)评价指标建立的要求

评价指标是对各种节能技术评价的重要因素。为了研究各种节能技术对船舶能效优化的影响，使其能够具备客观、真实、全面的反映，在进行评价指标建立时应该遵守以下要求：

①整体性

能效优化是由各种节能技术共同作用的结果，这些节能技术之间存在着联系，不能完全割裂开单独研究。

②科学性

科学性原则是指体现能效优化的客观实在性。科学评价评价指标才真实可信，科学评价就要定性指标与定量指标相结合。

③简明性

评价指标应简单明了，若指标过少则不能真实反映指标的影响程度，指标过多则可能出现决策者关注小的问题而忽略关键问题，因此指标应简明适用。

(2)评价指标的建立

本文依据中国船级社(CCS)在2018年颁布《船舶智能能效管理检验指南》中对于能效指标的要求，同时考虑数据的可获得性、有效性，最终确定主机总功率、节能装置总功率为输入指标；单位距离燃料消耗量、单位运输功燃料消耗量、单位距离CO2排放量、碳强度指标(CII)为输出指标。具体的输入输出评价指标见表1。

表1 输入输出评价指标

上表式①中，M为年度CO2排放总质量，W为运输做功。

2.总体流程

根据船舶能效优化的发展现状，针对各种节能技术的特点，通过运用DEA方法，提出船舶能效优化的多指标评价模型。这一模型根据船舶在运行过程中产生的能效优化的各种数据，使用DEA方法得到不同节能技术船舶能效优化的评价结果，从而为船舶能效优化给予决策建议，供其他研究人员在选择更有效的节能技术时提供改进方向。

算例分析

现以某船航行实测能效数据以及采用的节能技术为例，采用DEA方法进行评价，为船舶智能能效优化提供决策依据。

根据船舶上使用的节能技术，选取减阻球鼻、最佳纵倾法、桨前导流鳍、扭曲节能舵、余热回收以及风帆助航6个节能技术为决策单元，将数据导入到DEAP 2.1中，相对有效性计算结果见图1 ，并建立如表2所示的DEA选型输入/输出指标体系。

图1 相对有效性计算结果

表2 各种节能技术评价

从表2中可以看出，余热回收相对有效性较低，这是由于余热回收装置总功率较大，但其节能效果相比却并不明显。即要对船舶能效进行优化，采用的节能技术自身所导致的功率增加也不应该过大，否则可能会适得其反。

船舶能效优化是当前节能减排，尽早达到碳中和目标的重要一环。虽然不同的节能技术都能带来能效的提升，但是提升水平的高低却各有不同。本文基于DEA方法对各种节能技术进行多指标评价，将船舶行驶过程中产生的数据进行转化为更加直观的对比结果进行展示，达到有效利用大数据，为船舶能效优化提供决策依据。