Power systems support using historical data analysis and mathematical modelling

Målinger fra sensorer i ulike utstyr og installasjoner får avgjørende betydning i utviklingen av den marine industrien. De operasjonelle data kan nyttiggjøres ikke bare for online overvåking av utstyr og systemer, men også for optimalisering av kraftsystemet eller selve fartøyet. Kvaliteten på de tilgjengelige signaler og datainnsamlingssystemet er et kritisk aspekt for robuste resultater og for å kunne trekke de riktige konklusjoner. Målsetning til PhD prosjektet var å utvikle analysemetodikk for måledata som påkrevd for optimalisering av kraftsystemer. I første prosjektfase sikret vi korrekt utvalg av målepunkter for dataanalyse av kraftsystemer, samt datakvalitet og sensorteknologi ved å etablere signal-lister og algoritmer for automatisk signalsynkronisering og kvalitetskontroll for referansefartøyene. Vi identifiserte også tilleggsmålinger som vil være gunstige for analyser av fremtidige kraftinstallasjoner. Disse målingene vil gi et mer detaljert bilde av kraften som produseres og forbrukes. Vi identifiserte også kritisk aspekt av signalkvalitet og følsomhet for metoder som er avhengig av data analyse. Vi har publisert to konferanseartikler og en forskningsartikkel i et anerkjent tidsskrift basert på arbeid gjennomført i første prosjektfase. En av artiklene handler om komplementaritet til data-drevne modeller og simuleringsmodeller. I dette arbeidet presenterte vi en potensiell synergi mellom simulering og datadrevet modellering. En datadrevet metode kan komplementere en modell basert på fysiske og empiriske lover. Dette motiverer forskning på datadrevet modellering. Det andre konferanseartikkelen handler om betydningen og innflytelsen av datasynkronisering på prediktiv modellering. Denne artikkelen fokuserer på kvaliteten av datainnsamlingssystemet, spesielt synkroniseringstap mellom ulike signaler. Effekten av synkroniseringstap på prediktive modellalgoritmer brukt i marine applikasjoner viste hvor viktig datasynkronisering er. I tillegg foreslo vi en metode for å evaluere synkronisering mellom målinger. Diskrete Fourier-transformasjon (DFT) digital filtrering innfører ikke tidsforsinkelse og har lav numerisk kostnad som gjør metoden egnet for stor dataforbehandling. DTF foreslås derfor som et verktøy for effektiv sensordata-forbehandling i en tidsskrifts publikasjon. Slike metoder har viktige aspekt for dataanalyse og ble benyttet i videre forskning. Etter at målepunktene var valgt og data forhåndsbehandlet, konsentrerte prosjektet på de neste trinnene av datamining prosessen påkrevd for å forbedre design av kraft systemer. Fordi kraftbehovet varierer betydelig under fartøyets operasjoner, er splitting av data mellom fartøysoperasjoner for analyse av fartøyets kraftsystem kritisk. Undersøkelse av sannsynlighetsfordelingsfunksjonen for kraft produsert/ forbrukt gjør det mulig å estimere de hyppigste verdiene, maksimale og minimale verdier, samt å studere designmarginer, og å validere kraftsystemdesign i hver operasjon. Dette motiverer for å etablere en mer detaljert operasjonsprofil, som ble beskrevet i en konferanseartikkel, og en metode for å etablere data-drevet operasjonsprofil ble foreslått. Analyse av kraftfordeling i fartøysoperasjoner indikerte at sannsynlighetstetthetsfunksjonen av kraft har signifikante lange haler forårsaket av høye effektbehov som opptrer sjelden. Disse høye effektbehovene er kritiske for dimensjonering av kraftsystem og optimalisering, og kan studeres ved å analysere den virkelige kraftfordelingen. Derfor ble det foreslått en avansert metodikk for å kvantifisere variabiliteten i den genererte kraften, noe som forklarer haler i sannsynlighetsfordeling av et kraftsignal ut fra dekomponering av signal. Den foreslåtte metoden kan legge til rette for valg av optimal størrelse, antall og konfigurasjon av generatorer eller batterier ved utforming av nye kraftanlegg. Dekomponering av effekt basert på frekvensintervaller gjør det mulig å fastslå minimum og maksimum last-tid som kan brukes til batteridimensjonering, som er en stor fordel med den foreslåtte metoden. Dette arbeidet resulterte i en publikasjon i et topp rangerte tidsskrift. Analyse av fartøysoperasjoner og kvantifisering av variabilitet ble tatt videre i den siste prosjektfasen ved å bygge statistiske modeller av parametere for evaluering av forholdet mellom effektforbruk og de viktigste inngangsvariablene som påvirker kraftsystemet. Den korrekt valgte og bygde statistiske modellen tillot kvantifisering av bidrag fra hovedfaktorer som påvirker kraftbehov. Resultatene fra den data-drevne modellen ble verifisert med en simuleringsmodell for å vise at resultatene er innenfor grensene for kraftbehovet.

-

A continuously increasing number of vessels are being equipped for logging of operational data with simultaneous recorded signals from multiple sensors ("Big data") to enable environmental reporting, for prediction-based maintenance and to improve operational efficiencies. The PhD project is closely linked to high-level initiatives within the company to further improve vessel operational performances based on the opportunities of "Big data". Successful system integration ensure optimisation of vessel capabilities towards agreed key performance indicators in order of reducing life cycle costs and environmental footprint for vessel. To further exploit vessel and system capabilities during operational phase, validated performance indicators made available onboard and ashore for planning and executing vessel operations is required. Validation and availability of data sets, including methods capable of handling and analysing the large amount of data, is critical for confidence and reliance of results when exploring the opportunities of "Big data". The aim of the PhD project is to establish methods for decision support for optimisation of power systems and validate the selected ratings by using the historical data analysis and mathematical modelling. More specifically, the candidate will ensure correct choice of data as input for data analysis and ensure data quality and sensor technology. Data analysis methodology shall be established by exploring and pre-processing data for the mathematical models applicable for optimisation of key performance indicators for power systems. Further the candidate shall establish statistical models of parameters for extraction relationship between power demand and input variables for power key performance indicators evaluations. Model validation and statistical inference towards established methods shall be founded and additionally comparison with already existing physical models of power systems shall be applied.