Otsikon akateemisen kryptisyyden taustalla on konkreettinen ja käytännön läheinen tarkastelu laivojen energiataloudesta sekä energiakulutukseen liittyvästä ympäristökuormituksesta.
Väitöstutkimus kohdistuu laivojen kokonaisenergiajärjestelmän optimaaliseen ohjaukseen reaaliajassa kokonaistalouden parantamiseksi ja ympäristökuormituksen vähentämiseksi. Laivan käyttäjien ja myös suunnittelijoiden kannalta asiaan liittyy läheisesti viime vuosina käyttöön tulleet kansainväliset IMO:ssa päätetyt säännökset: EEDI – vaatimukset rakennettavien laivojen energiatehokkuudelle, EEXI – vastaavat vaatimukset olemassa olevalle tonnistolle ja CII – laivan hiili-intensiteetti-indikaattori, joka on yksittäisen laivan kunkin kalenterivuoden aikana tuottama CO2 – määrä jaettuna kuljetussuoritteella ja jonka seuranta on jatkuvaa ja kattaa laivan koko käyttöiän.
Taustalla ovat luonnollisesti myös makrotason päästötavoitteet merenkululle:
-50 % pienemmät CO2 – päästöt vuonna 2050 verrattuna vuoden 2008 päästöjen tasoon
-maailman kauppalaivaston odotetaan kasvavan 40 % vuoteen 2050 verrattuna, minkä seurauksena laivakohtaisten päästöjen tulisi olla 70 % pienemmät vuonna 2050 kuin oli vuonna 2008
Huimat tavoitteet siis!
Ainakin tekniikan alalla varsin laajasti omaksutun käytännön mukaan väitöstutkimuksen perustana oli kolme väitöstutkijan aikaisemmin kansainvälisellä forumilla julkaisemaa tieteellistä artikkelia, joiden ”koosteena” väitöskirja on muodostunut. Tällaisissa artikkeleissa on usein mukana monta tutkijaa kuitenkin niin, että väitöstutkija itse on niissä ollut pääasiallinen tekijä.
Janne Huotarin tapauksessa nämä kolme tutkimusta olivat:
1. Koneoppimiseen kuuluvan ns. vahvistusoppimismenetelmän (englanninkielinen termi Reinforcement learning) käyttökelpoisuuden selvittäminen laivan energiajärjestelmän ohjauksessa. Tämän pohjana käytettiin Turun telakan toimittamalla MS Silja Serenadellä kerättyä aineistoa kymmeneltä matkalta Helsinki – Tukholma – Helsinki. Menetelmä osoittautui hyvin lupaavaksi, joskin myös todettiin, että MS Silja Serenadea monimutkaisempien järjestelmien ohjauksessa menetelmä on haasteellinen. Silja Serenadessä on perinteinen propulsioratkaisu, alennusvaihteiden kautta vaakasuorilla akseleilla potkureihin kytketyt dieselmoottorit
2. Realistisen ja reaaliaikaisen ohjauslogiikan kehittäminen useista erilaisista teholähteistä koostuvalla energiajärjestelmälle, missä yhdistettiin tehontarvetta ennustavia menetelmiä matemaattiseen optimointiin (englanninkielinen termi Model predictive control). Työn tueksi tarvittava data-aineisto saatiin niinikään Turun telakan toimittaman laivan MS Mein Schiff 6:n toimintajaksoista Karibian merellä, Atlantin ylityksessä ja Euroopassa. Tuloksena saatiin kehitetyksi toimiva kokonaisuus, joka toteutti järjestelmän ohjausta liki optimaalisesti.
3. NAPA Oy:n Voyage Optimization – prosessin soveltaminen laivan nopeusoptimointiin hyötyjen kartoittamiseksi sellaisissa tilanteissa, joissa laivan aikataulu ei ole joustava – siis esimerkiksi aikataulun mukaisessa auto-matkustajalauttaliikenteessä. Tämä käsitti vastausten hakemista kysymykseen kannattaako huonon/muuttuvan sään tilanteessa ajaa osa matkasta hitaammin ja osa suuremmalla nopeudella. Tavoitteena oli aikaansaada tällaisiin ongelmiin mahdollisimman tehokas laskentamalli, joka täydensi olemassa olevia nopeusoptimointimalleja. Tulokset osoittivat, että vain erittäin rajuissa sääolosuhteissa näitä ääriolosuhteita kannattaa lähteä ”väistämään” nopeusprofiilia muokkaamalla. Mahdollisia turvallisuustekijöitä tarkastelussa ei huomioitu.
Kaikissa kolmessa osatutkimuksessa toimittiin yhteistyössä yritysten kanssa. MS Silja Serenadeen liittyvä aineisto saatiin Tallink Silja Oy:ltä, MS Mein Schiff 6:n aineisto saatiin Meyer Turku Oy:ltä ja NAPA Oy:ltä saatiin käyttöön heidän Voyage Optimization – työkalunsa. Itse datan lisäksi yrityksiltä saatiin laajalti tukea teknisissä kysymyksissä.
Esimerkkinä kehitettyjen menetelmien sovellutuksesta analysoitiin viiden erilaisen laivan polttoainekulutus reitillä Houston, USA – Lontoo kehitettyjä nopeusoptimointimenetelmiä käyttäen (kaksi tapausta: jo olemassa oleva nopeusoptimointimalli, kuvassa ”Dynamic optimisation”, ja olemassa olevan mallin sekä tutkimuksessa kehitetyn mallin yhdistelmä, kuvassa ”Combined”) ja tuloksia verrattiin siihen, että reitti ajettiin vakinopeudella. Mukana tarkastelussa oli kaksi erikokoista suurta bulk alusta (kuvassa Bulk carrier ja KVLCC2), kaksi erikokoista konttialusta (kuvassa S175 ja WILS II) sekä yksi risteilyalus (kuvassa Cruise ship). Vakio-matkanopeus valittiin sen mukaan, mikä on tyypillistä ko. laivakoolle ja laivatyypeille. Keskimääräinen polttoainesäästö vakíonopeustapaukseen verrattuna oli 1.1 %. Tutkimuksessa kehitetty nopeusoptimointimenetelmien yhdistelmä antoi 22 % suuremman hyödyn kuin pelkkään dynaamiseen optimointiin perustuva aiemmin kehitetty malli. .
Combined: Menetelmä, jossa nopeusprofiili ratkaistiin ensin dynaamisella optimoinnilla, jonka jälkeen tulosta parannettiin tutkimuksessa kehitetyllä laskentatehokkaalla konveksilla optimoinnilla. Dynaamisesta optimoinnista poiketen konveksin optimoinnin laskentatehokkuus ei ole riippuvainen nopeusvaihtoehtojen määrästä, eli menetelmät tukevat toisiaan hyvin.
Dynamic optimisation: Matkan vaiheista ja mahdollisista nopeusvalinnoista muodostetaan verkkomainen rakenne. Lyhyimmän polun ratkaiseminen tässä verkossa vastaa optimaalisten nopeusvalintojen ratkaisemista, jokseenkin samalla tavalla kuin karttasovelluksen navigaattori ratkaisee lyhyimmän reitin kotoa kauppaan. Haasteita aiheuttaa se, että verkon monimutkaisuus kasvattaa menetelmän laskentakuormaa merkittävästi. Tästä johtuen esimerkiksi eri nopeusvaihtoehtoja ei voi olla kovin montaa.
Toinen tulosesimerkki näyttää yhden yksittäisen laivatapauksen nopeushistorian samaisen matkan ajalta, pystyakselilla nopeus – vaaka-akselilla matkan pituus lähtösatamasta. Reitillä laiva kohtaa myrskyalueen 7000 km:n kohdalla, mikä otetaan optimoinnissa huomioon jo ennen matkan alkua. Nopeutta siis vähennetään vakionopeustapaukseen verrattuna huomattavasti myrskyalueella, mutta tämä kompensoidaan alkumatkan korkeammalla nopeudella, jotta kokonaisaika pysyy samana.
Tulosten yhteenvetona tutkimuksessa todetaan, että yleisesti:
1. Vahvistusoppimismenettelyllä voidaan saavuttaa 0,5 – 1,4 %:n polttoainesäästöt
2. Matemaattiseen optimointiin perustuvalla ohjauksella päästiin lähellä teoreettisesti optimaalista ohjausta monimutkaisessa energiajärjestelemässä, joka koostui neljästä polttomoottorigeneraattorista, akusta ja polttokennosta.
3. Nopeusoptimoinnilla päästään 0 – 8 %:n polttoainesäästöön
Kokonaisuutena puhutaan siis tutkimustuloksesta, jonka mukaan kehitetyillä optimointimenetelmillä voidaan saavuttaa yli 10 %:n vähennys laivojen polttoainekulutuksessa. Hyödyn taso luonnollisesti vaihtelee laajasti riippuen laivatyypistä, reitistä ja toimintaprofiilista. Tutkimus ja sen tulokset ovat joka tapauksessa merkittävä ja rakentava lisä siihen erittäin intensiiviseen keskusteluun, jossa tänään pohditaan laivojen polttoainetaloutta ja ympäristökuormaa sekä muun muassa käsitellään suurella innolla myös erilaisia täydentäviä järjestelmiä laivojen energiatalouden tehostamiseksi kuten purjeratkaisuja, aurinkopaneeleita, ilmapuhallusjärjestelmiä ym.
Janne Huotarin väitöskirjatyö on eittämättä tervetullut lisäpanos meneillään olevaan kiihkeään keskusteluun laivojen tulevista energiaratkaisuista. Tutkimus ja sen tulokset oletettavasti herättävät laajaa kiinnostusta yrityskentässä. Ensisijaiset hyödyntäjät lienevät laite- ja järjestelmätoimittajia – toivottavasti suomalaisia sellaisia – eivät niinkään varustamot suoraan eivätkä telakat.
Kuten lähes aina väitöstutkimus luonnollisesti toi esiin konkreettisia parannus- ja edelleen kehittämistarpeita. Janne Huotarin suunnitelmissa on jatkaa näiden asioiden parissa tavoitteena vielä tarkemmat menetelmät ja entistä suuremmat talous- sekä ympäristöhyödyt.
Janne Huotari:
Janne Huotari, syntynyt 1993, valmistui Aalto-yliopistosta konetekniikan maisteriksi (perinteisesti diplomi-insinööriksi) vuonna 2018 pääaineenaan mekatroniikka. Diplomityön hän teki Sveitsissä toimivan kuuluisan hiukkasfysiikan laitokselle CERN:ille. Väitöskirja on syntynyt Aalto-yliopiston apurahan turvin. Aihe on seurausta INTENS (Integrated Energy Solutions to Smart and Green Shipping)– nimisestä tutkimusohjelmasta, jossa keskityttiin muun muassa selvittämään laivojen energiajärjestelmän ohjaukseen liittyviä asioita sellaisissa ratkaisuissa, joissa laivassa on useita energialähteitä siis esimerkiksi ”tavanomaisen käytön” lisäksi akkuja, polttokennoja, tuulivoimalähteitä ym.
Teksti Eero Mäkinen
