1

102. Hauptversammlung der Schiffbautechnischen Gesellschaft 21–23. 11. 2007 in Berlin

Betriebssimulation von Frachtschiffen mit Windzusatzantrieb

Simulation of the Operation of Wind-Assisted Cargo Ships

Prof. Dr.-Ing. Günther F. Clauss*, Prof. Dr.-Ing. Helmut Siekmann**, Dipl.-Ing. Gonzalo Tampier B.* * Institut für Land- und Seeverkehr, Technische Universität Berlin ** Institut für Strömungsmechanik und Technische Akustik, Technische Universität Berlin Abstract In times of rising fuel costs wind as propulsion assistance for cargo ships appears as an economically inter-esting alternative. Analyzing the fuel saving potential of different wind assistance technologies by means of long-term simulations, comparisons can be undertaken. For this purpose, the routes of two selected vessels (product tanker, bulk carrier) are simulated for a time span of five years, using weather data from the ERA-40 database from the ECMWF (European Centre for Medium-Range Weather Forecasts). Each route is opti-mized for selected simulation time spans using an evolutionary strategy (differential evolution) to study the improvement potential on fuel savings with small route variations. The simulations show that fuel savings up to 15% are possible for a service speed of 15 kn.

Abb. 1: Segelunterstützte Frachtschiffe: Vision oder Zukunft?

1. Einleitung

Steigende Kraftstoffpreise, sowie das stark wach-sende Interesse, in allen Bereichen des Verkehrs die CO2- und NOX-Emissionen zu vermindern, begünstigen den Einsatz nachhaltiger Antriebssys-teme. Insbesondere im Schiffsbetrieb ist Wind als Zusatzantrieb interessant und noch wenig er-forscht (Abb. 1). Japanische Entwicklungen der 80er Jahre [16] und die der deutschen Firma „SkySails“ [13] sind Beispiele für Entwicklungen auf diesem Gebiet. Die sich in ihrer Anwendung stark unterscheidenden Technologien lassen das große Spektrum der Einsatzalternativen mit Wind-zusatzantrieb gut erkennen. Ansätze zur quantita-

tiven Auswertung der Güte solcher Windzusatzan-triebe durch Simulationen sind Grundvorausset-zung für jede innovative Entwicklung. Ziel dieser Arbeit ist die Untersuchung des Kraftstoffeinspa-rungspotentials mehrerer Windzusatzantriebe durch Betriebssimulationen. Dafür werden drei unterschiedliche Routen mit zwei Beispielsschiffen (Produktentanker und Bulk Carrier) über eine (vir-tuelle) Zeit von fünf Jahren simuliert. Die Simulati-onen verwenden Daten für Windgeschwindigkeit und –richtung sowie signifikante Wellenhöhen aus der ERA-40 Datenbank des ECMWF (European Centre for Medium-Range Weather Forecasts). Diese Informationen werden über die letzten 40 Jahre in sechsstündigen Zeitschritten mit einer Auflösung von 2,5x2,5 Breiten- bzw. Längengra-

2

den bereitstellt. Durch verschiedene Ansätze wer-den Propulsions-, Stabilitäts- und Seegangscha-rakteristik der Schiffe berücksichtigt. Jede Basis-route (orthodrome Route) wird für ausgewählte Simulationsausschnitte mit einer Evolutionsstrate-gie optimiert (Differential Evolution), um das Ver-besserungspotential des Kraftstoffverbrauchs mit-tels geringer Routenänderungen zu untersuchen. Die ausgewählten Routen entsprechen klassi-schen Segelschifffahrtsrouten sowie aktuellen Routen maschinenangetriebener Schiffe. Folgen-de Mindestanforderungen gelten für den Einsatz eines solchen Zusatzantriebes:

• keine Erhöhung des Personalbedarfs an Bord, • unveränderte oder verbesserte Schiffssicher-

heit und Manövrierfähigkeit, • keine Einschränkungen des Schiffsbetriebes

oder des Fahrgebietes. Präsentiert werden nicht nur die Einsatzmöglich-keiten des Windes als Zusatzantrieb für Schiffe, sondern auch deren Grenzen und Potentiale. Un-terschiedliche Segelkonfigurationen, wie z.B. Gaf-fel-, Bermuda- und Bisuperellipsensegel werden verglichen. Anschließend werden die für jeden Segeltyp passenden Einsatzmöglichkeiten erörtert. Detaillierte, realitätsnahe Simulationen ermögli-chen zukünftige Machbarkeits- und Risikostudien, die den Einsatz alternativer Antriebskonzepte mittel- oder langfristig entscheiden werden. Grund-legende Fragen z.B. bezüglich der geeigneten Schiffstypen und –betriebsgeschwindigkeiten, sowie der betrieblich orientierten Mindestanforde-

rungen an einen solchen Zusatzantrieb und des-sen Eigenschaften werden diskutiert.

2. Aero- und Hydrodynamische Model-lierung

2.1. Segeltypen

Folgende Segeltypen werden mittels ihrer Polar-diagramme (Abb. 2) verglichen:

• Bisuperelliptisches Tandemprofil (BSP-Segel, Siekmann [12]),

• Konventionelles Bermuda-Rigg (Marchaj [7]),

• Bermuda-Rigg der Segelyacht „Dyna“ (Großausführungsmessungen von Hoch-kirch [1], [3]),

• Gaffelsegel (Marchaj [7]) und • NACA 0015 Profil mit Seitenverhältnis

AR=3 (Whicker und Fehlner [20]).

Für die ausgewählten Segeltypen werden die ae-rodynamischen Eigenschaften aus der Literatur oder aus experimentellen Daten ermittelt. In dieser Auswahl befinden sich zwei Profilsegel (BSP und NACA-Profil) und drei Tuchsegel (zwei Bermuda-Segel und ein Gaffelsegel). Damit werden Segel stark unterschiedlicher aerodynamischer Eigen-schaften untersucht, um über die Ergebnisse die Eignung der jeweiligen Segeltypen zu erkennen. Die BSP-Segel bestehen aus modifizierten Klap-penprofilen wie sie im Flugzeugbau und Strö-

Polardiagramme

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8

0 0,2 0,4 0,6 0,8 1 1,2 1,4

Widerstandsbeiwert CD

Au

ftri

eb

sb

eiw

ert

CL

BSP

Bermuda Rig (Marchaj)

Gaff (Marchaj)

NACA0015 AR3

DYNA (Segeldynamomenter)

Gleitwinkel λ

Abb. 2: Polardiagramme der untersuchten Segeltypen

3

mungsmaschinenbau bekannt und erprobt sind [9], [11].

2.2. Allgemeine Segeleigenschaften

Die ausgewählten Segeltypen zeigen stark unter-schiedliche aerodynamische Eigenschaften. Wich-tigste Eigenschaft für die Vortriebskraft am Wind ist die Gleitzahl CL/CD (siehe Abb. 2). Diese fällt beim BSP-Segel besonders groß aus. Für Raum-schots- oder Vorwindkurse sind die maximale Auf-triebs- bzw. Widerstandsbeiwerte von Bedeutung. Hier erscheint das Gaffelsegel vorteilhaft. Für die Modellierung der aerodynamischen Eigen-schaften werden Wechselwirkungen zwischen den Segeln nicht berücksichtigt, d.h. die Anzahl der Segel hat nur eine Auswirkung auf den Kraftan-griffspunkt und damit auf die Stabilität.

2.3. Hydrodynamische Modellierung und Propulsion

Für die Modellierung der hydrodynamischen Ei-genschaften des Schiffes werden nur die für die Fragestellung wichtigen Faktoren berücksichtigt [1]:

• Schiffswiderstand (Glattwasser-, See-gangs-, Wind- und Krängungswiderstand),

• Propulsionswirkungsgrad und • Statische Querstabilität.

Der Glattwasserwiderstand wird nach dem Be-rechnungsverfahren von Holtrop-Mennen [4] be-rechnet, der Seegangswiderstand nach Kreitner (in [10]), der Windwiderstand nach Wilson (in [19]) und der induzierte Widerstand nach Larsson und Eliasson [6]. Der Gesamtwiderstand ergibt sich aus der Summe dieser vier Widerstandsanteile. Nicht berücksichtigt werden Steuerwiderstand, zusätzliche Rauigkeit (Fouling), Anhänge und pa-rasitärer Widerstand. Diese Anteile sind für eine genaue Widerstandsberechnung wichtig, verlieren aber an Bedeutung, wenn - wie in diesem Fall - die Daten komparativ behandelt werden. Bei der Be-rechnung des Propellerwirkungsgrades wird die Abweichung bezüglich des Auslegungspunktes entsprechend der Abweichung des ideellen Wir-kungsgrades angesetzt [2]. Dadurch können die Wirkungsgrade für Punkte außerhalb des Ausle-gungsbereiches gefunden werden. Die Krän-gungskräfte werden stets berücksichtigt, und ein „Refffaktor“ wird eingesetzt, sobald ein Krän-gungswinkel von 5° überschritten wird. Dieser Faktor hat den gleichen Effekt wie das Reffen eines Segels, d.h. eine proportionale Verringerung der Segelfläche und damit der aerodynamischen Kräfte.

Abb. 3: Beispiel für BSP-Segel (links), Bermuda Rigg (Mitte) und Gaffelsegel (rechts)

BSP Dyna Gaff

4

3. Betriebssimulation mit wahren Winddaten

Um einen besseren Einblick in die Effizienz des Windes als Zusatzantrieb für Frachtschiffe zu be-kommen (insb. Bulker / Tanker wegen ihres Deck-layouts), wird eine mittelfristige Simulation über fünf Jahre für zwei unterschiedliche Schiffe sowie drei unterschiedliche Routen (jeweils für die o.g. Segeltypen) durchgeführt. Zusätzlich werden für ausgewählte Zeitspannen Routenoptimierungen vorgenommen. Sensibilitätsuntersuchungen zei-gen, dass eine Simulationszeit von fünf Jahren als

repräsentativ für den gesamten Lebenszyklus eines Schiffes angenommen werden kann. Somit wird der rechnerische Aufwand in Grenzen gehal-ten.

3.1. Wetterdaten und Routensimulation

Die Wetterdaten für die Simulation werden vom Datenserver für Reanalyse des European Centre for Medium-Range Forecasts (ECMWF) bezogen. Diese Wetterdaten werden für eine Zeitspanne zwischen 09.1957 und 08.2002 in sechsstündigen Intervallen mit einer Auflösung von 2,5 Längen- bzw. Breitengraden für die gesamte Erdoberfläche

Tabelle 1: Hauptdaten der ausgewählten Schiffe

Generic Product Tanker Generic Bulk Carrier Bezeichnung Schiff 1 Schiff 2 Max. Länge LOA 100,0 182,5 m Breite B 16,0 30,4 m Tiefgang T 5,5 11,6 m Prop. Wirkungsgrad ηD 0,70 0,70 - Geschwindigkeit VS 10, 15, 20 10, 15, 20 kn Anzahl der Segel Sn 3 4 - Segelfläche AS 1000,0 2014,0 m² Benetzte Oberfläche SW 2076,1 8000,5 m²

Tabelle 2: Ausgeführte Simulationsreihen mit und ohne Routenoptimierung

Schiff 1 Schiff 2 Simulierte Routen Le Havre (FR)

San Francisco (US) Valparaiso (CL)

- - -

Miami (US) Yokohama (JP) Yokohama (JP)

Segeltypen BSP, Dyna, Gaff Bermuda und NACA

BSP, Dyna und Gaff

Optimierte Routen Le Havre (FR) – Miami (US) - Segeltypen BSP, Dyna und Gaff -

Geschwindigkeiten (kn) 10, 15 und 20 10, 15 und 20

Abb. 4: Simulierte Routen (Le Havre - Miami, San Francisco - Yokohama und Valparaiso - Yokohama) (Kartenmaterial: Google Maps)

5

bereitgestellt. Für die durchzuführende Analyse werden die Windgeschwindigkeitskomponenten u und v 10 m über Meeresoberfläche sowie die signifikante Wellenhöhe

3/1h und mittlere Wellen-

richtung µ verwendet. Für die Simulationszeit von

fünf Jahren wird der Zeitraum zwischen 01.01.1997 und 31.12.2001 ausgewählt. Diese Daten werden mit der Schiffsposition und -richtung zu einer gegebenen Zeit überlagert und entspre-chend interpoliert, um die lokale wahre Windge-schwindigkeit und –richtung am Schiff zu ermitteln. Die ausgeführten Simulationsreihen mit und ohne Routenoptimierung und die ausgewählten Routen werden in Tabelle 2 zusammengestellt.

4. Routenoptimierung

Die Optimierung als Prozess der Suche nach der bestmöglichen Lösung eines Problems bei be-grenzten Ressourcen (z.B. Zeit), ist weit verbreitet in Forschung und Entwicklung. Eine Optimie-rungsstrategie ermöglicht durch Variation eines Eingangsvektors oder einer freien Variablen die

iterative Verbesserung einer Gütefunktion. Man unterscheidet zwischen zwei Haupttypen von Op-timierungsalgorithmen: deterministische und sto-chastische Algorithmen. Die hier verwendete Me-thode zählt zur Gruppe der stochastischen Algo-rithmen. Diese Algorithmen verwenden in einer oder mehreren Prozessphasen Zufallszahlen und richten sich nach dem Evolutionsprinzip („survival of the fittest“). Dafür werden Varianten als Indivi-duen behandelt, die zu einer Generation gehören und durch in der Natur vergleichbare Prozesse wie Reproduktion, Mutation oder Rekombination neue und immer bessere Generationen bilden.

4.1. Freie Variablen und Gütefunktion

In dieser Studie wird der Kraftstoffverbrauch einer Fahrt als Gütefunktion ausgewählt. Man spricht also von einem Minimierungsproblem. Die freien Variablen werden in Form eines Perturbationsvek-tors für die zu fahrende Basisroute (normalerweise eine orthodrome Route) definiert. Die Basisroute ist als kubische Kurve mit D Kon-trollpunkten definiert. Sie wird für jede Variante durch den ( 2−D )-dimensionalen Perturbations-

Abb. 5: Beispiel für Windvektoren auf dem Pazifik mit Route Valparaiso - Yokohama

6

vektor senkrecht zur Basiskurve verschoben, wo-bei die Endpunkte fixiert bleiben. Die Anzahl der Kontrollpunkte kann frei gewählt werden; Vorun-tersuchungen zeigten jedoch, dass für die durch-zuführenden Simulationen eine Anzahl von sieben Kontrollpunkten als guter Kompromiss zwischen Güte der erreichbaren Ergebnisse und erforderli-chen Rechenleistung gilt.

4.2. Randbedingungen

Die Verschiebung der Kontrollpunkte als Methode für die Generierung der Routenvarianten ermög-licht, dass gewisse Routenvariationen „über Land“ führen. Um dies zu vermeiden, wird eine Randbe-dingung als „penalty function“ eingeführt. Diese Funktion setzt einen unrealistisch hohen Kraft-stoffverbrauch für die nicht durchführbare Routen-variante fest, so dass sich der Optimierungsalgo-rithmus von dieser Lösung „entfernt“.

4.3. Optimierungsstrategie: Differentiel-le Evolution (DE)

Die Methode der differentiellen Evolution (Differen-tial Evolution, DE), in vieler Hinsicht eine typische populationsbasierte Evolutionsstrategie (Evolutio-nary Algorithm, EA) für globale Optimierungsprob-leme, zeichnet sich als ein leicht zu implementie-render, robuster und schneller Algorithmus aus, der sich dadurch besonders gut für technische Probleme eignet (siehe z.B. Storn [14],[15], Price [8] and Lampinen [5]). Für jede gefahrene Route (für fünf Simulationsjahre ergeben sich 36 bis 195 Fahrten je nach Route und Schiffsgeschwindigkeit) werden für die Optimierung Populationen von 25 Individuen und 75 Generationen mit einem 7-dimensionalen Perturbationsvektor eingesetzt.

-90 -80 -70 -60 -50 -40 -30 -20 -10 025

30

35

40

45

50

55

60

Parent and disturbed route

Longitude

Latit

ude

Abb. 6: Beispiel für Basisroute mit sieben Kontrollpunkten und Variante mit fünfdimensionalen Perturbationsvektor P=(0, 1, 0, -1, 0)

Beispiel für Optimierung von Treibstoffverbrauch

(DE, 50 Iterationen, 25 Individuen)

100

110

120

130

140

150

160

170

180

0 5 10 15 20 25 30 35 40 45 50

Iteration

Tre

ibsto

ffverb

rau

ch

(t)

Abb. 7: Beispiel für Routenoptimierung mit Differential Evolution, 50 Iterationen, 25 Individuen

7

5. Ergebnisse mit und ohne Routenop-timierung

Unterschiedliche Simulationen werden für die o.g. Routen und Schiffe mit und ohne Routenoptimie-rung durchgeführt. Wegen des stark erhöhten Rechenaufwandes werden Simulationen mit Rou-tenoptimierung nur für eine Zeit von einem Jahr (2000) durchgeführt. Die angegebenen Treibstoff-ersparnisse in Prozent sind auf den Verbrauch ohne Segel für eine gegebene Schiffsgeschwin-digkeit bezogen.

5.1. Ergebnisse für Schiff 1 (100 m Pro-duktentanker)

Für den 100 m Produktentanker zeigt Abb. 8:

• Simulationsergebnisse (über fünf Jahre) für alle Segeltypen und Routen sowie

• Optimierungsergebnisse (für ein Jahr) für drei Segeltypen (BSP, Dyna und Gaff) und nur die Route Le Havre – Miami.

Dargestellt sind Treibstoffersparnisse in Prozent für alle Segeltypen und für die optimierte Auswahl

für Schiffsgeschwindigkeiten von 10kn, 15kn und 20kn. Unabhängig von Route und Geschwindigkeit fallen die Bisuperelliptischen Profilsegel und die Bermudasegel vom Typ der Segelyacht Dyna wegen ihrer guten Leistung auf. Ohne Routenop-timierung sind Ersparnisse bis zu 30% bei 10kn (BSP, Route Le Havre – Miami) und bis zu 8% bei 15kn möglich (Dyna, Route San Francisco - Yoko-hama). Mit Routenoptimierung erhöhen sich diese auf jeweils 44% bei 10kn (Dyna, Route Le Havre – Miami) und 15% bei 15kn (Dyna, Route Le Havre - Miami ). Abb. 9 illustriert die Durchschnittsersparnisse aller Segeltypen (links) und die Ersparnisse der jeweils besten Segelkonfigurationen (rechts) für jede Rou-te und Geschwindigkeit.

• Die oberen Diagramme zeigen die pro-zentualen Ersparnisse, wobei sich für ei-ne realistische Fahrtgeschwindigkeit von 15kn immerhin 15% ergeben.

• Die unteren Diagramme dokumentieren die jährlichen Kostenersparnisse bei ei-nem aktuellen Kraftstoffpreis von US$ 450/t (10.2007). Diese können bei 15 kn maximal US$ 0,25 Mio./Jahr erreichen.

Ersparnisse durch Segelantrieb ohne Optimierung für 100 m

Produktentanker- LeHavre-Miami

0

5

10

15

20

25

30

35

40

45

50

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibs

toff

ers

parn

is (

%)

Bermuda

BSP

Dyna

Gaff

NACA

Ersparnisse durch Segelantrieb ohne Optimierung für 100 m

Produktentanker - SanFrancisco-Yokohama

0

5

10

15

20

25

30

35

40

45

50

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibs

toff

ers

parn

is (

%)

Bermuda

BSP

Dyna

Gaff

NACA

Ersparnisse durch Segelantrieb ohne Optimierung für 100 m

Produktentanker - Valparaiso-Yokohama

0

5

10

15

20

25

30

35

40

45

50

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibs

toff

ers

parn

is (

%)

Bermuda

BSP

Dyna

Gaff

NACA

Ersparnisse durch Segelantrieb mit Optimierung für 100 m

Produktentanker- LeHavre-Miami

0

5

10

15

20

25

30

35

40

45

50

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibs

toff

ers

parn

is (

%)

BSP Opt

Dyna Opt

Gaff Opt

Abb. 8: Treibstoffersparnis für simulierte Routen mit Schiff 1, mit und ohne Optimierung

8

5.2. Ergebnisse für Schiff 2 (183 m Bulk Carrier)

Für den 183 m Bulk Carrier werden die Simulatio-nen über 5 Jahre nur für die BSP-, Dyna- und Gaf-felsegel für alle Routen ohne Optimierung durch-geführt. Abb. 10 zeigt Treibstoffersparnisse in Prozent, berechnet für Schiffsgeschwindigkeiten von 10kn, 15kn und 20kn. Unabhängig von Route und Geschwindigkeit fallen auch hier die Bisupe-relliptischen Profilsegel und die Bermudasegel vom Typ der Segelyacht Dyna wegen ihrer guten Leistung auf. Ohne Routenoptimierung sind hier Ersparnisse bis zu 22% bei 10kn (Dyna, Route Le Havre - Miami) und bis zu 9% bei 15kn möglich (BSP, Route San Francisco - Yokohama). Im Ver-gleich zum Produktentanker ist bei diesem Schiff die geringere (relative) Segelfläche zu berücksich-tigen. Abb. 11 (oben) fasst die Durchschnittser-sparnisse aller Segeltypen und die Ersparnisse der jeweils besten Segelkonfigurationen zusam-men. Die damit verbundenen jährlichen Kostener-sparnisse bei einem aktuellen Kraftstoffpreis von US$ 450/t (2007) zeigt Abb. 11 (unten).

Generell lässt sich feststellen, dass die Auswahl des Segeltyps besonders bei hoher Geschwindig-keit von großer Bedeutung ist, was sich im großen Unterschied zwischen Durchschnitts- und Maxi-maltreibstoffersparnisse bei höheren Geschwin-digkeiten widerspiegelt. Dies gilt jedenfalls für die hier betrachtete Segelauswahl. Segeltypen mit niedrigen Gleitwinkeln bzw. hohem Auftriebs-Widerstands-Verhältnis zeigen deutliche Vorteile, wie im Fall der bisuperelliptischen Profilsegel. Die Ergebnisse der Simulationen für die unter-schiedlichen Routen zeigen große Differenzen. Die Nordatlantik- und Nordpazifik-Routen erzielen im Vergleich zur Südpazifik-Route (Valparaiso – Yokohama) zwischen 30% und 80% höhere Er-sparnisse. Das kann z.B. dazu führen, dass eine gute, erprobte Segelkonfiguration bei einer neuen Route keinen wirtschaftlichen Vorteil bringt. Das untersuchte Geschwindigkeitsspektrum, in ihren niedrigen und oberen Grenzen kaum realis-tisch für die hier untersuchten Schiffe, zeigt die starke Abhängigkeit der Ergebnisse von der Ge-schwindigkeit. Höhere Geschwindigkeiten ermögli-chen eine schnellere Amortisierung der Segelkos-ten durch höhere Ersparnisse (bis zu US$ 0,35 Mio./Jahr für Schiff 1 und US$ 0,80 Mio./Jahr für

Durchschnittsersparnis aller Segeltypen für simulierte Routen

ohne Optimierung für Schiff 1

0

5

10

15

20

25

30

35

40

45

10 15 20

Vs (kn)

Tre

ibsto

ffers

parn

is (

%)

Mean South Pacific

Mean North Pacific

Mean Atlantic

Ersparnis (jährlich) der jeweils besten Segelkonfiguration für

simulierte Routen mit und ohne Optimierung für Schiff 1

(US$450/t IFO180)

0

50.000

100.000

150.000

200.000

250.000

300.000

350.000

400.000

10 15 20

Vs (kn)

Tre

ibs

toff

ers

pa

rnis

(U

S$

/Ja

hr)

Max South Pacific

Max North Pacific

Max Atlantic

Max Atlantic Opt

Ersparnis der jeweils besten Segelkonfiguration für simulierte

Routen mit und ohne Optimierung für Schiff 1

0

5

10

15

20

25

30

35

40

45

10 15 20

Vs (kn)

Tre

ibsto

ffers

parn

is (

%)

Max South Pacific

Max North Pacific

Max Atlantic

Max Atlantic Opt

Durchschnittsrsparnis (jährlich) aller Segeltypen für simulierte

Routen ohne Optimierung für Schiff 1 (US$450/t IFO180)

0

50.000

100.000

150.000

200.000

250.000

300.000

350.000

400.000

10 15 20

Vs (kn)

Tre

ibsto

ffers

parn

is (

US

$/J

ah

r)

Mean South Pacific

Mean North Pacific

Mean Atlantic

BS

P

Dyn

a

BS

P Dyn

a

Dyn

a

Dyn

a Dyn

a

Dyn

a

Dyn

a

Dyn

a

BS

P BS

P

BS

P

BS

P

BS

P BS

P

BS

P

BS

P

BS

P

BS

P

BS

P

BS

P

BS

P BS

P

Abb. 9: Durchschnittsersparnis aller Segeltypen und Ersparnis der jeweils besten Segelkonfigu-ration (als % und in US$) für Schiff 1 mit und ohne Routenoptimierung

9

Schiff 2) – relativ zu den Treibstoffkosten bleibt der Betrag jedoch gering. Auch die Emissionsminde-rungen, i.a. vom Treibstoffverbrauch abhängig, sind für diesen Geschwindigkeitsbereich unbedeu-tend. Im Gegenzug bringen niedrige Geschwindig-keiten, trotz langsamerer Amortisierung der Inves-titionskosten, bessere relative Treibstoffersparnis-se und damit niedrigere relative Betriebskosten und Emissionen.

6. Zusammenfassung

Segelunterstützung für Frachtschiffe, insbesonde-re bei Einsatz technologisch innovativer Segelty-pen, ist als partielle Lösung bei steigenden Ölprei-sen und umwelttechnischen Belastungen wirt-schaftlich. Trotz starker Vereinfachungen zeigt diese Studie, dass die Auswahl eines geeigneten Segels für eine bestimmte Route und Dienstge-schwindigkeit und der Einsatz von Optimierungs-algorithmen großen Einfluss auf die erreichbaren Ersparnisse ausüben. Aus diesem Grund ist die Durchführung einer detaillierten Kostenanalyse nützlich, um die Rentabilität der untersuchten Se-geltypen bewerten zu können. Wichtige Faktoren, wie Baukosten, Unsicherheiten in der zukünftigen Entwicklung des Ölpreises (durch Simulation un-

terschiedlicher Szenarien) und Umweltfaktoren (z.B. Emissionssteuern, CO2-Ausgleichszahlun-gen), spielen eine zentrale Rolle. Auch betriebs-technische Fragen, wie z.B. Motormanagement, Sicht, Segelsteuerung, Sicherheit und ggf. speziel-le Regelungen für Segelunterstützte Schiffe, blei-ben für die Gesamtbewertung dieses Systems offen. Diese Faktoren, gestützt durch Betriebssimulatio-nen der hier ausgeführten Art in der Entwurfspha-se, werden den Einsatz dieser Technologien in Zukunft entscheiden. Nur mit der richtigen Segel-auswahl, dem Einsatz von Routenoptimierung und einer betriebswirtschaftstechnisch optimalen Ge-schwindigkeit wird der Einsatz von Segelunterstüt-zung für Frachtschiffe für bestimmte Routen ren-tabel und nachhaltig sein. Die in dieser Studie durch Langzeitsimulationen analysierten Beispielsschiffe und –routen zeigen durch Ersparnisse bis zu 44% (bei 10kn) und 15% (bei 15kn) das bedeutende Potential der Segelun-terstützung und gibt einen Einblick in die wichtigs-ten Abhängigkeiten wie Schiffsgeschwindigkeit, Segeltyp oder gefahrene Route.

Ersparnisse durch Segelantrieb ohne Optimierung - LeHavre-

Miami

0

5

10

15

20

25

30

35

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibs

toff

ers

parn

is (

%)

Bisup

Dyna

Gaff

Ersparnisse durch Segelantrieb ohne Optimierung -

SanFrancisco-Yokohama

0

5

10

15

20

25

30

35

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibsto

ffers

parn

is (

%)

Bisup

Dyna

Gaff

Ersparnisse durch Segelantrieb ohne Optimierung - Valparaiso-

Yokohama

0

5

10

15

20

25

30

35

8 10 12 14 16 18 20 22

Vs (kn)

Tre

ibsto

ffers

parn

is (

%)

Bisup

Dyna

Gaff

Abb. 10: Treibstoffersparnis für simulierte Routen mit Schiff 2, ohne Optimierung

10

Durchschnittsersparnis aller Segeltypen für simulierte Routen

ohne Optimierung für Schiff 2

0

5

10

15

20

25

30

35

10 15 20

Vs (kn)

Tre

ibsto

ffers

parn

is (

%)

Mean South Pacific

Mean North Pacific

Mean Atlantic

Ersparnis (jährlich) der jeweils besten Segelkonfiguration für

simulierte Routen mit und ohne Optimierung für Schiff 2

(US$450/t IFO180)

0

100.000

200.000

300.000

400.000

500.000

600.000

700.000

800.000

900.000

10 15 20

Vs (kn)

Tre

ibs

toff

ers

pa

rnis

(U

S$

)

Max South Pacific

Max North Pacific

Max Atlantic

Ersparnis der jeweils besten Segelkonfiguration für simulierte

Routen mit und ohne Optimierung für Schiff 2

0

5

10

15

20

25

30

35

10 15 20

Vs (kn)

Tre

ibsto

ffers

parn

is (

%)

Max South Pacific

Max North Pacific

Max Atlantic

Durchschnittsrsparnis (jährlich) aller Segeltypen für simulierte

Routen ohne Optimierung für Schiff 2 (US$450/t IFO180)

0

100.000

200.000

300.000

400.000

500.000

600.000

700.000

800.000

900.000

10 15 20

Vs (kn)

Tre

ibs

toff

ers

pa

rnis

(U

S$

)

Mean South Pacific

Mean North Pacific

Mean Atlantic

BS

P

Dyn

a

Dyn

aD

yna

Dyn

a

BS

P

BS

P

BS

P

BS

P

BS

P BS

P

BS

P BS

P

BS

P BS

P

BS

P

BS

P

BS

P

Abb. 11: Durchschnittsersparnis aller Segeltypen und Ersparnis der jeweils besten Segelkonfigu-ration (als % und in US$) für Schiff 2 ohne Routenoptimierung

11

7. Literatur

[1] Clauss, G., Hochkirch, K., Krüger, B.

„Optimierung der Aero- und Hydrody-namik von Segelyachten“, Sommerta-gung der Schiffbautechnischen Gesell-schaft, Juni 10-13, 2003

[2] Geittner, M. „Betriebssimulation von Frachtschiffen mit Windzusatzantrieb“, Diplomarbeit, FG Entwurf und Betrieb Maritimer Systeme, Institut für Land- und Seeverkehr, Technische Universität Berlin, 2007

[3] Hochkirch, K. „Entwicklung einer Mess-yacht zur Analyse der Segelleistung im Originalmaßstab“ Dissertation, Techni-sche Universität Berlin, 2000

[4] Holtrop, J. & Mennen, G. „An Approxi-mate Power Prediction Method“ Interna-tional Shipbuilding Progress, 1982 , 329, 166-170

[5] Lampinen, J. & Storn, R. „New Optimi-zation Techniques in Engineering“ (ed. Onwubolu, G.C. & Babu, B.V.) Chapt. 6. Differential Evolution“ Springer Verlag, 2003, 123-166

[6] Larsson, L. & Eliasson, R. „Yacht-Design und –Konstruktion“, 1. Aufl., De-lius Klasing, Bielefeld, 1998

[7] Marchaj, C.A. „Aero-Hydrodynamics of Sailing” Dodd, Mead & Co., 1980

[8] Price, K.V., „New Ideas in Optimization“ (eds. Corne, D.; Dorigo, M. & Glover, F.), McGraw-Hill, 1999, 79-108

[9] Radke, M. & Siekmann, H. „Perform-ance of Axial-Flow Pump Stages with Variable Geometry Guide Vanes“, IS-ROMAC 4, Honolulu, 1992.

[10] Schneekluth H. „Hydromechanik zum Schiffsentwurf“, 2. Auflage, Koehlers Verlagsgesellschaft GmbH, Herford 1977

[11] Siekmann, H. & Stark, U. „Variable Leit-räder“, Forschungshefte des For-schungskuratoriums Maschinenbau im VDMA, Frankfurt a.M., 1995

[12] Siekmann, H. & Steinmann, A. „Numeri-cal and Experimental Investigations on

Profile Sails“ ISROMAC 10, Honolulu, 2004

[13] Skysails GmbH „SkySails Technologie-information“, Presseinformationen, www.skysails.info, besucht am 22.10.2007

[14] Storn, R. „Differential Evolution - A sim-ple and efficient adaptive scheme for global optimization over continuous spaces“, Technical Report TR-95-012, ICSI, 1995

[15] Storn, R. „On the Usage of Differential Evolution for Function Optimization“ NAFIPS, North American Fuzzy Infor-mation Processing Society, 1996, pp.519-523

[16] Sudo, M.; Inoue, M.; Matsumoto, N. & Kusakawa, Y. „Operation Performance of Sail Equipped Small Tanker“ Nippon Kokan Technical Report Overseas No. 33, 1981

[17] Tampier, G. „Aerodynamic Characteris-tics of Bi-Superelliptical Profiles for its Application in Wind-Assisted Ships”, In-terner Bericht, FG Entwurf und Betrieb Maritimer Systeme, Institut für Land- und Seeverkehr, Technische Universität Berlin, 2006

[18] Tampier, G. „WindShipEPP 0.08 - Ge-neral Description“, Interner Bericht, FG Entwurf und Betrieb Maritimer Systeme, Institut für Land- und Seeverkehr, Tech-nische Universität Berlin, 2006

[19] Van Manen J. D./Van Oossanen P. „Re-sistance/Propulsion“, in: Principles of Naval Architecture, Lewis E. V. (Hrsg.), Second Revision, Band 2, The Society of Naval Architects and Marine Engi-neers, Jersey City 1988

[20] Whicker, F. & Fehlner, L. „Free-Stream Characteristics of a Family of Low-Aspect-Ratio, All-Movable Control Sur-faces for Application to Ship Design“, David Taylor Model Basin, 1958