Wind assisted ship propulsion: Exploring technologies, wing sail assessment procedure and VLGC case study
Notice bibliographique
Résumé
A literature review of Wind Assisted Ship Propulsion methods is presented, along with an assessment procedure for wing sails and its thorough application in a case study. The assessment procedure conducted utilizes XFOIL to obtain a lift coefficient and drag coefficient, MARIN’s Blue Route application is used for obtaining wind data, finally MATLAB is utilized for calculations. The assessment procedure calculations focus on power, energy, fuel tonnage required, fuel tonnage saved, fuel volume required, and finical analysis including money saved, Net Present Value, and Simple Payback Period. These calculations are completed for a variety of fuels including combustion of High Sulphur Fuel Oil, Very Low Sulphur Fuel Oil, Liquified Natural Gas, Liquid Hydrogen, and Liquid Ammonia. In addition, the use of fuel cells is considered for Liquid Hydrogen, and Liquid Ammonia. The assessment procedure is deemed successful, the percent savings from the sail array mirrors that from literature very closely. The fuel savings results show 19% at 10 knots, 8% at 16 knots and 2% at 20 knots for the round trip from Hamburg, Germany to Walvis Bay, Namibia. During the literature review wing sails showed an average fuel oil consumption savings of 10%. More specifically up to 22% savings were observed at low speeds. On a more comparable journey from Cape Lopez, Gabon to Point Tucker Canada fuel oil consumption was reduced to 8.8% which is in line with 8.0% estimated during the case study on the round trip from Hamburg to Walvis Bay.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».