链上镖师 / Chain Biaoshi
TRB|替代燃料拖船船队：面向脱碳目标的配置优化
基于新加坡港真实拖轮与船舶靠港数据，比较六类替代燃料在成本、排放和服务可靠性约束下的船队更新路径。
这篇论文把港口拖轮船队更新写成两阶段鲁棒优化问题，在不确定船舶服务需求和不同减碳目标下，选择柴油改造、电动新造以及生物燃料、LNG、甲醇、氨、氢等燃料组合。
- 01：研究对象是港内拖轮：它们承担靠泊、离泊、护航和顶推任务，是港区重载作业排放的重要来源。
- 02：模型同时考虑购置或改造成本、运营燃料成本和碳排放惩罚，并要求船队在最坏需求场景下仍能完成服务。
- 03：案例基于新加坡港真实AIS与拖轮运营数据，给出不同减碳目标、碳价和成本权重下的燃料组合变化。
研究背景
港口是全球海运供应链的枢纽，也在更严格的气候政策下承受减碳压力。论文指出，新加坡港船舶到港数量在2021年至2023年从61443艘增加到81553艘，增幅达到32.7%，港内拖轮服务需求随船舶活动扩张而上升。
拖轮靠泊与离泊服务示意，展示拖轮从基地出发、协助船舶进出港池和泊位的作业位置，来源：Fig. 1。
拖轮通常在狭窄港内水域执行高功率护航、拖带和顶推任务，传统柴油动力会带来显著CO2排放。IMO在2023年提出2050年净零温室气体排放目标，欧盟也计划将小型船艇纳入排放交易体系，港口拖轮更新由此成为可量化的减碳决策问题。
这项研究的落点很具体：港口管理者需要知道在未来需求有波动、碳价会上升、燃料技术成本差异明显的条件下，应该买哪类拖轮、改造哪类拖轮、保留多大服务能力。
核心问题
论文把拖轮船队更新拆成两个互相牵制的问题。第一阶段决定船队燃料结构，包括新购电动拖轮和把柴油拖轮改造成生物燃料、LNG、甲醇、氨或氢等方案；第二阶段在需求情景揭示后安排拖轮服务进港和出港船舶。
01服务需求不确定：船舶到港量受到贸易、天气、水文和航线扰动影响，精确概率分布难以校准。
02燃料路径差异大：电动拖轮倾向于新造，生物燃料可兼容既有柴油发动机，甲醇、氨和氢需要双燃料发动机改造。
03目标约束同时存在：船队要满足靠离泊服务需求，也要在排放上限和碳价惩罚下控制总成本。
不同燃料拖轮服务不同船型的单航次排放，柴油、生物燃料、LNG和甲醇仍有CO2排放，氨、氢和电力在表中按零直接排放处理，来源：Table 4。
不同海事燃料拖轮的成本参数，表中把购买成本、改造成本、运营成本和每千克CO2排放惩罚统一成优化模型输入，来源：Table 5。
从参数表可以看出，低直接排放燃料并不自动对应低总成本。氢燃料运营成本高，电动拖轮涉及新购成本，生物燃料改造成本较低，LNG和甲醇仍需承担排放惩罚，船队更新需要在服务能力、技术路线和碳约束之间同时求解。
方法框架
作者建立两阶段鲁棒优化模型。第一阶段变量是不同燃料拖轮的购买数量和改造数量；第二阶段变量是不同燃料拖轮在每个时间段服务不同船型进港或出港任务的数量，目标函数最小化资本成本、运营成本和碳排放惩罚。
1第一步：设定候选燃料、既有柴油拖轮数量、船型分类、服务时间、排放因子和成本参数。
2第二步：用预算不确定集描述进港和出港服务需求的偏离范围，避免依赖难以估计的概率分布。
3第三步：主问题生成船队更新方案，二阶段问题寻找最坏需求场景下的运营和排放成本。
4第四步：通过可行性检查和近似二阶段问题把关键需求场景加入主问题，迭代到收敛。
可持续拖轮船队问题的C&CG求解框架，展示初始化、主问题、可行性检查、二阶段问题和收敛判断之间的迭代关系，来源：Fig. 2。
常规二阶段鲁棒模型在第二阶段含整数调度变量，直接精确求解会变得很慢。论文提出改造后的列与约束生成算法，先用一个可行性检查模型识别船队规模不足的需求情景，再用近似二阶段模型寻找高成本情景。
EC&CG与AC&CG求解表现对比，AC&CG在24组小规模预算测试中的平均目标差距为0.005%，平均CPU时间为35秒，来源：Table 7。
案例或实验设置
实证部分使用新加坡港真实拖轮运营数据和船舶靠港数据生成算例。作者将船舶按总长分成四类：小于120米、120至200米、200至280米和大于280米，并按新加坡拖轮分配规则折算为标准B级拖轮需求。
规划期内名义拖轮服务需求，柱状图呈现进港和出港服务在时间轴上的峰谷分布，来源：Fig. 3。
基准日排放
558 t CO2
2021年柴油拖轮船队每日排放基准
净零情景上限
0 t CO2
100%减排目标对应的每日排放上限
减碳约束按日排放上限表达：2021年基准为558吨CO2，25%、50%、75%和100%减排目标分别对应419吨、279吨、139吨和0吨CO2。模型在这些上限下求解船队构成和最坏需求场景下的总成本。
结果分析
计算结果显示，替代燃料船队更新不是单一燃料替换问题。随着减碳目标提高和需求不确定预算扩大，模型会在低改造成本、低运营成本和低排放之间重新分配船队结构，用燃料组合来同时守住服务可靠性和排放上限。
不同不确定水平和减碳目标下的计算结果，表格同时给出燃料组合、目标值、求解时间和排放量，是船队更新策略的主结果，来源：Table 9。
算法对比部分说明，鲁棒方案主要优势在于控制极端需求情景下的表现。随机规划在抽样场景下平均目标值更低，AC&CG的均值接近随机规划，并在最大目标值上更稳，确定性近似在不同不确定预算下波动更明显。
不同地区碳价对拖轮船队更新计划的影响，图中把碳价情景与船队燃料构成、排放水平和总成本联系起来，来源：Fig. 4。
不同成本权重情景下的拖轮船队构成和总成本，展示投资成本、运营成本和碳成本权重变化时船队结构的调整，来源：Fig. 6。
管理启示
对港口管理者来说，论文给出的核心启示是把拖轮减碳前移到船队更新规划阶段。只按当前平均服务需求配置船队，会低估极端需求场景下的服务压力；只按单一燃料成本排序，也会忽略碳价和排放上限带来的路径变化。
✓先把靠泊和离泊服务需求转成分时段拖轮需求，再评估燃料方案。
✓把碳价、排放上限和燃料运营成本放进同一个总成本口径，避免只比较购置价格。
✓在减碳目标分阶段推进时，用燃料组合保留服务冗余，并随政策强度更新船队结构。
✓对长周期规划进行扩展测试，确认算法在多日任务上仍能给出可计算的方案。
不同规划期下的计算结果，表格比较单日、3天和7天规划期，说明模型可以扩展到更长周期的船队更新评估，来源：Table 11。
这篇论文适合被看作港口拖轮低碳更新的决策模板：用真实服务需求刻画作业压力，用鲁棒优化吸收需求波动，用碳价和排放上限把政策压力转成可计算的船队配置。
论文：Optimizing alternative-fuel tugboat fleet towards decarbonization goals
作者：Jing Wang，Yibai Zhang，Shuai Jia，Hai Yang
期刊：Transportation Research Part B
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
