Optimization of routes for electric crew transfer vessels - A heuristic approach

Abstract

Denne oppgaven presenterer en heuristisk tilnærming for optimalisering av ruter for en heterogen flåte av elektriske mannskapsfartøy (ECTVs) til og fra offshore vindturbiner (OTWs). Den raske veksten i offshore vindenergisektoren krever effektive og bærekraftige vedlikeholdsoperasjoner ved OTWs. I denne oppgaven benyttes et Adaptive Large Neighborhood Search (ALNS) rammeverk med mål om å minimere driftskostnadene til ECTVs ved transport av mannskap til og fra OTWs ved å optimalisere rutene samtidig som man overholder begrensninger knyttet til batterikapasitet og passasjergrenser.

ALNS-algoritmen forbedrer iterativt ruteløsninger ved å utforske et stort nabolag av mulige løsninger, og balanserer diversifisering og intensivering. For å evaluere ytelsen til ALNS ble 30 testtilfeller av varierende størrelser og kompleksiteter generert. Gitt den begrensede rekkevidden til ECTVs inkluderer testtilfellene strategisk plasserte ladestasjoner og en etterbehandlingsfase for å tildele fartøytyper og nødvendige ladestopp.

Resultatene viser at ALNS algoritmen effektivt finner høykvalitetsløsninger under komplekse driftsbegrensninger, og oppnår betydelige kostnadsreduksjoner og forbedringer i driftseffektivitet. Baseline-eksperimentet viste kostnadsreduksjoner på omtrent 50-55% sammenlignet med de opprinnelige løsningene. Ytterligere eksperimenter utforsket virkningen av å variere antall turer og øke batterikapasiteten, og avslørte optimale flåtesammensetninger og forbedret driftseffektivitet gjennom redusert ladebehov.

Denne forskningen bidrar til feltet maritim logistikk ved å tilby en robust og fleksibel løsning for optimalisering av ECTV-ruter for offshore vindoperasjoner, og fremmer bærekraftige og effektive maritime transportløsninger. Funnene har betydelige implikasjoner for industrien, spesielt i sammenheng med den norske regjeringens ambisiøse offshore vindinitiativer som tar sikte på å utbygge 30 000 MW offshore vindkapasitet innen 2040.

This thesis presents a heuristic approach of optimization of routes for a heterogeneous fleet of electric crew transfer vessels (ECTVs) to and from offshore wind turbines (OTWs). The rapid growth of the offshore wind energy sector requires efficient and sustainable maintenance operations at the OTWs. In this thesis an Adaptive Large Neighborhood Search (ALNS) framework is employed with the objective of minimizing operational costs of ECTVs when transporting crew to and from OTWs by optimizing the routes while adhering to constraints related to battery capacity and passenger limits.

The ALNS algorithm iteratively improves routing solutions by exploring a large neighborhood of possible solutions, balancing diversification and intensification strategies. To evaluate the performance of the ALNS, 30 test instances of varying sizes and complexities are generated. Given the limited range of ECTVs, the test instances include strategically placed charging stations and a post-processing state to assign vessel types and necessary charging stops.

The results demonstrate that the ALNS effectively finds high-quality solutions under complex operational constraints, achieving significant cost reductions and operational efficiency improvements. The baseline experiment showed cost reductions of approximately 50-55\% compared to initial solutions. Additional experiments explored the impact of varying the number of trips and increasing battery range, revealing optimal fleet compositions and enhanced operational efficiency through reduced charging needs.

This research contributes to the field of maritime logistics by providing a robust and flexible solution for optimizing ECTV routes for offshore wind operations, promoting sustainable and efficient maritime transport solutions. The findings have significant implications for the industry, particularly in the context of the Norwegian government's ambitious offshore wind initiatives, aiming to allocate 30,000 MW of offshore wind capacity by 2040.