Bayesian regression analysis of fuel consumption and emission trading effects in maritime shipping
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Authors
Date
2022-06-13
Department
Major/Subject
Machine Learning, Data Science and Artificial Intelligence
Mcode
SCI3044
Degree programme
Master’s Programme in Computer, Communication and Information Sciences
Language
en
Pages
58
Series
Abstract
Maritime shipping accounts for almost three percent of global greenhouse gas emissions. Fuel consumption causes the majority of emissions and operating costs. Hence, decreasing fuel consumption is a priority from environmental and economic perspectives. The European Commission has proposed including maritime shipping in the European Union Emission Trading System (EU ETS) to accelerate emission reductions. This thesis analyzes fuel consumption for a fleet of five vessels and forecasts the effect of EU ETS adoption on maritime shipping energy costs using a probabilistic model. Fuel consumption for the fleet is analyzed using a hierarchical Bayesian generalized additive model. We examine the driving factors for fuel consumption and the effectiveness of conducted emission reduction measures. Energy costs are forecasted for the years 2022-2026 by combining forecasts for fuel and emission allowance prices. Forecasting is conducted using Bayesian generalized linear models. Finally, the cost-competitiveness of the most promising alternative fuels is briefly assessed. The built model for fuel consumption outperforms simple models. The model can be used to assess the effectiveness of conducted emission reduction measures and guide prioritization for upcoming efforts. The analysis suggests that there is a decreasing trend in emissions. Forecasts indicate that shipping energy costs will increase due to the adoption of EU ETS. Forecasts contain a large amount of uncertainty, and in some scenarios, methanol and ammonia can become cost-competitive marine fuels before 2026.Merikuljetus aiheuttaa lähes kolme prosenttia globaaleista kasvihuonepäästöistä. Koska päästöt ja merkittävä osa käyttökustannuksista aiheutuvat polttoaineen kulutuksesta, kulutuksen vähentäminen on tärkeää niin ympäristöllisistä kuin taloudellisista syistä. Vauhdittaakseen päästövähennyksiä, Euroopan komissio on ehdottanut laivaliikenteen liittämistä Euroopan unionin päästökauppajärjestelmään (EU ETS). Tässä työssä analysoidaan viiden aluksen laivaston polttoaineen kulutusta ja ennustetaan EU ETS:n käyttöönoton vaikutusta meriliikenteen energiakustannuksiin probabilistisella mallilla. Laivaston polttoaineen kulutusta mallinnetaan hierarkisella Bayesilaisella yleistetyllä additiivisella mallilla. Työssä tarkastellaan kulutukseen vaikuttavia tekijöitä ja tehtyjen päästövähennystoimenpiteiden tehokkuutta. Energiakustannuksia ennustetaan vuosille 2022-2026 yhdistämällä ennusteet polttoaineen ja päästöoikeuden hinnoille. Ennustamiseen käytetään Bayesilaisia yleistettyjä regressiomalleja. Lopuksi vaihtoehtoisten polttoaineiden kustannuskilpailukykyä arvioidaan lyhyesti. Polttoaineen kulutukselle rakennettu malli suoriutuu paremmin kuin yksinkertaiset mallit. Sitä voidaan käyttää toteutettujen päästövähennystoimenpiteiden tulosten arvioinnissa ja seuraavien toimenpiteiden priorisoinnissa. Tarkastelluissa laivamatkoissa huomataan laskeva trendi polttoaineen kulutuksessa. Energiakustannusten ennusteissa huomataan energiakustannusten kasvu tarkastellulla aikavälillä. Ennusteisiin liittyy suuri määrä epävarmuutta ja joissain skenaarioissa metanolista ja ammoniakista tulee kustannuskilpailukykyisiä vaihtoehtoisia polttoaineita ennen vuotta 2026.Description
Supervisor
Vehtari, AkiThesis advisor
Ahma-Aho, SamiKariranta, Risto-Juhani
Keywords
generalized additive model, generalized linear model, maritime shipping, Bayesian inference