MétaCan
Menu
Retour à la cohorte
Enregistrement W1599755550 · doi:10.1029/2005wr004619

Stochastic optimization of multireservoir operation: The optimal reservoir trajectory approach

2007· article· en· W1599755550 sur OpenAlexaff
André Turgeon

Notice bibliographique

RevueWater Resources Research · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésSpillageTrajectoryMathematical optimizationStochastic programmingDynamic programmingSeries (stratigraphy)Computer scienceControl theory (sociology)Petroleum engineeringEngineeringMathematicsGeology

Résumé

récupéré en direct d'OpenAlex

The paper presents a new method for determining the optimal operating policy of a power system of several reservoirs in series. The method, called optimal reservoir trajectory (ORT), is based on the following fact: Raising the level of a reservoir feeding a power plant is profitable as long as the gain due to the higher head is greater than the loss due to the additional spillage. There consequently exists a reservoir level at time t at which the expected energy generation is maximized. The task of ORT is to find this level and use it to operate the reservoir. The problem is more complicated for several reservoirs in series since the optimal level of each reservoir is a function of the levels of all the other reservoirs. The paper shows how to solve this problem and presents the results obtained for systems of two, three, and seven reservoirs. The results for the systems of two and three reservoirs are compared with those obtained with stochastic dynamic programming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,341
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,273
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetWater resources management and optimizationTravaux en français237 207