A new stochastic control approach to multireservoir operation problems with uncertain forecasts
Notice bibliographique
Résumé
This paper presents a new stochastic control approach (NSCA) for determining the optimal weekly operation policy of multiple hydroplants. This originally involves solving an optimization problem at the beginning of each week to derive the optimal storage trajectory that maximizes the energy production during a study horizon plus the water value stored at the end of the study horizon. Then the derived optimal storage at the end of the upcoming week is used as the target to operate the reservoir. This paper describes the inflow as a forecast‐dependent white noise and demonstrates that the optimal target storage at the end of the upcoming week can be equivalently determined by solving a real‐time model. The real‐time model derives the optimal storage trajectory that converges to the optimal annually cycling storage trajectory (OACST) at the end of a real‐time horizon, with the OACST determined by solving an annually cycling model. The numerical examples with one, two, three, and seven reservoirs are studied in detail. For systems of no more than three reservoirs, the NSCA obtains results similar to those obtained with SDP even using a simple inflow forecasting model AR (1). A hypothetical numerical example with 21 reservoirs is also tested. The NSCA is conceptually superior to the other approaches for problems that are computationally intractable due to the number of reservoirs in the system.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».