MétaCan
Menu
Retour à la cohorte
Enregistrement W1983792072 · doi:10.1109/ccece.2012.6335031

Optimal pump operation for water distribution systems using a new multi-agent Particle Swarm Optimization technique with EPANET

2012· article· en· W1983792072 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésParticle swarm optimizationMathematical optimizationComputer scienceScheduling (production processes)Mathematics

Résumé

récupéré en direct d'OpenAlex

The optimal pump scheduling allows for computing the most economical energy costs and provides more efficient operations for complex water distribution systems (WDS) with multiple pumping stations. The proposed technique employs the latest advances in multi-agent Particle Swarm Optimization (MOPSO) to automatically determine the most cost-effective solutions for scheduling/operation multiple pumps in multiple pumping stations, while satisfying both loading conditions and hydraulic performance requirements. The present work considers a bi-objective pump-scheduling problem, where the objectives are: minimize the electrical energy cost ($/KW.h) and minimize the maintenance costs in terms of the total number of pump switches. In additional to the bi-objective pump-operational problem, pressure and tank levels (i.e., initial, minimum, and maximum) are considered as constraints in this paper for computing the most cost-effective solutions. The constraint-handling method, the Modified MOPSO (M-MOPSO) algorithm, and the modified EPANET Toolkit 2.0 are used to solve the constrained multi-objective problem. The results showed that the new MOPSO algorithm produced the most economical pump scheduling solutions.

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.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,814
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,025
Tête enseignante GPT0,224
Écart entre enseignants0,199 · 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

En bref

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207