Optimal energy consumption in refrigeration systems ‐ modelling and non‐convex optimisation
Notice bibliographique
Résumé
Abstract Supermarket refrigeration consumes substantial amounts of energy. However, due to the thermal capacity of the refrigerated goods, parts of the cooling capacity delivered can be shifted in time without deteriorating the food quality. In this study, we develop a realistic model for the energy consumption in super market refrigeration systems. This model is used in a Nonlinear Model Predictive Controller (NMPC) to minimise the energy used by operation of a supermarket refrigeration system. The model is non‐convex and we develop a computational efficient algorithm tailored to this problem that is somewhat more efficient than general purpose optimisation algorithms for NMPC and still near to optimal. Since the non‐convex cost function has multiple extrema, standard methods for optimisation cannot be directly applied. A qualitative analysis of the system's constraints is presented and a unique minimum within the feasible region is identified. Following that finding we propose a tailored minimisation procedure that utilises the nature of the feasible region such that the minimisation can be separated into two linear programs; one for each of the control variables. These subproblems are simple to solve but some iterations might have to be performed in order to comply with the maximum capacity constraint. Finally, a nonlinear solver is used for a small example without separating the optimisation problem, and the results are compared to the outcome of our proposed minimisation procedure for the same conceptual example. The tailored approach is somewhat faster than the general optimisation method and the solutions obtained are almost identical. © 2012 Canadian Society for Chemical Engineering
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».