Notice bibliographique
Résumé
In water distribution applications, energy cost is one of the most important cost components in which large amounts of electricity are required to pump, transport, and supply water to both domestic and businesses districts. These applications are heavily dependent upon energy costs. Although, there are many optimization methodologies that can theoretically maximize energy cost savings, but there are none (yet) that have practically succeeded. Therefore, the goal of the new optimization strategies should not be only to solve the energyoptimization problems, but also to have constraints criteria that seek for the design and management of the water distribution systems. Some of these strategies can be used: (a) to improve the operation of pumping stations for a given water demand; (b) to include a regulating reservoir between the water supply source and the delivery system; and (c) to control water level in tanks and reservoir to prevent overflow and draining. Such initiatives are likely to be more successful if they involve a role of maintaining the safety and the reliability of the pumping station while optimizing its operation. A novel strategy that can result in minimum operation costs and can lead to less energy consumption and then utility bills is proposed in this paper. In this strategy, a new heuristic algorithm, referred to as the Adaptive Parallel Multi-objective Differential Evolution (AP-MODE), is developed and used for: (a) selecting the lowest cost or optimum pump combinations (i.e., optimal pump scheduling) in water distribution systems; (b) evaluating the total energy costs required to operate the network; and (c) determining the reservoir storage capacity (i.e., optimal reservoir operation) to store water that is pumped during peak-off hours to be used during peak periods. This strategy is applied to the water distribution system of one rural district located in Saskatoon City, Saskatchewan, Canada.
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) | 0,001 | 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 ».