Stormwater Storage Pond Configuration for Hydropower Solutions: Adaptation and Optimization
Notice bibliographique
Résumé
The purpose of this paper is to analyze different storage pond configurations used to manage the water inflow from storm events and to establish a methodology to optimize the energy production using this water. The case study area is a catchment based on the Alcântara zone, in Lisbon, Portugal. This is an urban area, which faces severe occurrences of storm events. These events are caused by a non-efficient drainage system, and the proximity of the river and the sea, which cannot handle large storm event inflows. Due to climate change effects, the storm rainfall hyetographs are modified and runoff in this urban area has increased for the last decades causing major inundations.The Danish Hydraulic Institute (DHI) MIKE BASIN (MB) and Bentley PondPack software are used to define solutions for this case study by embodying some of the Alcântara’s catchment characteristics. Different relevant components used to create the models are presented. In order to model completely the studied area, several physical elements such as reservoirs or hydropower plants are included. The Nedbør-Afstrømnings-Model (NAM model) is also presented. It is a rainfall-runoff simulator, included in DHI MB, which can create runoff time series from rainfall time series. The methodologies used to optimize energy production in each of case studies developed are detailed. Results are presented showing that some ponds configurations permit to produce more energy than others and the production of energy can be maximized by optimizing the hydropower production target demand.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».