Stochastic optimisation of Hydro-Quebec hydropower installations : a statistical comparison between SDP and SSDP methods
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.
Notice bibliographique
Résumé
Cet article etudie le probleme de trouver une politique optimale d'exploitation des centrales hydroelectriques d'Hydro-Quebec sur les rivieres Manicouagan et aux Outardes. La methode de resolution est basee sur l'algorithme de programmation dynamique stochastique par echantillonnage (SSDP — sampling stochastic dynamic programming). Nous utilisons une nouvelle variable de l'etat hydrologique pour saisir les debits entrants; cette variable est donnee par une combinaison lineaire de l'equivalent en eau de la neige et de l'eau dans le sol. Dans une exploitation en temps reel, cette variable est calculee par un modele hydrologique et incorporee dans la politique d'exploitation afin de calculer la quantite d'eau liberee par chaque centrale. L'algorithme est compare a la programmation dynamique stochastique (SDP — stochastic dynamic programming) lag-1 deja utilise a Hydro-Quebec par le truchement d'une analyse statistique d'un ensemble de 40 scenarios historiques de debits entrants obtenus par modelisation hydrologique utilisant une temperature et une precipitation artificielles produites par un generateur meteorologique stochastique. Les resultats de l'analyse montrent que la politique d'exploitation SSDP est superieure d'un point de vue statistique a la politique d'exploitation du modele SDP lag-1. Contrairement au SDP, la politique d'exploitation SSDP ne sous-estime pas le volume de ruissellement printanier. Ainsi, il y a reduction des hm 3 d'eau deverses tout en augmentant la moyenne annuelle produite.
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 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 découle