MétaCan
Menu
Retour à la cohorte
Enregistrement W2460510140 · doi:10.1002/aic.15428

A new optimization model and a customized solution method for natural gas production network design and operation

2016· article· en· W2460510140 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAIChE Journal · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematical optimizationGlobal optimizationOptimization problemDecompositionNonlinear programmingNatural gasComputer scienceInteger programmingStochastic programmingProduction (economics)Nonlinear systemEngineeringMathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

This article proposes to tackle integrated design and operation of natural gas production networks under uncertainty, using a new two‐stage stochastic programming model, a novel reformulation strategy, and a customized global optimization method. The new model addresses material balances for multiple key gas components, pressure flow relationships in gas wells and pipelines, and compressor performance. This model is a large‐scale nonconvex mixed‐integer nonlinear programming problem that cannot be practically solved by existing global optimization solvers or decomposition‐based optimization methods. With the new reformulation strategy, the reformulated model has a better decomposable structure, and then a new decomposition‐based global optimization method is developed for efficient global optimization. In the case study of an industrial naturals production system, it is shown that the proposed modeling and optimization methods enable efficient solution, and the proposed optimization method is faster than a state‐of‐the‐art decomposition method by at least an order of magnitude. © 2016 American Institute of Chemical Engineers AIChE J , 63: 933–948, 2017

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)0,001
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: Méthodes
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,253
Écart entre enseignants0,236 · 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