MétaCan
Menu
Retour à la cohorte
Enregistrement W2537516281 · doi:10.1287/inte.2016.0863

Power System Operator in Mexico Reveals Millions in Savings by Updating Its Short-Term Thermal Unit Commitment Model

2016· article· en· W2537516281 sur OpenAlexfundno aff
José L. Ceciliano-Meza, Juan Álvarez López, Armando De la Torre Sánchez, Rolando Nieva Gómez, Isaías Guillén Moya, Roberto Navarro Pérez, F. Martinez, César Torres Ruiz, Anselmo Sánchez Sánchez, Mehmet Bayram Yildirim

Notice bibliographique

RevueINFORMS Journal on Applied Analytics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésPower system simulationInteger programmingOperations researchOperator (biology)Lagrangian relaxationComputer scienceThermal power stationOperational planningProcess (computing)Mathematical optimizationTerm (time)Economic dispatchElectric power systemEngineeringPower (physics)EconomicsMathematicsOperating systemWaste management

Résumé

récupéré en direct d'OpenAlex

In 2013, Centro Nacional de Control de Energía (CENACE), which is Mexico’s power system operator, updated its short-term hydrothermal coordination planning (STHTCP) tool. CENACE utilized commercial software to solve mixed-integer programming models for the unit commitment and economic dispatch of thermal units, such as gas, coal-fired, and combined-cycle plants. In an earlier paper that we reference, authors of this paper describe the mathematical model for the thermal unit commitment (TUC) problem, which is a sub-problem in the STHTCP process. The new STHTCP tool, which uses a mixed-integer programming-based TUC approach, has enhanced the modeling and solution quality compared to the Lagrangian relaxation-based TUC approach. The new tool has improved CENACE’s operations for managing its existing infrastructure, including power stations and transmission lines, and establishing the marginal prices needed to make energy trades. From the beginning of 2013 to the end of 2014, CENACE saved $2.2 million annually, which it attributes to better management of its thermal units. Over 10 years, it anticipates that these savings will represent more than $20 million in total savings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFORMS Journal on Applied AnalyticsMême sujetElectric Power System OptimizationTravaux en français237 207