MétaCan
Menu
Retour à la cohorte
Enregistrement W2588084795 · doi:10.1109/tcns.2017.2670501

Energy-Optimal Pump Scheduling and Water Flow

2017· article· en· W2588084795 sur OpenAlexafffund
Dariush Fooladivanda, Joshua A. Taylor

Notice bibliographique

RevueIEEE Transactions on Control of Network Systems · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematical optimizationComputer scienceRelaxation (psychology)Scheduling (production processes)Integer (computer science)Control theory (sociology)Mathematics

Résumé

récupéré en direct d'OpenAlex

This paper focuses on the optimal operation of water supply networks. We model water supply networks using hydraulic constraints and formulate a joint optimal pump scheduling and water flow problem (OWF) using the hydraulic characteristics of variable speed pumps. OWF is a mixed-integer nonlinear program. This problem is nonconvex, and hence NP-hard. To compute an exact solution of OWF, we first focus on the feasibility region of OWF and propose a mixed-integer second-order cone relaxation for the feasibility region of OWF. We prove that the proposed relaxation is exact for several relevant network topologies. We then focus on the objective function in OWF and show that for some energy metrics, OWF can be transformed into a mixed-integer second-order cone program. Furthermore, we propose an ADMM-based algorithm to compute suboptimal solutions to OWF and lower bounds on the optimal value of the objective in OWF when the objective function is nonconvex. Finally, we consider a real-world water network, and demonstrate the effectiveness of the proposed relaxation in computing the optimal pump schedules and water flows.

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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,185
Écart entre enseignants0,176 · 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

Citations107
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control of Network SystemsMême sujetWater Systems and OptimizationTravaux en français237 207