Optimizing Multireservoir System Operating Policies Using Exogenous Hydrologic Variables
Notice bibliographique
Résumé
Abstract Stochastic dual dynamic programming (SDDP) is one of the few available algorithms to optimize the operating policies of large‐scale hydropower systems. This paper presents a variant, called SDDPX, in which exogenous hydrologic variables, such as snow water equivalent and/or sea surface temperature, are included in the state space vector together with the traditional (endogenous) variables, i.e., past inflows. A reoptimization procedure is also proposed in which SDDPX‐derived benefit‐to‐go functions are employed within a simulation carried out over the historical record of both the endogenous and exogenous hydrologic variables. In SDDPX, release policies are now a function of storages, past inflows, and relevant exogenous variables that potentially capture more complex hydrological processes than those found in traditional SDDP formulations. To illustrate the potential gain associated with the use of exogenous variables when operating a multireservoir system, the 3,137 MW hydropower system of Rio Tinto (RT) located in the Saguenay‐Lac‐St‐Jean River Basin in Quebec (Canada) is used as a case study. The performance of the system is assessed for various combinations of hydrologic state variables, ranging from the simple lag‐one autoregressive model to more complex formulations involving past inflows, snow water equivalent, and winter precipitation.
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 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 | 0,001 | 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 | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».