MétaCan
Menu
Retour à la cohorte
Enregistrement W2794077441 · doi:10.1080/01605682.2018.1438761

Applications of logic constrained equilibria to traffic networks and to power systems with storage

2018· article· en· W2794077441 sur OpenAlexaff
Franklin Djeumou Fomeni, Steven A. Gabriel, Miguel F. Anjos

Notice bibliographique

RevueJournal of the Operational Research Society · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensPolytechnique MontréalGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOperations researchInformation systemScheduling (production processes)Computer data storageMathematical optimizationEngineeringMathematicsElectrical engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

We study equilibria in traffic networks and in power system networks with storage in the presence of logic constraints. These constraints consist of binary variables that are added to complementarity-based equilibrium models. Although these models have been thoroughly studied, the addition of logic constraints can provide additional benefits for practical applications. The main contribution of this work is to demonstrate, using two specific examples of applications, that logic constraints can render classical equilibrium models more realistic by allowing the inclusion of useful features such as equity in network flows or threshold events. Specifically, for the traffic equilibrium problem, we show how logic constraints can introduce some equity in the assignment of traffic when more than one equilibrium exists. For power system networks, we show that the presence of a storage operator acting as a service provider will not only support the operation of a power grid, but will also help stabilise the price of electricity and avoid the well-documented price-shifting effect. Unlike previous works, our model considers the storage operator as a service provider rather than a competitor to the producers. We also consider the minimum power output of production. We present results illustrating the expanded capabilities and insights provided by these new paradigms.

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 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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,629
Score d'incertitude au seuil0,455

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,039
Tête enseignante GPT0,370
Écart entre enseignants0,332 · 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 tête enseignante, 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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Operational Research SocietyMême sujetTransportation Planning and OptimizationTravaux en français237 207