Nested models and optimization for the optimal design of complex multiphysics systems under optimal operations
Notice bibliographique
Résumé
The repaid advances of numerical modeling, global optimization and computation techniques opened new opportunities for the design optimization of complex multiphysics systems for which dedicated computer models are needed to accurately predict their performance through computation intensive numerical simulations. In contrast to traditional engineering design problems in which pure mechanical or electrical systems are designed, the multiphysics systems often consists of sub-systems of different types, such as mechanical systems, electrical systems, electro-chemical energy conversion processes, and system controls. These systems present unlimited states of operation, and rely on optimal control to achieve best overall system performance. The addition and reliance on embedded control strategies and algorithms constantly alter the states and behaviors of the multiphysics system, making the design optimization of the system much more challenging than identifying pure mechanical or electrical design parameters. A new and generic approach for addressing this issue using nested system performance model, and nested optimizations has been presented in this paper.In system modeling, the top-level system design model associates key system design parameters with given design performance measures, while the bottom-level system control model associate system operation variables with both optimal operation and design performance measures of the system. The bottom-level model is used to measure system performance from operation perspective for a given system design with given design parameters, while the top-level model is used to measure system performance from design perspective for different designs with various combinations of design parameters. In addition, different system architectures can captured by changing the top-level system design model. In system design optimization, the top-level system design optimization seeks the optimal design on key system design parameters, while the bottom-level system control optimization produced the optimal performance measure of the system used in the top-level optimization for a given set of design parameters to support the top-level system design optimization. The approach is illustrated using two optimal design examples, one on the hybrid energy storage system (ESS) for electrified vehicles (EV) and the other on active distribution network (ADN) of smart power grid with renewable energy sources.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».