Water and Energy Efficiency: Transmission Operations Optimizer (TOO) City of Toronto Water Supply
Notice bibliographique
Résumé
This paper describes the implementation of an automatic control system based on operational optimization, for city of Toronto and York Region Water Transmission System. The new automation system has been in operation since November 2015. The water supply system, serving a population of 3.4 million, is the largest in Canada and one of the largest in North America. The system consists of treated water pumping at four filtration plants, 18 pumping stations, 15 reservoirs/tanks, 126 pumps (up to 1,865 kW (2,500 hp)), and approximately 500 km (310 miles) of large transmission mains. While the city of Toronto and the region of York provide the water delivery/service requirements in a cost effective and uninterrupted manner, the complexity of the water system and the volatility and complex structure of the energy rates, present opportunities for benefitting from automation and further optimizing operations. As part of the new automation process, the transmission operations optimizer (TOO) minimizes energy used and cost of energy, while ensuring fundamental service delivery standards including pressure, flow, and storage are met. Pre-set minimum (critical) storage levels are not violated. ‘Optimal’ automatic control strategies are achieved for different seasonal, weekday/weekend demand patterns, as well as when abnormal events occur such as a pumping station or filtration plant being taken out-of-service. TOO involves water consumption/demand prediction, energy rate prediction, hydraulic modeling, mathematical optimization, analytical algorithms, data integration and on-line monitoring of system performance, and energy spot-market rate.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».