Synergetic management of energy-water nexus system under uncertainty: An interval bi-level joint-probabilistic programming method
Notice bibliographique
Résumé
Synergic management of energy-water nexus (EWN) system is essential for coping with the dilemma of joint shortage of energy and water and supporting socio-economic sustainable development. The system is full of multiple uncertainties, making deterministic analysis methods infeasible. In this study, an interval bi-level joint-probabilistic programming (IBJP) approach is first developed through incorporating bi-level programming (BP) and interval joint-probabilistic programming (IJP) within a framework. IBJP has advantages in balancing the tradeoff between two-level decision makers under uncertainty, tackling uncertainties expressed as joint probabilities and interval values, and examining the risk of violating joint-probabilistic constraints. Then, the developed method is applied to planning China’s EWN system over a long-term planning horizon (2021–2050). Multiple scenarios related to different groups of constraint-violation levels for violating electricity demand and/or water availability constraints are examined. Results reveal that uncertainties associated with joint and individual probabilities have effects on the synergic management of EWN system. Results also disclose that limited water resource can promote electricity generation structure toward a low water-intensity, clean and sustainable pattern, in which the share of clean energy would increase to 66.25% by 2050 and the corresponding water withdrawal would save 41.20%.
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 | 0,000 | 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) | 0,000 | 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 ».