Optimally Scheduling Public Safety Power Shutoffs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In an effort to reduce power system-caused wildfires, utilities carry out public safety power shutoffs (PSPSs), in which portions of the grid are deenergized to mitigate the risk of ignition. The decision to call a PSPS must balance reducing ignition risks and the negative impact of service interruptions. In this work, we consider three PSPS scheduling scenarios, which we model as dynamic programs. In the first two scenarios, we assume that N PSPSs are budgeted as part of the investment strategy. In the first scenario, a penalty is incurred for each PSPS declared past the Nth event. In the second, we assume that some costs can be recovered if the number of PSPSs is below N while still being subject to a penalty if above N. In the third, the system operator wants to minimize the number of PSPSs such that the total expected cost is below a threshold. We provide optimal or asymptotically optimal policies for each case, the first two of which have closed-form expressions. Lastly, we establish the applicability of the first PSPS model’s policy to critical peak pricing and obtain an optimal scheduling policy to reduce the peak demand based on weather observations. Funding: This work was funded in part by the Natural Sciences and Engineering Research Council of Canada, the Institute for Data Valorization, the National Science Foundation [Award 1351900], the Advanced Research Projects Agency-Energy [Award DE-AR0001061], and the University of California Office of the President Laboratory Fees Program [Grant LFR-20-652467].
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.
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 | 0,001 |
| 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 | 0,002 |
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 découle