MétaCan
Menu
Retour à la cohorte
Enregistrement W4400806219 · doi:10.1016/j.apenergy.2024.123935

Hierarchical optimization of district heating plants by integrating evolutionary and non-linear programming algorithms

2024· article· en· W4400806219 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueApplied Energy · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLinear programmingMathematical optimizationEvolutionary algorithmComputer scienceOptimization algorithmAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

In district heating systems, the capacity and types of energy sources, along with their control mechanisms to meet heating demands, are intricately linked. Effective planning must consider financial constraints and system operations, especially with thermal storage. Control methods can significantly influence sizing decisions by adjusting heat production and storage rates across different equipment. Addressing these issues concurrently is essential to maximize cost savings throughout the system's lifespan. This study addresses critical research gaps, such as the lack of integrated bi-level schemes that combine evolutionary and mathematical optimizers while maintaining original non-linear problem formulations. Specifically, it puts forward a novel tri-level optimization framework aimed at minimizing the lifecycle cost (LCC) of district heating plants, powered by a mix of green (solar thermal and biomass) and conventional (gas) heat sources, along with daily thermal storage. The three levels of this scheme are: i) a particle swarm optimizer (PSO) to explore capacities of heat production and storage devices to minimize LCC; ii) an interior-point optimizer (Ipopt) to minimize annual operating costs with explicit operational constraints; and iii) a simulation layer to enhance computational efficiency. Technical suggestions regarding the initialization and early termination of Ipopt to achieve the global optimal solution with reasonable computation time are described in detail. When applied to the multi-source plant, this methodology showed successful and rapid convergence of PSO towards feasible system designs. The study achieved a minimum LCC of 36.34 million USD, corresponding to a levelized cost of heat of 0.0256 USD/kWh, by maximizing green heat sources and using moderate-volume storage. Biomass fuel (74.8%) and capital costs of biomass (8.1%) and solar (7.9%) systems were the primary LCC contributors. Thermal storage enhanced operational flexibility; without it, the gas boiler capacity increased by 112.1 times, and LCC and carbon emissions rose by 3.4% and 106.97%, respectively. In conclusion, the proposed methodology successfully demonstrated substantial cost savings and environmental benefits through strategic renewable energy use and thermal storage, laying the groundwork for its reapplication to more complex system configurations. • A novel tri-tier genetic-mathematical optimization is proposed for energy systems. • Intertwined PSO and Ipopt algorithms tune the operation and sizing simultaneously. • This approach is applied to a solar-assisted district heating plant with storage. • Life cycle costs are minimized to 36.34 × 10 6 USD by reducing the use of gas fuel. • Without storage, costs and emissions increase by 3.4 and 106.97%, respectively.

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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,195 · 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