MétaCan
Menu
Retour à la cohorte
Enregistrement W4408190685 · doi:10.1061/jwrmd5.wreng-6591

The Economic Value of Hydrometeorological Information in the Planning of Large-Scale Hydropower System Operations

2025· article· en· W4408190685 sur OpenAlexaff
Ana Paula Dalcin, Guilherme Fernandes Marques, Vahid Espanmanesh, Erik Quedi, Márcio Shigueaki Inada, Amaury Tilmant, Iporã Possantti, Fernando Mainardi Fan, Rodrigo Cauduro Dias de Paiva

Notice bibliographique

RevueJournal of Water Resources Planning and Management · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHydrometeorologyHydropowerValue (mathematics)Scale (ratio)Value of informationWater resource managementEnvironmental scienceComputer scienceEngineeringGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

This study investigated the impact of hydrometeorological data and forecast information availability on improving hydropower production and storage management in reservoir systems, and the associated costs of data production. The methodological approach integrated stochastic optimization and rolling horizon optimization with forecasts to address both short- and long-term operating targets when determining daily reservoir release decisions over the planning horizon. Three hydrometeorological data scenarios were organized to assess the quantitative benefits and to trace the costs, thereby establishing benefit–cost relationships. The large-scale hydropower system in the Paraná River Basin, Brazil, was used as case study. The results show that improved hydrometeorological data and information allows for better water storage management across time, which increases energy production and value. Up to a 15% increase in hydropower production over a 5-year simulation period was obtained, and the incremental benefits for the modeled system were 2 orders of magnitude greater than the cost of producing the hydrometeorological information. Specifically, every $1 invested in incremental hydrometeorological information generated a return of $775 when subseasonal forecasts replaced stochastic ensembles for reservoir storage management. However, further improvement in the forecast system would be limited to an additional 2.3% maximum gains in energy, indicating decreasing incremental benefits. Finally, the methods and results are helpful to justify resource commitment necessary to data gathering and forecast systems that will allow reservoir and power operations to be continuously improved and adapted in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,209
Écart entre enseignants0,204 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Resources Planning and ManagementMême sujetWater resources management and optimizationTravaux en français237 207