Probabilistic streamflow forecasts in hydropower systems operation
Notice bibliographique
Résumé
Au Canada, comme dans de nombreux pays de l'OCDE (Organisation de Coopération et de Développement Économiques), l'exploitation plus efficace des actifs hydroélectriques existants devient de plus en plus pertinente. Le fonctionnement optimal d'un système hydroélectrique est un problème de prise de décision séquentielle. Une séquence de décisions de soutirage d'eau doit être déterminée sur une période de planification donnée en tenant compte de diverses contraintes physiques et écologiques. Étant donné que cette période de planification peut s'étendre sur un futur plus ou moins lointain, les décisions de soutirage sont influencées par la disponibilité de prévisions hydrologiques fiables, y compris les systèmes de prévisions hydrologiques d'ensemble (H-EPS). Les hydrologues s'appuient souvent sur des scores statistiques pour évaluer la fiabilité et l'exactitude du H-EPS, mais ces scores ne donnent aucune indication sur la valeur économique des prévisions. Cette étude cherche à identifier les attributs les plus pertinents des prévisions hydrologiques d'ensemble en production hydroélectrique. Pour ce faire, un large ensemble de prévisions est construit à partir de 20 modèles hydrologiques et de prévisions météorologiques d'ensemble de 50 membres sur une période de 6 ans (2011-2016). De ce large ensemble, plusieurs H-EPS sont ensuite produits (configurés) et utilisés par un modèle d'optimisation hydroélectrique. La gestion du système hydrique est ensuite simulée en horizon roulant sur une période de 6 ans (2011-2016). Les résultats de la simulation indiquent qu'il existe une tendance entre la qualité globale et la valeur de la prévision en termes deproduction d'énergie, mais que cette relation n'est pas directement proportionnelle (1 :1). La configuration multimodèle fonctionne un peu mieux que les autres configurations. De plus, les résultats de la simulation montrent que les prévisions d'ensemble à court terme (CT) ont dela valeur, mais la marge d'amélioration se situe clairement dans les prévisions à moyen terme(MT, saisonnières), car un grand réservoir en amont contrôle la disponibilité de l'eau dans tout le système. Par ailleurs, les prévisions probabilistes donnent de meilleures performances que les déterministes, car elles donnent des informations sur l'incertitude du modèle d'optimisation.Enfin, les prévisions CT ont de la valeur tandis que les modèles d'optimisation CT-MT sont couplés.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».