Publication
Development of an optimization tool for the electricity production of the Enguri power plant in Georgia
Résumé
The ongoing global warming situation has bolstered interests in developing and reinforcing green energy. One of the most promising fields is hydropower (Ahmad and Hossain, 2020 and Yazdi and Moridi, 2018). Many existing reservoirs have untapped potential to be exploited, provided they are operated in an optimal way. To this end, many algorithms have been established, all dealing with different issues that are recurrent in optimization problems. This work aims at developing an algorithm to optimize the energy production of the Enguri power plant in Georgia, the most productive one of the country and therefore vital to Caucasus’ regional electricity system. Besides the main objective of the algorithm, one will have to be careful about the impacts the management of the reservoir will have downstream, and other operational constraints.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Concepts associés (20)
Optimisation convexe
vignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.
Optimization problem
In mathematics, computer science and economics, an optimization problem is the problem of finding the best solution from all feasible solutions. Optimization problems can be divided into two categories, depending on whether the variables are continuous or discrete: An optimization problem with discrete variables is known as a discrete optimization, in which an object such as an integer, permutation or graph must be found from a countable set.
Optimisation (mathématiques)
L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Publications associées (39)
Predicting in Uncertain Environments: Methods for Robust Machine Learning
One of the main goal of Artificial Intelligence is to develop models capable of providing valuable predictions in real-world environments. In particular, Machine Learning (ML) seeks to design such models by learning from examples coming from this same envi ...
EPFL2022Utility/privacy trade-off as regularized optimal transport
Strategic information is valuable either by remaining private (for instance if it is sensitive) or, on the other hand, by being used publicly to increase some utility. These two objectives are antagonistic and leaking this information by taking full advant ...
SPRINGER HEIDELBERG2022KPC: Learning-Based Model Predictive Control with Deterministic Guarantees
Colin Neil Jones, Yuning Jiang, Paul Scharnhorst, Emilio Maddalena
We propose Kernel Predictive Control (KPC), a learning-based predictive control strategy that enjoys deterministic guarantees of safety. Noise-corrupted samples of the unknown system dynamics are used to learn several models through the formalism of non-pa ...
2021MOOCs associés (10)
SES Swiss-Energyscope
La transition énergique suisse / Energiewende in der Schweiz
SES Swiss-Energyscope
La transition énergique suisse / Energiewende in der Schweiz
Introduction to optimization on smooth manifolds: first order methods
Learn to optimize on smooth, nonlinear spaces: Join us to build your foundations (starting at "what is a manifold?") and confidently implement your first algorithm (Riemannian gradient descent).