pypownet Download - pypownet Quellcode Download

pypownet

PowerBuilder

1.0.0

Herunterladen

POWNET REFACTED

Pypownet: Eine Python -Bibliothek zur Optimierung des Pownet -Modells

Pownet ist ein mindestens günstiges Optimierungsmodell für die Simulation des Einheitsbetriebs und des wirtschaftlichen Versandes großem Maßstab. Es wurde auf modellische kambodschanische, laotische und thailändische Stromversorgungssysteme angewendet. PYPOWNETREM verbessert die ursprüngliche Implementierung von Pownet und vereinfacht den Modellspezifikationsprozess. Es soll den Forschern helfen, ihre eigenen Stromversorgungsdaten auf das Pownet -Modell zu importieren und als Benchmark für Optimierungslöser zu dienen. Letztendlich hoffen wir, dass unsere Bemühungen mehr Regionen dazu ermutigen, erneuerbare Energiequellen im Stromversorgungssystem einzusetzen.

Anforderungen

PypownETRET ist in Python 3.6 geschrieben. Es erfordert die folgenden Python -Pakete: (i) Pyomo, (ii) Numpy und (iii) pandas. Es erfordert auch einen Optimierungslöser (z. B. cplex). PypownETR wurde in Anaconda unter Windows 10 getestet.

Installation

Sie können eine minimale Installation von pypownetr mit:

    git clone https://github.com/pacowong/pypownet.git
    cd pypownet
    pip install -e .

Wie man rennt

 python pypownetr / solver . py datasets / kamal0013 / camb_2016 2016 1 2 1 glpk

Wenn Sie [GLPK] installiert haben, wird das Modell mithilfe der Daten zum kambodschanischen Stromversorgungssystem ausgeführt. Das Skript generiert auch .csv -Dateien, die die Werte jeder Entscheidungsvariablen enthalten.

Zitat

Wenn Sie PYPOWNTRET für Ihre Forschung verwenden, zitieren Sie bitte die folgenden Arbeiten (hauptsächlich von den ursprünglichen Autoren):

 @article { chowdhury2020pownet ,
  title = { {PowNet: A Network-Constrained Unit Commitment/Economic Dispatch Model for Large-Scale Power Systems Analysis} } ,
  author = { Chowdhury, AFM Kamal and Kern, Jordan and Dang, Thanh Duc and Galelli, Stefano } ,
  journal = { Journal of Open Research Software } ,
  volume = { 8 } ,
  number = { 1 } ,
  year = { 2020 } ,
  publisher = { Ubiquity Press }
}

 @article { chowdhury2020expected ,
  title = { {Expected Benefits of Laos' Hydropower Development Curbed by Hydroclimatic Variability and Limited Transmission Capacity: Opportunities to Reform} } ,
  author = { Chowdhury, AFM Kamal and Dang, Thanh Duc and Bagchi, Arijit and Galelli, Stefano } ,
  journal = { Journal of Water Resources Planning and Management } ,
  volume = { 146 } ,
  number = { 10 } ,
  pages = { 05020019 } ,
  year = { 2020 } ,
  publisher = { American Society of Civil Engineers }
}

 @article { chowdhury2020greater ,
  title = { {The Greater Mekong's climate-water-energy nexus: how ENSO-triggered regional droughts affect power supply and CO2 emissions} } ,
  author = { Chowdhury, Kamal AFM and Dang, Thanh Duc and Nguyen, Hung TT and Koh, Rachel and Galelli, Stefano } ,
  journal = { Earth and Space Science Open Archive ESSOAr } ,
  year = { 2020 } ,
  publisher = { American Geophysical Union }
}

 @misc { pypownetr ,
    author = { Pak-Kan Wong } ,
    title = { {PyPowNetR: A Python Library for Refactored PowNet Model Optimization} } ,
    year = { 2020 } ,
    publisher = { GitHub } ,
    journal = { GitHub repository } ,
    howpublished = { url{https://github.com/pacowong/pypownet} } ,
}