Téléchargement pypownet - Téléchargement du code source pypownet

pypownet

Générateur de puissance

1.0.0

Télécharger

Pownet refactorisé

PYPOWNET: Une bibliothèque Python pour l'optimisation du modèle de palet

Pownet est un modèle d'optimisation le moins coûteux pour simuler l'engagement unitaire et l'envoi économique des systèmes d'alimentation à grande échelle. Il a été appliqué aux systèmes électriques cambodgiens, laotiens et thaïlandais. PyPowtrment améliore la mise en œuvre d'origine de Pownet et simplifie le processus de spécification du modèle. Il vise à aider les chercheurs à importer leurs propres données de système d'alimentation sur le modèle Pownet et à servir de référence pour les solveurs d'optimisation. En fin de compte, nous espérons que nos efforts encourageront davantage de régions à adopter des sources d'énergie renouvelables dans le système d'électricité.

Exigences

Pypowtr est écrit dans Python 3.6. Il nécessite les packages Python suivants: (i) Pyomo, (ii) Numpy et (iii) pandas. Il nécessite également un solveur d'optimisation (par exemple CPLEX). PyPowtr a été testé à Anaconda sur Windows 10.

Installation

Vous pouvez effectuer une installation minimale de pypownetr avec:

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

Comment courir

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

Si vous avez installé [GLPK], cela exécutera le modèle à l'aide des données sur le système d'alimentation cambodgien. Le script génère également des fichiers .csv contenant les valeurs de chaque variable de décision.

Citation

Si vous utilisez PyPowtr pour vos recherches, veuillez citer les articles suivants (principalement des auteurs originaux):

 @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} } ,
}