Download do pypownet - Download do código fonte pypownet

pypownet

PowerBuilder

1.0.0

Baixar

Pownet refatorado

PyPownet: uma biblioteca Python para otimização do modelo de pawnet

A Pownet é um modelo de otimização de menor custo para simular o comprometimento da unidade e o despacho econômico de sistemas de energia em larga escala. Foi aplicado aos sistemas de energia do Camboja, Laotiano e Tailândia. O PyPowneTr melhora a implementação original do POWNET e simplifica o processo de especificação do modelo. Ele pretende ajudar os pesquisadores a importar seus próprios dados do sistema de energia no modelo da Pownet e servir como uma referência para solucionadores de otimização. Por fim, esperamos que nosso esforço incentive mais regiões a adotar fontes de energia renovável no sistema de energia.

Requisitos

O PyPownetr está escrito no Python 3.6. Requer os seguintes pacotes Python: (i) Pyomo, (ii) Numpy e (iii) pandas. Também requer um solucionador de otimização (por exemplo, CPLEX). O PyPownetr foi testado em Anaconda no Windows 10.

Instalação

Você pode executar uma instalação mínima do pypownetr com:

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

Como correr

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

Se você instalou [GLPK], isso executará o modelo usando os dados no sistema de energia do Camboja. O script também gera arquivos .csv que contêm os valores de cada variável de decisão.

Citação

Se você usar o PyPownetr para sua pesquisa, cite os seguintes trabalhos (principalmente dos autores originais):

 @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} } ,
}