скачать pypownet - скачать исходный код pypownet

pypownet

PowerBuilder

1.0.0

Скачать

Поунет рефактирован

Pypownet: библиотека Python для оптимизации модели Pownet

Pownet является моделью оптимизации наименьшего уровня для моделирования обязательств подразделения и экономической отправки крупномасштабных энергетических систем. Он был применен для моделей камбоджийских, лаосских и тайских энергетических систем. Pypowneter улучшает исходную реализацию Pownet и упрощает процесс спецификации модели. Он направлен на то, чтобы помочь исследователям импортировать свои собственные данные энергосистемы на модели Pownet и служить ориентиром для решателей оптимизации. В конечном счете, мы надеемся, что наши усилия поощряют больше регионов принять возобновляемые источники энергии в энергетической системе.

Требования

Pypownetr написан в Python 3.6. Требуются следующие пакеты Python: (i) Pyomo, (ii) Numpy и (iii) Pandas. Это также требует решателя оптимизации (например, CPLEX). Pypownetr был протестирован в Anaconda на Windows 10.

Установка

Вы можете выполнить минимальную установку pypownetr с:

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

Как бежать

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

Если вы установили [GLPK], это выполнит модель, используя данные о камбоджийской системе питания. Сценарий также генерирует файлы .csv, содержащие значения каждой переменной решения.

Цитирование

Если вы используете pypownetr для своего исследования, пожалуйста, укажите следующие документы (в основном от оригинальных авторов):

 @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} } ,
}