کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8079007 | 1521483 | 2013 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A grey-forecasting interval-parameter mixed-integer programming approach for integrated electric-environmental management-A case study of Beijing
ترجمه فارسی عنوان
یک روش برنامه ریزی صحیح و یکپارچه ای با پارامتر فاصله ای-خاکی برای یکپارچه مدیریت محیط زیست-محیط زیست- مطالعه موردی پکن
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
برنامه ریزی پارامتر فاصله برنامه ریزی عدد صحیح مخلوط مدل پیش بینی خاکستری یکپارچه مدیریت برق محیطی، پکن، عدم اطمینان،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی (عمومی)
چکیده انگلیسی
In this study, a GFIPMIP (grey-forecasting interval-parameter mixed-integer programming) approach was developed for supporting IEEM (integrated electric-environmental management) in Beijing. It was an attempt to incorporate an energy-forecasting model within a general modeling framework at the municipal level. The developed GFIPMIP model can not only forecast electric demands, but also reflect dynamic, interactive, and uncertain characteristics of the IEEM system in Beijing. Moreover, it can address issues regarding power supply, and emission reduction of atmospheric pollutants and GHG (greenhouse gas). Optimal solutions were obtained related to power generation patterns and facility capacity expansion schemes under a series of system constraints. Two scenarios were analyzed based on multiple environmental policies. The results were useful for helping decision makers identify desired management strategies to guarantee the city's power supply and mitigate emissions of GHG and atmospheric pollutants. The results also suggested that the developed GFIPMIP model be applicable to similar engineering problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 63, 15 December 2013, Pages 334-344
Journal: Energy - Volume 63, 15 December 2013, Pages 334-344
نویسندگان
Xingwei Wang, Yanpeng Cai, Jiajun Chen, Chao Dai,