Ημερήσια παραγωγή ενέργειας σε μικρά υδροηλεκτρικά έργα: πρόγνωσεις υπό αβεβαιότητα μέσω αποτελεσματικής σύζευξης γνώσης και δεδομένων

K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Day-ahead energy production in small hydropower plants: uncertainty-aware forecasts through effective coupling of knowledge and data, Advances in Geosciences, 56, 155–162, doi:10.5194/adgeo-56-155-2022, 2022.

[Ημερήσια παραγωγή ενέργειας σε μικρά υδροηλεκτρικά έργα: πρόγνωσεις υπό αβεβαιότητα μέσω αποτελεσματικής σύζευξης γνώσης και δεδομένων]

[doc_id=2165]

[Αγγλικά]

PDF Πλήρες κείμενο (217 KB)

Βλέπε επίσης: https://adgeo.copernicus.org/articles/56/155/2022/

Σημείωση:

Τα μοντέλα προσομοίωσης και πρόγνωσης αναπτύχθηκαν σε περιβάλλον R environment και είναι διαθέσιμα στην ακόλουθη διεύθυνση: https://github.com/corinadrakaki/Day-ahead-energy-production-in-small-hydropower-plants

Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:

1. A. Efstratiadis, A. Tegos, A. Varveris, and D. Koutsoyiannis, Assessment of environmental flows under limited data availability – Case study of the Acheloos River, Greece, Hydrological Sciences Journal, 59 (3-4), 731–750, doi:10.1080/02626667.2013.804625, 2014.
2. A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Hydrological modelling of temporally-varying catchments: Facets of change and the value of information, Hydrological Sciences Journal, 60 (7-8), 1438–1461, doi:10.1080/02626667.2014.982123, 2015.
3. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018.
4. I. Tsoukalas, Modelling and simulation of non-Gaussian stochastic processes for optimization of water-systems under uncertainty, PhD thesis, 339 pages, Department of Water Resources and Environmental Engineering – National Technical University of Athens, Δεκέμβριος 2018.
5. P. Kossieris, I. Tsoukalas, C. Makropoulos, and D. Savic, Simulating marginal and dependence behaviour of water demand processes at any fine time scale, Water, 11 (5), 885, doi:10.3390/w11050885, 2019.
6. G. Papacharalampous, H. Tyralis, A. Langousis, A. W. Jayawardena, B. Sivakumar, N. Mamassis, A. Montanari, and D. Koutsoyiannis, Probabilistic hydrological post-processing at scale: Why and how to apply machine-learning quantile regression algorithms, Water, doi:10.3390/w11102126, 2019.
7. I. Tsoukalas, P. Kossieris, and C. Makropoulos, Simulation of non-Gaussian correlated random variables, stochastic processes and random fields: Introducing the anySim R-Package for environmental applications and beyond, Water, 12 (6), 1645, doi:10.3390/w12061645, 2020.
8. G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, A dilemma of small hydropower plants: Design with uncertainty or uncertainty within design?, EGU General Assembly 2021, online, EGU21-2398, doi:10.5194/egusphere-egu21-2398, European Geosciences Union, 2021.
9. G.-K. Sakki, I. Tsoukalas, and A. Efstratiadis, A reverse engineering approach across small hydropower plants: a hidden treasure of hydrological data?, Hydrological Sciences Journal, 67 (1), 94–106, doi:10.1080/02626667.2021.2000992, 2022.

Κατηγορίες: Υδροπληροφορική, Ανανεώσιμες πηγές ενέργειας, Εργασίες φοιτητών σε συνέδρια, Νερό και ενέργεια