Consulte los datos publicados del espacio de decisión Calliope
En esta página
¿Pueden los resultados archivados de los autores recuperar la gama publicada de opciones de sistemas energéticos?
Pickering, Lombardi y Pfenninger (2022) Describe 441 configuraciones casi óptimas y nueve métricas de alto nivel en la Figura 3 y la Tabla 1. Este ejemplo analiza el archivo de resultados del autor real. lo hace no realizar una nueva optimización del sistema energético.
Ejecute la comparación de datos#
La biblioteca estándar de Python 3 es suficiente. el paquete paper_metrics.csv es el exacto slack-10/data/paper_metrics.csv extraído de lo verificado archivo de resultados del autor. Su SHA256 se verifica antes del análisis.
python3 analyse_archive.py
Para repetir la extracción del archivo original, deje aproximadamente 1,1 GB de espacio de descarga:
python3 fetch_archives.py
python3 analyse_archive.py --archive euro-spores-results-v2022-05-13.zip
La comparación cuenta las configuraciones y verifica el mínimo y el máximo de cada métrica con los valores redondeados de la Tabla 1 del documento. Los intervalos de aceptación son la mitad del dígito final publicado, elegido antes de este análisis; son controles de redondeo, no tolerancias de predicción de ingeniería. analysis-output/comparison.json registra cada rango medido y comparación.
El archivo real contenía 3.969 filas de métricas para 441 configuraciones. Los nueve rangos coincidieron con el redondeo publicado. Algunos ejemplos son la capacidad de descarga de almacenamiento. 0,0295569–10,8661 TW, Gini de producción de electricidad 0.536960–0.739856, y la importación nacional promedio 3,76719–69,4641 TWh. El script también se ejecutó correctamente en el CSV incluido. Estos son resultados publicados recuperados, no simulation recientemente resueltos ni validaciones empíricas independientes.
Nuevo intento de modelo de autor y verificación de solucionador abierto#
Se descargaron los archivos de ambos autores y se verificaron sus MD5 publicados. el archivo de modelo se expande a aproximadamente 2,67 GB e incluye YAML, CSV, código de creación de modelos y restricciones personalizadas. Ninguno de los archivos contiene entradas NetCDF compiladas ni un archivo LP/MPS, por lo que el constructor debe ejecutarse antes de poder crear un nuevo backend.
El archivo especifica la confirmación de Python 3.7 y Calliope. 304cba8ab5e4fd212ea9f35cde49ac3a1a2303d7. Esta fuente exacta se recuperó a través de su archivo de confirmación GitHub y se instaló como 0.6.8-dev. Se incluyen el bloqueo de dependencia reconstruido y los pines de compatibilidad.
Un prerrequisito anterior de Gurobi 9.1.2 falló con "La licencia expiró el 13 de enero de 2022". Eso no bloquea todas las rutas de resolución abierta. Un existente GLPK 5.0 El ejecutable fue reconocido por el entorno Pyomo 6.0.1 del autor exacto y pasó un requisito previo mínimo de interfaz LP. Esa sonda prueba la interfaz, no el modelo de estudio.
Se declaró un nuevo protocolo de resolución separado antes de intentar el escenario original de dos horas de 98 regiones, 2018. Su referencia objetivo de referencia archivada es 849.8662003464812 mil millones de euros de 2015; Se especificaron comparaciones objetivas, primarias-residuales y de capacidad. Ninguna de esas comparaciones se realizó porque la construcción de los insumos falló primero. Están separados del exitoso análisis de archivos de la Tabla 1 anterior.
El constructor del autor completó el preprocesamiento de escenarios/YAML en aproximadamente 210 segundos. Luego planteó:
MemoryError: Unable to allocate 8.05 GiB for an array
with shape (6491, 8760) and data type
El fallo se produjo en add_time_dimension mientras se copia una matriz de transmisión, antes del remuestreo de tiempo, la persistencia de entrada nativa, la construcción de backend o la resolución de un modelo de estudio. El proceso tuvo un alcance deliberadamente Límite de espacio de direcciones de 12 GiB; La memoria residente máxima observada fue de aproximadamente 8,58 GiB. Esta es una falla medida dentro de ese presupuesto, no una prueba de que el host o un solucionador abierto no puedan resolver el LP de manera inherente.
Los conjuntos de fuentes medidos incluyen 6.491 entradas de tecnología de ubicación, 6.319 entradas de producción, 6.076 entradas de consumo, 1.252 entradas de almacenamiento y 3.305 entradas de costos variables. Sus productos de índice de tiempo de dos horas definidos en fuente sugieren aproximadamente 74,7 millones de entradas escalares en varias familias de variables base. Estas son estimaciones de tamaño, no es un tamaño de LP instanciado o resuelto.
outputs/fresh-model-attempt.json registra las mediciones reales de falla, alcance y memoria. fresh-solver-protocol.json conserva la comparación del optimizador propuesta por separado. No se afirma ningún nuevo objetivo, capacidad, viabilidad o resultado de convergencia de solucionadores.
Repita la verificación de construcción de entrada limitada#
Este paso opcional descarga el archivo del modelo además del archivo de resultados y puede utilizar varios gigabytes de espacio de trabajo. Utilice un directorio de estudio grabable y micromamba. El controlador conserva el modelo/escenario original, aplica un límite de memoria de proceso e intenta guardar las entradas nativas si la construcción tiene éxito; nunca inicia el optimizador de estudios.
export MAMBA_ROOT_PREFIX="$PWD/.mamba"
export PIP_CACHE_DIR="$PWD/.cache/pip"
export TMPDIR="$PWD/.tmp"
mkdir -p "$TMPDIR"
python3 fetch_archives.py --model
python3 -m zipfile -e euro-calliope-sector-coupled-v0.1.zip author-model
micromamba create -y -p "$PWD/.author-env" -c conda-forge python=3.7 pip=20.0.2 setuptools=67.8.0
.author-env/bin/python -m pip install -c compatibility-constraints.txt https://github.com/calliope-project/calliope/archive/304cba8ab5e4fd212ea9f35cde49ac3a1a2303d7.tar.gz
OPENBLAS_NUM_THREADS=1 .author-env/bin/python check_model_resources.py --model-directory author-model/model --memory-gib 12 --wall-seconds 1200
Si un ejecutable GLPK ya está disponible, proporcione su ruta usando --glpsol. Esto sólo comprueba si el entorno del autor puede localizar ese solucionador. Una falla del constructor detectada devuelve el código de salida 2 y escribe resource-check/resource-check.json.
El siguiente paso es calificar la construcción de entrada en un entorno adecuadamente aprovisionado, o un cambio de representación de memoria cuidadosamente verificado, luego construir el mismo LP y ejecutar una adaptación de resolución abierta documentada explícitamente. Reducir el tiempo o la geografía cambiaría la demanda anual y las limitaciones de la red y necesita su propio alcance científico. El análisis de solo archivo permanece completo y utilizable mientras está pendiente una nueva optimización.
Atribución y términos#
El CSV proviene de los resultados del estudio archivados de Bryn Pickering, DOI. 10.5281/zenodo.6546817; su paquete de datos especifica CC BY 4.0. Dé crédito a los autores del estudio y archívelo cuando lo reutilice. Los scripts de análisis/recuperación OSRI son MIT. Los términos de modelo, código fuente y solucionador permanecen separados. La revisión científica humana está pendiente.
Descargar los archivos grabados#
- solver-blocker.log — figura_o_log.
- glpk-interface-check.json — resultado_numérico.
- archive-comparison.json — resultado_numérico.
- fresh-model-attempt.json — resultado_numérico.
- README.md — controlador portátil o registro de entorno/fuente.
- analyse_archive.py — controlador portátil o registro de entorno/fuente.
- author-environment-lock.txt — controlador portátil o registro de entorno/fuente.
- check_model_resources.py — controlador portátil o registro de entorno/fuente.
- compatibility-constraints.txt — controlador portátil o registro de entorno/fuente.
- fetch_archives.py — controlador portátil o registro de entorno/fuente.
- fresh-solver-protocol.json — controlador portátil o registro de entorno/fuente.
- paper_metrics.csv — controlador portátil o registro de entorno/fuente.
- target.json — controlador portátil o registro de entorno/fuente.
Registro de ejecución completo · Todos los intentos de los candidatos. La revisión científica humana está pendiente.