查看已发布的Calliope决策空间数据

本页内容

作者的存档结果能否恢复已发表的能源系统选择范围?

皮克林、隆巴迪和芬宁格 (2022) 在图 3 和表 1 中描述了 441 个接近最优的配置和 9 个高级指标。该示例分析了实际作者结果存档。确实如此 不 实施新能源系统优化。

运行数据比较#

Python 3的标准库就足够了。捆绑的 paper_metrics.csv 是准确的 slack-10/data/paper_metrics.csv 从已验证的中提取 作者成果档案。在分析之前检查其 SHA256。

python3 analyse_archive.py

要重复从原始存档中提取,请允许大约 1.1 GB 的下载空间:

python3 fetch_archives.py
python3 analyse_archive.py --archive euro-spores-results-v2022-05-13.zip

该比较对配置进行计数,并根据本文的四舍五入的表 1 值检查每个指标的最小值和最大值。接受区间是最终发布数字的一半,在分析之前选择;它们是四舍五入检查,而不是工程预测容差。 analysis-output/comparison.json 记录每个测量范围和比较。

实际存档包含 3,969 行指标 441种配置。所有九个范围均与公布的四舍五入一致。例如存储放电容量 0.0295569–10.8661 台湾, 发电基尼系数 0.536960–0.739856,以及平均国家进口量 3.76719–69.4641 太瓦时。该脚本还成功针对捆绑的 CSV 运行。这些是恢复已发表的结果,而不是新解决的 simulation 或独立的经验验证。

新的作者模型尝试和开放求解器检查#

两位作者的档案均已下载,并验证了他们发布的 MD5。的 模型档案 扩展至约 2.67 GB,包括 YAML、CSV、模型构建代码和自定义约束。两个存档都不包含已编译的 NetCDF 输入或 LP/MPS 文件,因此构造函数必须在构建新后端之前运行。

存档指定 Python 3.7 和 Calliope 提交 304cba8ab5e4fd212ea9f35cde49ac3a1a2303d7。这个确切的源是通过其 GitHub 提交存档恢复的,并安装为 0.6.8-dev。包括重建的依赖锁和兼容性引脚。

早期的 Gurobi 9.1.2 先决条件失败了 “许可证于 2022 年 1 月 13 日到期。” 这不会阻塞每条开放求解器路径。现有的 GLPK 5.0 可执行文件被确切作者 Pyomo 6.0.1 环境识别,并通过了最低 LP 接口先决条件。该探针测试的是接口,而不是研究模型。

在尝试最初的 98 个区域、2018 年两小时场景之前,声明了一个单独的新求解器协议。 2015 年其存档基准目标参考值为 849.8662003464812 亿欧元;指定了客观、原始残差和能力比较。这些比较均未执行,因为输入构造首先失败。它们与上面成功的表 1 档案分析是分开的。

作者构造函数在大约 210 秒内完成了 YAML/场景预处理。然后它提出:

MemoryError: Unable to allocate 8.05 GiB for an array
with shape (6491, 8760) and data type 

故障发生在 add_time_dimension 在复制广播数组时,在时间重采样、本机输入持久性、后端构建或研究模型求解之前。该过程有一个有意的范围 12 GiB 地址空间限制;观察到的峰值驻留记忆约为 8.58GiB。这是在该预算下的可衡量的失败,并不能证明主机或开放式求解器本质上无法求解LP。

测量的源集包括 6,491 个位置技术条目、6,319 个生产条目、6,076 个消费条目、1,252 个存储条目和 3,305 个可变成本条目。他们的源定义的两小时时间索引产品建议在几个基本变量系列中大约有 7470 万个标量条目。这些是尺寸估计, 不是实例化或求解的 LP 大小.

outputs/fresh-model-attempt.json 记录实际故障、范围和内存测量值。 fresh-solver-protocol.json 保留单独建议的优化器比较。没有断言新的目标、能力、可行性或求解器收敛结果。

重复有界输入构造检查#

除了结果存档之外,此可选步骤还会下载模型存档,并且可能会使用几 GB 的工作空间。使用可写的学习目录和 micromamba。驱动程序保留原始模型/场景,应用进程内存限制,并在构建成功时尝试保存本机输入;它从不启动研究优化器。

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

如果 GLPK 可执行文件已经可用,请使用提供其路径 --glpsol。这仅检查作者环境是否可以找到该求解器。捕获的构造函数失败返回退出代码 2 并写入 resource-check/resource-check.json.

下一步是在适当配置的环境中限定输入构造,或仔细验证内存表示更改,然后构建相同的 LP 并运行明确记录的开放求解器适应。减少时间或地域将改变年度需求和网络限制,并且需要其自身的科学范围。仅存档分析仍然完整且可用,而新的优化仍在等待中。

归属和条款#

CSV 来自 Bryn Pickering 的存档研究成果 DOI 10.5281/zenodo.6546817;其数据包指定 CC BY 4.0。重复使用时请注明研究作者并存档。 OSRI 分析/检索脚本为 MIT。模型、源代码和求解器术语保持独立。人类科学审查正在等待中。

下载录制文件#

完整的运行记录 · 所有候选人的尝试。人类科学审查正在等待中。

查看 GitHub 上的源代码