Skip to content

Optimization sthocastic algorithm for trade renewable energy and make decisions on H2V production/consunption

License

Notifications You must be signed in to change notification settings

grei-ufc/e-h2v-trader

Repository files navigation

e-h2v-trader Optimazation Model

Optimization deterministic algorithm for trade renewable energy and make decisions on H2V production/consunption including a thermal power plant, a photovoltaic generation and a electrolyser for h2v production.

Preparação do ambiente de desenvolvimento H2V Trader

Para a correta execução do modelo de otimização é necessário preparar o ambiente de desenvolvimento com todos os seus requisitos, bibliotecas e softwares.

O modelo h2vtrader foi desenvolvido para execução em ambiente de desenvolvimento Linux. Caso esteja utilizando Windows recomenda-se a utilização de uma máquina virtual com Linux (ubuntu 24.04 de preferência) via WSL2.

Note

Um container Docker de desenvolvimento está sendo preparado para que todo o processo de preparação do ambiente de desenvolvido seja construído de forma automática.

Passos de instalação de componentes

Os passos envolvidos são:

  1. Obtenção e instalação do solver de otimização Cplex;
  2. Obtenção e instalação da distribuição Python anaconda;
  3. Criação do ambiente virtual Python para execução do modelo de otimização;
  4. Obtenção do repositório git com o código fonte Python do modelo H2V-Trader;
  5. Instalação das dependências de execução do modelo de otimização;
  6. Execução do modelo de otimização e realização de testes.

1. Obtenção e instalação do solver de otimização Cplex

Antes de tudo é preciso obter o solver de otimização Cplex. Outros solvers são possíveis de serem executados como o glpk* e o *HiGHs, mas testes ainda não foram realizados com estes solvers.

Aqui é preciso atentar para duas coisas:

  • O tipo de licença a ser utilizado: Deve ser a licença acadêmica, que é ilimitada e não a versão comunity que está restrita a 1000 variáveis e 1000 restrições. Para ter acesso a versão acadêmica do cplex siga as instruções presentes nesse link. Neste caso é necessário ter um e-mail institucional acadêmico.
  • O tipo de arquitetura à que o cplex é destinado. Nesse caso deve ser arquiteura x86-64. O instalador deve ser o referente ao sistema operacional Linux.

Uma vez concluído o Download do arquivo de instalação do Cplex, basta digitar o seguinte comando para proceder com a instalação:

sudo bash cplex_studio2212.linux_x86_64.bin

Concluída a instalação do Cplex é preciso fazer com que o emulador de terminal Linux reconheça o comando cplex que executa o solver. Para isso abra o arquivo ~/.bashrc (ou ~/.zshrc caso use zsh ao invés de bash) e adicone o caminho para o executável do Cplex na variável de ambiente PATH, no final do arquivo de configuração do emulador de terminal.

Abrindo o arquivo de configuração .bashrc:

nano ~/.bashrc # ou vim ~/.bashrc ou ainda vim ~/zshrc no caso de utilizar zsh

Linha a ser inserida ao final do arquivo:

export PATH="/opt/ibm/ILOG/CPLEX_Studio221/cplex/bin/x86-64_linux:$PATH"

2. Obtenção e instalação da distribuição Python anaconda;

Primeiro realize o download da distribuição Python anaconda, que está disponível neste link: download anaconda. A documentação do anaconda está disponivel neste outro link: documentacao anaconda, lá é possível encontrar os procedimentos para realizar a instalação do anaconda no sistema operacional Linux. Lembre-se de obter a versão do anaconda para Linux.

3. Criação do ambiente virtual Python para execução do modelo de otimização

Após instalado o anaconda é preciso criar um ambiente virtual do Python. Iremos utilizar para isso as facilidades disponibilizadas pelo anaconda. No terminal linux digite o seguinte comando para criar um ambiente virtual vazio baseado no Python versão 3.12:

conda create --name h2v-trader python==3.12

Para ativar o ambiente virtual Python criado pelo anaconda:

conda activate h2v-trader

4. Obtenção do repositório git com o código fonte Python do modelo H2V-Trader

Baixe o repositório github para o seu ambiente de desenvolvimento, usando o comando git:

git clone https://github.com/grei-ufc/e-h2v-trader.git # obtem do github
cd e-h2v-trader.git # entra no diretorio obtido do github

5. Instalação das dependências de execução do modelo de otimização

Agora é preciso instalar as dependências Python para o projeto. As dependências estão listadas no arquivo requirements.txt:

pip install -r requirements.txt

Instale também o pacote Jupyter para poder executar o jupyter notebook com os códigos do projeto:

pip install jupyter

6. Execução do modelo de otimização e realização de testes

Após a instalação é só executar o comando jupyter-lab no terminal de comando Linux e abrir o arquivo h2v_opt_model_v5_def.ipynb. Se a execução de todos os passos tiverem ocorrido com sucesso o notebook executará o modelo de otimização H2V-Trader sem maiores problemas.

About

Optimization sthocastic algorithm for trade renewable energy and make decisions on H2V production/consunption

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published