jpp meeting.txt

Referenciar EFACEC?

na formulação inicial, contínuo ou discreto?

como mostrar os resultados do sensitivity results?

é suposto usar o \ac{}?

eliminar os datasets antes de publicar no github?
------------------------------------------------

change parameter Rt to another thing?

perguntar jpp pelo problema de otimização na apresentação do SEP.

--------------------------------------------------

qual o nome para o que fizemos com os testes? selecionar k melhores, aumentar o tempo, selecionar etc.


---------------------------------------------

melhor forma para escrever constraints grandes?

usar o SEP para o sensitivity analysis

-----------------------------------------------------------------

tanto no cbm como no tbm aproveitar o facto de winding => all para reduzir o nr de testes
						ops => oil

too much temp reduction. com muito pouca carga o winding não degrada


--------------------------------------------------------------

bestbndstop para os testes do tbm e cbm


E se se otimizasse a carga apenas para períodos mais curtos?


------------------------------------------------------------------

reduzir os valores para termos um coeficient range melhor.
aproveitar as 24h também no RUL

----------------------------------------------------------------

como correr o programa no ampl logo a partir do terminal para deixar a correr? agora
tenho que entrar mesmo no ampl

reduzir breakpoints nos piecewise linear

há alguma formade ver a melhor solução até agora?


----------------------------------------------------------------------------

ele agora quando está parado está a degradar-se com a temperatura, é preciso ter cuidado - done

Fazer testes com várias escalas temporais? por exemplo, 3 anos/5/10 etc.? fazer testes mais a curto prazo em que o controlo não otimiza a carga?


o force maintenance para já está em pausa - done, mas demora muito

a manutenção é feita quando, exatamente? sendo escalas temporais diferentes, assumimos que é a 1 janeiro? estamos a assumir que no ano da manutenção não há degradação

------------------------------------------------------------------------



ter um dia típico (a carga é sempre igual), depois passar a uma semana típica etc

mudaste algumas variáveis para começarem em 0, é possível que isto tenha feito porcaria

-----------------------------------------

o que é a camera-ready copy do research paper?


com o ttmax ele não consegue correr.



---------------------------------------------

Estive a fazer outra review para o LOD

A rebuttal letter, estava a descrever a fazer uma lista com as mudanças. É suposto ser
algo mais composto?

O demand faz sentido? Estamos a trabalhar com um único transformador, não com uma grid.
De qualquer das formas, já tenho isso a funcionar mais ou menos.

Acho que esta semana vou ler o artigo com mais atenção e fazer os testes todos direito




----------------------------------------------------------------

no related work, ter só a parte do planning?

acrescentar também o repositório do github, apesar de estar muito desorganizado?

exame ML sexta 25 a terminar às 11h30

----------------------------------------------------------------------

já estou a conseguir fazer as coisas, tenho apenas que fazer mais algo com a temperatura e depois incluir a humidade

escrever coisas sobre predictive maintenance?




--------------------------------------------------------------

Por cada ano ele envelhece x anos, consoante a temperatura e assim

As equações de Arrhenius relacionam a life expectancy com a temp. do hotspot, o ratio of load losses at rated current to no-load losses at rated voltage (R) e a activation energy
Mas principalmente com o DP



R é uma constante igual a 8314 J/K.mol




-----------------------------------------------------------------

não me parece que se vá conseguir alguma coisa. Fazendo ridge regression, quanto mais horas um PT fica a trabahar com <25% de carga, menos tempo de vida o óleo tem
isto não faz grande sentido, a não ser que transformadores que estejam pior estejam sob menos carga. a causalidade pode acabar por ser ao contrário.
----------------------------------------------------------------

avançar o modelo - com o gerador de dados



usar uma curva sigmoide para simular os vértices que não dependem de nada. estes dependem do tempo

os outros são também uma função sigmóide mas dependem do estado do anterior, em vez do tempo. (provavelmente deve depender do tempo também)
algumas também terão que depender da carga e da temperatura. 



------------------------------------
esta semana não foi muito produtiva.
ainda não fiquei bem esclarecido quanto ao data generator. 
exatamente que tipo de dados é suposto fazer? medidas de DGA semi-aleatórias e depois tentar arranjar uma função com ML para pôr no AMPL?
Onde é que vão entrar os processos gaussianos?



Como sei o copyright das coisas?


---------------------------------
sermos nós a produzir os dados. tempo de substituição do óleo. criar uns 5000/10000

-----------------

Ter um plano de atividades bem definido

simplesmente ignorar e criar nós os dados?




------------------------------------------------------------------
nos dados tratados temos as mudanças de óleo. então vemos daí o RUL do óleo e fazemos uma regressão com a informação que lá temos
por exemplo, olhando para o PT 7 (linha 7 até 13). ele leva uma mudança de óleo em 2003 (aprox), sem mudanças de óleo prévias. 
portanto, vamos dizer que o óleo tem um RUL de 6 anos na primeira observação (2003-1997), 5 anos na segunda, etc. e depois
tentamos prever o RUL a partir dos dados. o nosso target vai ser o RUL


Se calhar usar dois modelos? Um que use o DGA e outro a carga? Os dados que temos não permitem ambos


parece que o pessoal da feup quer fazer artigos à força toda, com pouco interesse...


falar com o valter pimeta para pedir para ter as coisas prontas já na próxima semana
workshop da próxima semana? o que é suposto ser isto?







--------------------------------------------------
regressão logística classificação para ver quanto tempo o DGA 
discretizar em função do load factor.
Pegar no RARI2020, escolher os dados que tenham LF entre 0 e 10, entre 0 e 20, etc e para cada
um deles fazer DGAF em função do tempo


--------------------
O load factor aquando a recolha do DGA afeta o seu valor, não é apenas o LF durante o período
Um dos datasets da EDP



IJUP acho que correu bem, mas estava um bocado desajustado comparando com as outras apresentações, de matemática

--------------------------
option timelim parece não funcionar com o gurobi...
encontrei artigos com thresholds para DGA

os artigos trabalham sempre com um failure rate, em que o PT falha
---------------------------------------------------------------------
Ver artigos que citam o Two-stage framework

estabilizar os modelos para depois apresentar ao válter (estabilizar no sentido de ter uma coisa que funcione relativamente bem)

com GPs estimar aging factor. ver como é que o DGA evolui entre as mudanças de óleo

por causa dos dados, talvez trabalhemos apenas com o óleo e o transformador. joints não temos

comparar dois case studies com o nosso modelo para apresentar ao valter










----------------------------------------------------------------
O two stage framework eles fazem um paper para o modelo e outro para os resultados. Não é batota?

o winding é >= 0, não estou a ver como posso deixar que fique constante igual a 0.
-----------------------------
H[t+1] = HI[t] - k



------------------------------------------------------
Usar o Sampl para modelar probabilidade de falha? (Stochastic AMPL)
usar o .dat faz com que demore mais?
encontrei uma data de livros para modelação e artigos (coisas com best practices)
acho que já implementei failure rate stocástico. mas só consigo fazê-o antes do solve, dizer em que anos é que vai haver failure.











---------------------------------------------------------------------
continuar optimização, remover implicações, usar bigM para evitar multiplicação de variáveis



--------------------------------------------
Usar bigM para evitar multiplicação de variáveis

HI[t+1] = chi[1,t]*100 + (1-chi[1,t])*

!!!!
H[t+1] <= H[t]*0.9 + 100*chi[t]
!!!!














-----------------------------------------------
imaginar tempo de vida fixo e começar a trabalhar por aí - não deixar que as coisas passem determinado valor
valores de DGA anuais que são alterados se houver manutenção
imaginar que só há um tipo de manutenção

ler o tutorial de thomson sampling
--------------------------------------------------------------------

Começo a pensar se o que estamos a fazer não é precisamente thompson sampling

Como lidar com o HI no AMPL? Como alterar o valor do HI quando há manutenção?

in SEP, fitting every point at once is the same as one by one?
o grid search é horrível
qual a melhor maneira para comparar os métodos? % improvement caso a caso?

penso que consegui implementar alguns casos. O mais simples funciona, os
restantes demoram muito tempo

remover os resultados para caber na submissão













----------------------------------------------------------------------
Add to the constraints electricity demand. Add to the variables as well.
O preço de manutenções não ser constante, tal como o preço dos PTs. Vamos olhar para o Present Value e assim.
FAZER AS COISAS EM AMPL
--------------------

3ª: Encontrei artigo com preços de coisas e crescimento esperado.
Neste artigo também fazem sensitivity analysis <- como é que alterações nos parâmetros alteram o final

comecei a passar as coisas para AMPL. Matriz de variáveis?

encontrei outro paper para fazer manutenção numa grid de transformadores, tem decision variables. nós focamo-nos apenas num transformador, certo?
foca-se apenas na midlife do transformador e assume que manutenção restaura a vida do PT ao que era no início do estudo.

Vejo muitos case studies. opinião?

andei a ler coisas do engineering economy

Penso já ter arranjado um kernel.
No SEP, a diferença entre o método do prof e o grid search é que o do prof vai atrás do ponto variância
mais alta. thomson sampling


davi? teoria de grupos?