The membership function for each fu

The membership function for each fuzzy constraint can be defined as follows

In this study FGP models are developed using different fuzzy solution methods to provide the DM for a more confident solution set for policy decision making. In this regard, three different solution approaches are employed, namely “min operator” [12], “fuzzy and operator” [13] and “weighted additive approach” [14]. These approaches are introduced briefly in the following.
2.3.1. Bellman and Zadeh's min operator Zimmermann [15] proposed Bellman and Zadeh's [12] “min
operator” approach to the multiobjective LP model. This operator is usually applied due to its easy computation and several nice properties. However, the solution generated by min operator is not compensatory and does not guarantee pareto-optimal [16].
According to min operator approach the decision problem is choosing x

By introducing the auxiliary variable l, which is the overall satisfactory level of compromise, the following conventional LP problem can be obtained:
Maximize l subject to l m

2.3.2. Werners' “fuzzy and” operator As Bellman and Zadeh's “min operator” focuses only on the
maximization of the minimum membership grade, it is not a compensatory operator, which means that goals with a high degree of membership are not traded off against goals with a low degree of membership. As the most of the decision problems in real world, energy planning problems are neither noncompensatory nor fully compensatory. Because of the noncompensatory nature of its aggregation operator, “min operator” is not very suitable for modeling the real world problems. For some computationally efficient compensatory operators, Lai and Hwang [17] can be referred. Werners' “fuzzy and” operator is one of the most powerful compensatory operators that can be used in setting the objective function in fuzzy programming to investigate better results.
Werners [13] formulates the “fuzzy and” operator as follows:

ðxÞ is the membership function of goal k, and g is the coefficient of compensation defined within the interval [0,1]. By adopting “min operator” into Eq. (33), the following LP problem can be formed:

In this study, we use a modified version of “fuzzy and” operator which was developed by Selim [18]. In this version the following equation is used as the objective function to reflect the relative importance of l
to the objective function. In this manner, relative weights of the objectives are considered and integrated in the objective function.

2.3.3. Tiwari et al.'s weighed additive approach We use Tiwari et al.'s [14] weighted additive approach to reflect
the relative importance of fuzzy goals. Formulation of this approach can be stated as in the following:


3.1. Case study region
To explore the viability of the proposed model, computational experiments are performed on a real world problemin Turkey. In this regard, we aimto design a biomass to energy supply chain network in
_ Izmir, which is the third largest city in Turkey with a population of
around 4 million. As agriculture and stockbreeding are among the most common economic activities in
_ Izmir, there exists a rich waste
biomass resource which can be used as feedstock in bioenergy facilities. More specifically,
_ Izmir is the second largest producer in Turkish
poultry sector and has the fourth largest biogas production potential from animal wastes in Turkey. In spite of this high biomass potential, biomass utilization in energy production in
_ Izmir is scarcely any.
The proposed model is applied to all 20 counties of _ Izmir. All of
the counties of _ Izmir are considered as potential sites for supply of
biomass, bioenergy plants and biomass storages in the model. The map of the case study region is depicted in Fig. 2. Each county is represented by a number in the model as depicted in Fig. 2. The starred counties on the map constitute the city centre, therefore considered as one county in the model.
The length of the time period used in our computational experiments is one month and the planning horizon is three years.
3.2. Biomass sources
The proposed model includes two types of feedstock to be transformed into energy: waste biomass in the form of animal manure and energy crops. In this regard, three types of waste biomass, namely cattle manure, laying chicken manure and broiler chicken manure, and an energy crop, corn silage, are considered as feedstock to be used by bioenergy plants. Available biomass amount is assumed to increase gradually with a prespecified rate. Data about the biomass potential from husbandry and agriculture is gath

ผลลัพธ์ (ไทย) 1:

ฟังก์ชันสมาชิกสำหรับแต่ละข้อจำกัดที่ชัดเจนสามารถ defined เป็นดังนี้ในการศึกษานี้ FGP รุ่นถูกพัฒนาใช้โซลูชันต่าง ๆ พร่าเลือนให้ DM ที่ตั้งสำหรับนโยบายการตัดสินใจแก้ไขปัญหา confident เพิ่มเติม ในเรื่องนี้ โซลูชันต่าง ๆ สามวิธีว่าจ้าง คือ "นาทีดำเนิน" [12], "ชัดเจน และดำเนินการ" [13] และ "วิธีการสามารถถ่วงน้ำหนัก" [14] วิธีเหล่านี้จะนำ briefly ในต่อไปนี้2.3.1 การบริการและของ Zadeh นาทีดำเนิน Zimmermann [15] การนำเสนอบริการและ Zadeh ของ [12] "นาทีวิธีการดำเนินการ"กับรูปแบบห้างหุ้นส่วนจำกัด multiobjective ตัวนี้มักจะใช้การคำนวณที่ง่ายและคุณสมบัติที่ดีหลาย อย่างไรก็ตาม โซลูชันที่สร้างขึ้น โดยตัวนาทีไม่ชดเชย และรับประกัน pareto สุด [16]ตามวิธีดำเนินการแล้ว เลือกปัญหาการตัดสินใจ xโดยการแนะนำการเสริมตัวแปร l ซึ่งเป็นระดับน่าพอใจโดยรวมของปัญหา ปัญหา LP ทั่วไปต่อไปนี้ได้:เพิ่ม l มี l m2.3.2. Werners' "ปุย และ" ดำเนินการเป็นการบริการและของ Zadeh "นาทีดำเนิน" เน้นเฉพาะในการmaximization เกรดขั้นต่ำสมาชิก ไม่มีตัวชดเชย ซึ่งหมายความ ว่า เป้าหมายกับระดับสูงของสมาชิกไม่ซื้อขายปิดเป้าหมายกับสมาชิกระดับต่ำ เป็นส่วนใหญ่ของปัญหาการตัดสินใจในโลก ปัญหาการวางแผนพลังงานไม่ใช่ noncompensatory หรือชดเชยอย่างเต็ม เนื่องจากธรรมชาติของการดำเนินการรวม noncompensatory "ดำเนินการขั้นต่ำ" จะไม่เหมาะสำหรับการสร้างแบบจำลองปัญหาโลก สำหรับบาง computationally efficient ชดเชยตัว ลายและ Hwang [17] สามารถอ้างอิง Werners' "ปุย และ" ดำเนินเป็นหนึ่งในผู้ประกอบการชดเชยที่มีประสิทธิภาพที่สุดที่สามารถใช้ในการตั้งค่าฟังก์ชันวัตถุประสงค์ในการเขียนชัดเจนเพื่อตรวจสอบผลลัพธ์ที่ดีขึ้นWerners [13] formulates "ปุย และ" ดำเนินการเป็นดังนี้:ðxÞ เป็นฟังก์ชันสมาชิกของเป้าหมาย k และ g คือ coefficient ของ defined ค่าตอบแทนในช่วง [0,1] โดยการใช้ "นาทีดำเนิน" ใน Eq. (33), ปัญหา LP ต่อไปนี้สามารถเกิดขึ้น:ในการศึกษานี้ เราใช้รุ่น modified "ปุย และ" ผู้ประกอบการที่ได้รับการพัฒนา โดย Selim [18] รุ่นนี้ ใช้สมการต่อไปนี้เป็นฟังก์ชันวัตถุประสงค์เพื่อ reflect ความสำคัญของ lฟังก์ชันวัตถุประสงค์ ในลักษณะนี้ น้ำหนักสัมพัทธ์ของวัตถุประสงค์จะพิจารณา และในฟังก์ชันวัตถุประสงค์2.3.3. reflect วิธีสามารถถ่วงน้ำหนัก Tiwari et al. ของชั่งน้ำหนักสามารถวิธีใช้ Tiwari et al. ของ [14]ความสำคัญของเป้าหมายที่ชัดเจน กำหนดวิธีการนี้สามารถระบุต่อไปนี้:3.1. กรณีศึกษาภูมิภาคการสำรวจสภาพความยั่งยืนของรูปแบบการนำเสนอ การทดลองคำนวณจะทำใน problemin โลกตุรกี ในการนี้ เราชีวมวลเพื่อพลังงานเครือข่ายห่วงโซ่อุปทานในการออกแบบ aimto_มีร์ ซึ่งเป็นเมืองใหญ่อันดับสามในตุรกี มีประชากร ของประมาณ 4 ล้าน เป็นเกษตรและ stockbreeding ระหว่างกิจกรรมทางเศรษฐกิจมากที่สุดใน_มีร์ มีขยะมากมายทรัพยากรชีวมวลซึ่งสามารถใช้เป็นวัตถุดิบในพลังงานชีวมวล เพิ่มเติม specifically_อิซมีร์เป็นผู้ผลิตใหญ่เป็นอันดับสองในตุรกีสัตว์ปีกภาค และได้ก๊าซชีวภาพผลิตใหญ่ที่สุดสี่เกิดจากกากสัตว์ในตุรกี แม้นี้ชีวมวลสูงมีศักยภาพ ชีวมวลใช้ในการผลิตพลังงานในมีร์_ได้แทบทุกแบบจำลองนำเสนอจะใช้กับทั้งหมดเขต 20 ของ_มีร์ ทั้งหมดเขตของมีร์_จะถือว่าเป็นเว็บไซต์ที่มีศักยภาพสำหรับการจัดหาชีวมวล พลังงานชีวภาพพืช และชีวมวล storages ตะกรในรูปแบบ แผนที่ของภูมิภาคกรณีศึกษาเป็นภาพใน Fig. 2 แต่ละเขตจะถูกแสดง ด้วยตัวเลขในรูปแบบตามที่แสดงใน Fig. 2 เขตแผนที่ starred เป็นเมือง ดังนั้น ถือว่าเป็นจังหวัดหนึ่งในแบบจำลองความยาวของรอบระยะเวลาที่ใช้ในการทดลองของเราคำนวณหนึ่งเดือน และระดับการวางแผนเป็นปีที่ สาม3.2. ชีวมวลแหล่งรูปแบบนำเสนอมีสองชนิดของวัตถุดิบจะถูกแปลงเป็นพลังงาน: เสียชีวมวลในรูปของมูลและพลังงานพืชสัตว์ ในการนี้ สามชนิดของชีวมวลขยะ ได้แก่วัวมูล วางมูลไก่ และมูลไก่เนื้อไก่ และ พืชพลังงาน ไซเลจต่อข้าวโพด ถือเป็นวัตถุดิบที่จะใช้ โดยพืชพลังงานชีวมวล ชีวมวลมียอดถือเพิ่มขึ้นเรื่อย ๆ ด้วยอัตรา prespecified ข้อมูลเกี่ยวกับชีวมวลที่เกิดจากการเลี้ยงและการเกษตรคือ กัท

ผลลัพธ์ (ไทย) 2:

ฟังก์ชั่นสำหรับสมาชิกแต่ละ จำกัด เลือนสามารถนิยามดังต่อไปนี้ในการศึกษานี้รุ่น FGP ได้รับการพัฒนาโดยใช้วิธีการแก้ปัญหาที่แตกต่างกันเป็นฝอยเพื่อให้ DM สำหรับการแก้ปัญหาบุ๋มแย้ง Fi อื่น ๆ ที่กำหนดไว้สำหรับการตัดสินใจนโยบาย ในการนี้สามวิธีการแก้ปัญหาที่แตกต่างกันมีการจ้างงานคือ "นาทีผู้ประกอบการ" [12] "ฟัซซี่และผู้ประกอบการ" [13] และ "วิธีการเพิ่มน้ำหนัก" [14] วิธีการเหล่านี้จะนำเนยแข็งบรีฟลอริด้าและในต่อไปนี้. 2.3.1 ยามและ Zadeh นาทีของผู้ประกอบการซิมเมอ [15] เสนอยามและ Zadeh ของ [12] "นาทีผู้ประกอบการ "วิธีการเอนกประสงค์รุ่น LP ผู้ประกอบการนี้ถูกนำไปใช้มักจะเกิดจากการคำนวณง่ายและคุณสมบัติที่ดีหลาย อย่างไรก็ตามการแก้ปัญหาที่เกิดจากการดำเนินการต่ำสุดไม่ได้ชดเชยและไม่รับประกัน Pareto ดีที่สุด [16]. ตามที่ผู้ประกอบการนาทีเข้าถึงปัญหาการตัดสินใจที่จะเลือก x โดยการแนะนำลิตรตัวแปรเสริมซึ่งเป็นระดับที่น่าพอใจโดยรวมของการประนีประนอม ต่อไปนี้ปัญหา LP ทั่วไปสามารถรับได้: เพิ่มขึ้นลิตร LM 2.3.2 Werners "เลือนและ" ผู้ประกอบการในฐานะที่เป็นยามและ Zadeh ของ "นาทีผู้ประกอบการ" มุ่งเน้นเฉพาะสูงสุดของระดับสมาชิกขั้นต่ำก็ไม่ได้เป็นผู้ประกอบการชดเชยซึ่งหมายความว่าเป้าหมายที่มีระดับสูงของการเป็นสมาชิกไม่มีการซื้อขายออกเทียบกับเป้าหมายที่มี ระดับต่ำของการเป็นสมาชิก ในฐานะที่เป็นส่วนใหญ่ของปัญหาการตัดสินใจในโลกจริงปัญหาการวางแผนพลังงานจะไม่ noncompensatory หรือชดเชยอย่างเต็มที่ เพราะธรรมชาติของ noncompensatory ของผู้ประกอบการรวมของ "นาทีผู้ประกอบการ" ไม่มากเหมาะสำหรับการสร้างแบบจำลองปัญหาโลกแห่งความจริง สำหรับบางสาย EF คอมพิวเตอร์ประกอบการชดเชยเพียงพอ, ลายและ Hwang [17] สามารถเรียก Werners "เลือนและ" ผู้ประกอบการเป็นหนึ่งในผู้ประกอบการชดเชยมีประสิทธิภาพมากที่สุดที่สามารถใช้ในการตั้งค่าฟังก์ชั่นวัตถุประสงค์ในการเขียนโปรแกรมเลือนที่จะตรวจสอบผลลัพธ์ที่ดีกว่า. Werners [13] กำหนด "เลือนและ" ผู้ประกอบการดังต่อไปนี้: ðxÞเป็นสมาชิก ฟังก์ชั่นของเป้าหมาย k และกรัมเป็นไฟ COEF เพียงพอของค่าตอบแทนนิยามภายในช่วง [0,1] โดยการนำ "นาทีผู้ประกอบการ" ลงในสมการ (33), LP ปัญหาต่อไปนี้สามารถเกิดขึ้น: ในการศึกษาครั้งนี้เราจะใช้ไฟ Modi รุ่นเอ็ดของ "เลือนและ" ผู้ประกอบการที่ได้รับการพัฒนาโดย Selim [18] ในรุ่นนี้สมการต่อไปจะใช้เป็นฟังก์ชันวัตถุประสงค์เพื่อสะท้อนความสำคัญของ L กับฟังก์ชันวัตถุประสงค์ ในลักษณะนี้น้ำหนักสัมพัทธ์ของวัตถุประสงค์ได้รับการพิจารณาและบูรณาการในการทำงานวัตถุประสงค์. 2.3.3 ทิวา et al. หนักวิธีการเติมเราใช้ทิวา et al. ของ [14] วิธีเพิ่มน้ำหนักที่จะสะท้อนความสำคัญของเป้าหมายเลือน สูตรของวิธีการนี้สามารถตามที่ระบุไว้ดังต่อไปนี้: 3.1 กรณีศึกษาพื้นที่เพื่อสำรวจศักยภาพของการนำเสนอรูปแบบการทดลองการคำนวณจะมีขึ้นในโลกแห่งความจริง problemin ตุรกี ในเรื่องนี้เรา aimto ออกแบบชีวมวลพลังงานเครือข่ายห่วงโซ่อุปทานใน_ Izmir ซึ่งเป็นเมืองที่ใหญ่เป็นอันดับสามในตุรกีมีประชากรประมาณ 4 ล้าน ในฐานะที่เป็นการเกษตรและการเลี้ยงสัตว์เป็นหนึ่งในกิจกรรมทางเศรษฐกิจที่พบมากที่สุดใน_ Izmir มีอยู่เสียที่อุดมไปด้วยทรัพยากรชีวมวลซึ่งสามารถนำมาใช้เป็นวัตถุดิบในโรงงานพลังงานชีวภาพ ถอนรากถอนโคนที่ระบุเพิ่มเติม_ Izmir เป็นผู้ผลิตที่ใหญ่เป็นอันดับสองในตุรกีภาคสัตว์ปีกและมีก๊าซชีวภาพที่สี่ที่ใหญ่ที่สุดที่มีศักยภาพการผลิตจากของเสียสัตว์ในตุรกี ทั้งๆที่มีศักยภาพชีวมวลสูงนี้ใช้สารชีวมวลในการผลิตพลังงานใน_ Izmir คือแทบจะไม่ใด ๆ . การนำเสนอรูปแบบถูกนำไปใช้ทั้งหมด 20 มณฑลของ _ Izmir ทุกมณฑลของ _ Izmir ได้รับการพิจารณาเป็นเว็บไซต์ที่มีศักยภาพสำหรับการจัดหาเชื้อเพลิงชีวมวลพืชพลังงานชีวภาพชีวมวลและการเก็บรักษาในรูปแบบ แผนที่ของภูมิภาคกรณีศึกษาเป็นที่ปรากฎในรูป 2. แต่ละเขตจะแสดงเป็นตัวเลขที่อยู่ในรูปแบบที่เป็นที่ปรากฎในรูป 2. มณฑลแสดงบนแผนที่เป็นใจกลางเมืองจึงถือว่าเป็นหนึ่งในมณฑลในรูปแบบ. ความยาวของระยะเวลาที่ใช้ในการทดลองการคำนวณของเราเป็นหนึ่งเดือนและการวางแผนเป็นปีที่สาม. 3.2 แหล่งชีวมวลการนำเสนอรูปแบบรวมทั้งสองประเภทของวัตถุดิบที่จะกลายเป็นพลังงานชีวมวลของเสียในรูปแบบของมูลสัตว์และพืชพลังงาน ในการนี้สามประเภทของเสียชีวมวลคือปุ๋ยคอกวางมูลไก่และมูลไก่เนื้อและพืชพลังงาน, ข้าวโพดหมักได้รับการพิจารณาเป็นวัตถุดิบที่จะนำมาใช้โดยพืชพลังงานชีวภาพ ปริมาณชีวมวลที่มีอยู่จะถือว่าเพิ่มขึ้นเรื่อย ๆ ด้วยไฟ prespeci อัตราเอ็ด ข้อมูลเกี่ยวกับศักยภาพชีวมวลจากการเลี้ยงและการเกษตรเป็นเมืองกัท

ผลลัพธ์ (ไทย) 3:

ฟังก์ชันสมาชิกแต่ละข้อจำกัดฟัซซีสามารถ de จึงเน็ดดังนี้

ในการศึกษานี้ fgp แบบพัฒนาโดยใช้วิธีการที่แตกต่างกันเพื่อให้โซลูชั่นแบบ DM สำหรับเพิ่มเติมคอนเดนท์ โซลูชั่น จึงตั้งนโยบายการตัดสินใจ ในการนี้ต่างกัน 3 วิธีที่ใช้แก้ปัญหา คือ " มินผู้ประกอบการ " [ 12 ] " คลุมเครือและผู้ประกอบการ " [ 13 ] และ " วิธีการถ่วงน้ำหนักเพิ่ม " [ 14 ]วิธีเหล่านี้จะแนะนำต่อไปนี้ใน Brie fl Y .
2.3.1 . ยาม zadeh มินและผู้ประกอบการซิมเมอร์มันน์ [ 15 ] และเสนอสินค้างาน zadeh [ 12 ] " มิน
- " วิธีการ multiobjective LP รุ่น ผู้ประกอบการมักใช้เนื่องจากคำนวณง่าย และคุณสมบัติที่ดีหลาย อย่างไรก็ตามโซลูชั่นที่สร้างขึ้น โดยผู้ประกอบการจะไม่ทดแทน มิน และไม่รับประกันโตที่สุด [ 16 ] .
มินผู้ประกอบการเข้าถึงการตัดสินใจปัญหาคือเลือก x

โดยแนะนำ L ตัวแปรเสริม ซึ่งเป็นระดับที่น่าพอใจ โดย รวม ของ ประนีประนอม ต่อไปนี้ปัญหาแบบ LP ได้ :
l l เพิ่มเรื่อง m

2.3.2 .werners " คลุมเครือและผู้ประกอบการเป็นยาม " และ " มิน zadeh ผู้ประกอบการ " มุ่งเน้นเฉพาะ
สูงสุดของเกรดสมาชิกน้อยที่สุด ไม่ใช่ผู้ประกอบการชดเชย ซึ่งหมายความ ว่า เป้าหมายกับระดับสูงของสมาชิกจะไม่ซื้อขายปิดกับเป้าหมายที่มีระดับต่ำของการเป็นสมาชิก ขณะที่ส่วนใหญ่ของการตัดสินใจปัญหาในโลกแห่งความเป็นจริงปัญหาการวางแผนพลังงานไม่ noncompensatory หรือชดเชยอย่างเต็มที่ . เพราะธรรมชาติ noncompensatory ของกลุ่มผู้ประกอบการ " มินผู้ประกอบการ " ไม่เหมาะมากสำหรับการจำลองปัญหาโลกที่แท้จริง บาง computationally EF จึง cient ชดเชยผู้ประกอบการ , LAI และฮวาง [ 17 ] สามารถเรียกว่าwerners " เลือน " ผู้ประกอบการเป็นหนึ่งในมีประสิทธิภาพมากที่สุด ชดเชยผู้ประกอบการที่สามารถใช้ในการตั้งค่าเป้าหมายการทำงานในการเขียนโปรแกรมแบบฟัซซี่เพื่อศึกษาผลลัพธ์ที่ดี .
werners [ 13 ] PayPal " เลือน " ผู้ประกอบการดังนี้

ð x Þเป็นสมาชิกฟังก์ชันเป้าหมายของ K และ g คือ coef จึง cient ชดเชย de จึงเน็ดภายในช่วงเวลา [ 0.1 ]ด้วยการใช้ " มินผู้ประกอบการ " ในอีคิว ( 33 ) ต่อไปนี้ LP ปัญหาสามารถเกิดขึ้น :

ในการศึกษานี้เราใช้ Modi จึงเอ็ดรุ่น " เลือน " ผู้ประกอบการที่พัฒนาขึ้นโดยเซลิม [ 18 ] ในรุ่นนี้สมการต่อไปนี้จะใช้เป็นวัตถุประสงค์การทำงานอีกครั้ง fl ect ความสำคัญสัมพัทธ์ของ L
ไปยังฟังก์ชันวัตถุประสงค์ ในลักษณะนี้น้ำหนักสัมพัทธ์ของวัตถุประสงค์พิจารณาและบูรณาการในฟังก์ชันวัตถุประสงค์ .

2.3.3 . ทิวา et al . หนักเสริมวิธีการ เราใช้วิธีการเติมทิวา et al . [ 14 ] หนักอีกครั้ง fl ect
ความสำคัญสัมพัทธ์ของเป้าหมายแบบฟัซซี่ การกำหนดวิธีการนี้สามารถระบุได้ดังนี้


1 . กรณีศึกษาเขต
สํารวจความมีชีวิตของแบบจำลอง ,การทดลอง การคำนวณจะดำเนินการบนโลกจริง ปัญหาตุรกี ในการนี้เราต่อแบบชีวมวลพลังงานห่วงโซ่อุปทานเครือข่าย
_ Izmir ซึ่งเป็นเมืองใหญ่อันดับสามในตุรกีมีประชากร
ประมาณ 4 ล้าน เป็นเกษตรและผสมสัตว์ เป็นหนึ่งในกิจกรรมทางเศรษฐกิจที่พบมากที่สุดใน _ Izmir

เปล่ามีอยู่ รวยทรัพยากรชีวมวล ซึ่งสามารถใช้เป็นวัตถุดิบในพลังงานสิ่งอำนวยความสะดวก เพิ่มเติมประเภทจึงคอลลี่
_ Izmir , เป็นผู้ผลิตใหญ่เป็นอันดับสองในภาคสัตว์ปีกตุรกี
และมีมากที่สุดสี่ศักยภาพการผลิตก๊าซชีวภาพจากของเสียจากสัตว์ในตุรกี ทั้งๆที่มีศักยภาพชีวมวลนี้สูง การใช้ประโยชน์จากชีวมวลในการผลิตพลังงานใน _

Izmir เป็นแทบๆแบบจำลองที่ใช้ทั้งหมด 20 จังหวัด _ Izmir ทั้งหมดของ
ของมณฑล _ Izmir ถือเป็นพื้นที่ที่มีศักยภาพสำหรับการจัดหาพลังงานชีวมวลพืช
ชีวมวลและการเก็บรักษาในรูปแบบ แผนที่ของกรณีศึกษาเขตจะแสดงในรูปที่ 2 แต่ละมณฑลจะถูกแทนด้วยตัวเลขในรูปแบบที่ปรากฎในรูปที่ 2 ที่แสดงบนแผนที่เป็นเขตศูนย์กลางเมืองจึงถือว่าเป็นหนึ่งจังหวัดในรูปแบบ
ความยาวของระยะเวลาที่ใช้ในการทดลองเชิงคอมพิวเตอร์ของเราเป็นหนึ่งเดือน และขอบฟ้าวางแผน 3 ปี
3.2 . แหล่งชีวมวล
แบบจำลองประกอบด้วยสองประเภทของวัตถุดิบจะถูกแปลงเป็นพลังงานชีวมวลของเสียในรูปของมูลสัตว์และพลังงานพืช ในการนี้ สามประเภทของชีวมวลขยะได้แก่ ปุ๋ยคอก ปุ๋ยมูลไก่ ปุ๋ยมูลไก่ไข่และไก่เนื้อ และพลังงานพืช ข้าวโพดหมัก จะถือว่าเป็นวัตถุดิบที่จะใช้พลังงานจากพืช ของชีวมวลมีปริมาณเพิ่มขึ้นเรื่อย ๆถือว่าเป็น prespeci จึงเอ็ดคะแนน ข้อมูลเกี่ยวกับศักยภาพชีวมวลจากการเลี้ยงและการเกษตรเป็นกัท