BAMBANG NIRYONO

NPM: 1406506704 - S2 TEKNIK INDUSTRI

TUGAS OERATION RESEARCH
REVIEW JURNAL:
Optimising the installation costs of renewable energy
technologies in buildings:
A Linear Programming approach

Karya: Giovanni Privitera, Antony R. Day, Gurjeet Dhesi, David Long

1. Identitas Jurnal
Jurnal yang direview adalah jurnal internasional Energy & Building
ELSEVIER (www. Elsevier.com/locate/enbuild) yang ditulis oleh Giovanni Privitera,
Antony R. Day, Gurjeet Dhesi, David Long. Jurnal yang berjudul: Optimising
the installation costs of renewable energy technologies in buildings: A
Linear Programming approach ini diterbitkan tahun 2011 oleh ELSEVIER sub
Energy & Buildings 43 vol 838-843.
2. Abstrak
Jurnal ini menunjukkan bagaimana Linear Programming (LP) dapat diterapkan
untuk membantu dalam pilihan teknologi energi terbarukan untuk memenuhi
CO2 dalam bangunan gedung dengan target pengurangan emisi. Banyak cara
untuk menggabungkan teknologi terbarukan yang berbeda, dengan biaya modal
yang terkait instalasi satu atau lebih energi terbarukan dapat bervariasi. Dalam
hal investasi untuk melakukan pengurangan emisi dalam bangunan itu
diperlukan modal salah satunya adalah biaya. Dalam hal investasi modal solusi
yang dipilih adalah satu setidaknya biaya, dan Linier Programming (LP)
menyediakan cara yang efektif untuk mencari nilai minimum melalui apa yang
disebut "Fungsi Tujuan". Proyek ini telah menggunakan "LP SOLVE", dan
penggabungan Integer Linear Programming dengan Excel Solver yang ada di
Microsoft Excel biasa disebut Carbo Emissions and Renewables for Building
Optimisation Toolkit (CARB-OPT) yang dikembangkan oleh RES Ltd bekerja sama
dengan London South Bank University (Renewable Environmental Services Ltd
atau RES ). RES adalah lembaga konsultasi Long dan Mitra Engineering Group.
RES saat ini terlibat dalam Transfer Pengetahuan Kemitraan (KTP) proyek dalam
hubungannya dengan Fakultas Teknik, Sains dan Lingkungan Bangunan (ESBE) di
London South Bank University). Makalah ini melaporkan aplikasi mengenai
proses optimasi LP untuk studi kasus bangunan dengan kombinasi alternatif
energi terbarukan. Proses ini menunjukkan campuran teknologi yang akan
menyebabkan investasi terkecil yang diperlukan untuk memenuhi UK Peraturan
Bangunan persyaratan dan target perencanaan daerah. Selain itu, proses ini
menawarkan metodologi yang kuat untuk menguji dampak dengan asumsi
utama mungkin memiliki pada solusi paling optimal.
3. Pendahuluan dan latar belakang
Inggris memiliki berbagai kebijakan untuk memenuhi target internasional dan
domestik dalam hal mengurangi emisi CO2. Karena hampir setengah dari emisi

CO di Inggris berasal dari bangunan, Peraturan Bangunan yang ada di Inggris

mengatur secara spesifik target pengurangan bangunan baru, dimana
didalamnya mencakup kontribusi 10% pengurangan dari energi terbarukan.
Kondisi Perencanaan lokal sering menerapkan persentase yang lebih tinggi,
misalnya target pengurangan ditetapkan oleh Greater London Authority (GLA)
adalah (pada saat menulis) 20%. Diperlukan pengurangan emisi CO2 tercapai
dengan cara menggunakan salah satu atau gabungan dari Renewable Energy
Technologies (). yang direkomendasi oleh GLA adalah pengembangan beberapa
indikator sebagai berikut: Generator angin (W), sistem fotovoltaik (PV), pemanas
air matahari panas (ST), pemanasan biomassa (BH), biomassa CHP (BCHP) dan
sumber panas pompa tanah (GSHPs) dan sejumlah faktor yang berdampak pada
kelangsungan hidup perlu dipertimbangkan pada tahap awal proyek. PV dan ST
termasuk pengukuran dengan orientasi bangunan lokal. Kondisi geografi
diperlukan untuk pengukuran diarea ( W), ruangan dalam tempat penyimpanan
bahan bakar (untuk BH dan BCHP), dan karakteristik bangunan (untuk HP).
Setelah satu set "energi terbarukan layak" ditentukan, langkah berikutnya
memerlukan penilaian kelayakan keuangan terhadap teknologi tersebut. Biaya
modal, biaya pemeliharaan dan pengembalian investasi adalah beberapa faktor
keuangan yang biasanya dipertimbangkan. Jurnal ini menyajikan program linear
(LP) algoritma yang dapat membantu dalam meminimalkan biaya modal untuk
mencapai pengurangan emisi CO2. Penelitian ini didasarkan pada penggunaan
"Emisi karbon Dan Renewables untuk Bangunan Optimasi Toolkit" (CARB-OPT),
menggunakan aplikasi Excel VBA berbasis pengguna yang dikembangkan oleh
RES Ltd bekerja sama dengan London South Bank University
4. Ringkasan Literatur
Setiap proses pengambilan keputusan strategis yang membutuhkan
maksimalisasi atau minimalisasi beberapa kuantitas yang dimodelkan oleh fungsi
linear, dan yang dibatasi oleh batas-batas tertentu, dapat dimodelkan dalam
masalah LP. LP algoritma secara luas diterima sebagai masalah kuantitatif yang
kuat pendekatan pemecahan, dan karena itu disesuaikan dengan berbagai
aplikasi. Selain itu penulis menjelaskan bagaimana LP adalah cara terbaik untuk
mengoptimalkan rencana produksi di sektor industri, di khususnya untuk minyak
bumi, baja, tekstil dan peralatan elektronik perusahaan. Salkin dan Kornbluth
menyajikan beberapa keuangan dan implikasi akuntansi LP. Mereka menunjukkan
bagaimana LP dapat diterapkan untuk kedua masalah jangka panjang dari Net
Present Value (NPV) maksimalisasi dan masalah jangka pendek dari biaya
organisasi minimisasi. LP algoritma diterapkan juga dalam perawatan kesehatan
dan biomedis. Jacobson et al. digambarkan contoh studi mana yang lebih kuat
Metodologi LP ditujukan pilihan vaksin dan pengadaan strategi. Amerika Edwards
Laboratories, katup jantung biologis perusahaan manufaktur di California,
menggunakan metodologi LP di 1980 untuk mengatasi kebutuhan
mengoptimalkan kelebihan dan kekurangan ukuran yang berbeda katup dalam
persediaan komponen biologisnya . Teknik optimasi LP bukanlah hal baru,
kebijakan perencanaan energi dan membangun layanan. Akella et al.
menggambarkan bagaimana sebuah LP berbasis perangkat lunak komersial,
LINDO 6.10, bisa mengatasi kebutuhan listrik dari daerah terpencil di India.

Iniyan dan Sumathy

mengembangkan energi terbarukan yang optimal
matematika
Model
(OREM)
berdasarkan
LP
yang
bertujuan
untuk
mengoptimalkan penggunaan untuk 6 penggunaan berbeda (pencahayaan,
memasak, memompa, pemanasan, pendinginan dan transportasi) di daerah
pedesaan di India. Cormio et al. menggunakan proses LP untuk mendukung
optimalisasi aliran fl energi Model (EFOM) mereka menerapkan untuk analisis
seluruh yang Sistem energi dari wilayah Apulia Italia. LP juga algoritma yang
mendukung proses optimasi yang dilakukan oleh "Pasar Alokasi "(MARKAL)
keluarga model sistem energi. Gustafsson menggunakan metodologi Mixed
Integer Linear Programming (MILP) untuk meminimalkan Biaya Siklus Hidup
untuk bangunan. Pendekatan MILP juga telah diterapkan oleh Bojic et al. ke /
bangunan
sistem
distribusi
panas
district
heating,
dengan
tujuan
mengoptimalkan kenyamanan termal bangunan yang spesifik di bawah
perubahan tertentu karakteristik sistem.

5. Studi Kasus: Identifikasi Masalah

Tujuan dari setiap algoritma LP adalah menemukan solusi optimal dari masalah
yang diberikan. Masalahnya dirumuskan oleh fungsi tujuan, yang perlu
diminimalkan atau dimaksimalkan dalam persamaan fungsi tujuan dan batas
kendala. Dalam studi kasus ini, fungsi tujuan diwakili oleh total biaya yang
dipasang dari sejumlah aktivitas sesuai target dari peraturan yang ada. Dengan
demikian, dalam kasus kami masalah optimasi yang diharapkan adalah
minimalisasi biaya dan tujuannya adalah untuk menjawab pertanyaanpertanyaan berikut:
Bagaimana kombinasi paling optimal yang harus dipasang dalam gedung ?
Apa kapasitas terpasang untuk masing-masing ini?
Untuk menggambarkan proses bertingkat udara disana terhadap bangunan
kantor ber AC di wilayah Greater London akan bertindak sebagai studi kasus.
Bangunan ini memiliki luas area secara kasar 11.500 m2, luas area per toko
sekitar 3800 m2. Memiliki luas area 3400 m2 yang menghadap ke selatan teras
di atas puncak lantai yang cocok untuk menginstal PV, ST dan W. Perhitungan
sementara berdasarkan tolok ukur menunjukkan bahwa bangunan total CO2
setelah dilaukan proses efisiensi dihasilkan 903,3 ton / tahun. Sejak GLA
memerlukan pengurangan emisi 20% menggunakan energi terbarukan (180,66
ton / tahun), maka akan perlu ditunjukkan bagaimana hal ini dapat dicapai
dengan melakukan campuran pemasangan. Keputusan kelayakan awal semacam
itu umumnya didasarkan pada isu-isu estetika dan ketersediaan ruang. Dengan
demikian, untuk studi kasus kami, kami memiliki:
Energi terbarukan Kelayakan: PV, ST.
Kemungkinan energi terbarukan : W, BH.
Energi terbarukan non-layak: BCHP, HP.

Proses optimasi LP memerlukan asumsi pada tipologi dan efisiensi dari PV dan
panel ST. Panel PV simulasi dalam penelitian ini adalah 1.28 m2 standar
polikristalin 160 Wp modul dengan efisiensi sekitar 12,5%, dan panel ST adalah
fl mengkilap di-plate kolektor dinilai sebesar 1,75 kW. Kemiringan panel PVand ST
diasumsikan 30. Untuk W pabrik ada 3 jenis macam turbin angin komersial
telah dipertimbangkan: kecil (S, rotor : 5 m - 2,5 kW), menengah (M, rotor :
6m-6kW) dan besar (L, rotor : 7 m - 10 kW). Produksi energi PV dan ST sangat
terkait dengan insiden radiasi matahari pada panel, sementara produksi W
energi terkait dengan kecepatan dan arah angin, yang keduanya pada lokasi
yang spesifik.

Tabel 1 rangkuman yang digunakan dalam proses optimasi 4 P, di mana "X" menunjukkan bahwa
RETs telah dimasukkan dalam analisis optimasi.

Dimensi dan kecenderungan teknologi mengarah ke daerah-daerah tertentu

yang diperlukan untuk menginstal 1 kW dari masing-masing teknologi. Untuk
PVand ST nilai-nilai ini termasuk ruang pemisahan antara panel yang diperlukan
untuk menghindari saling membayangi. Kebutuhan ruang ini telah dibawa
dengan membatasi luas maksimum yang tersedia pada eksternal Teras (3400
m2). BH Sistem kendala didasarkan pada ukuran bahwa boiler biomassa akan
harus memenuhi ruang gedung Permintaan pemanas - dalam hal ini 259 kW.
Asumsi lain berkaitan dengan pembangkit listrik ST maksimum, yang dibatasi
oleh total permintaan domestik air panas (DHW). Dalam hal ini pembangkit ST
terbatas 44 kW. Perhatikan bahwa BH dan sistem ST tidak bersaing karena
mereka melayani dua kebutuhan energi yang terpisah dan berbeda (pemanas
ruangan dan DHW pemanasan). Studi kelayakan atau lainnya yang menghasilkan
W dan BH, dengan 4 bagian yang dikombinasikan untuk mencapai optimalisasi
(minimalisasi untuk biaya modal pemasangan ):
P1. Mengingat kedua W and BH secara non-layak;
P2. Mengingat W tidak layak dan BH layak;
P3. Mengingat W layak dan BH non-layak:
P3A: turbin angin (Kecil);
P3B: turbin angin (Medium);
P3C: turbin angin (Large);

 P4. Mengingat kedua W dan BH layak:

P4A: turbin angin (Kecil);
P4B: turbin angin (Medium);
P4c: turbin angin (Large).
6. Studi kasus: Hasil Linier Programming
CARB-OPT alat LP menghitung P1 untuk solusi optimal P4 seperti menunjukkan
pada Tabel 2. Z * optimum (minimal) diinstal biaya yang terkait dengan masingmasing campuran teknologi tertentu, yang diinstal kapasitas adalah X * pv, X *
st, X * w dan X (kW). CARB-OPT juga dapat menghitung maximum biaya yang
dipasang (seperti yang ditunjukkan pada Tabel 3), yang merupakan investasi
terburuk untuk mencapai target pengurangan emisi 20%. Solusi untuk masalah
P1, yang tidak termasuk kemungkinan memasang BH and W plants (teknologi
campuran A), menunjukkan biaya investasi paling sedikit 2,388,460. Biaya ini
sangat dekat dengan nilai yang diperoleh dengan proses maksimalisasi sebesar
2,406,403), dengan pengembalian investasi terburuk. Sebaliknya, masuknya
BH sebagai teknologi layak akan memungkinkan pengurangan yang signifikan
dari biaya investasi, yang menunjukkan adanya solusi untuk masalah P2, dengan
biaya diminimalkan 1,038,271 dan campuran teknologi 116 kW dari PV dan
259 kW dari BH. Ini merupakan peningkatan optimalisasi yang baik dari solusi
P1. Perhatikan bahwa proses optimasi BH yang maksimum yang tersedia untuk
sumber daya ini (259 kW). Jika W dianggap layak, tetapi tidak BH, solusi optimal
adalah: 300 kW dari PV dan 1 angin ukuran kecil turbin (2,356,453, teknologi
campuran C1), 292 kW dari PV dan 1 media turbin angin ukuran ( 2.309.843,
teknologi campuran C2), 283 kW dari PV dan 1 besar turbin angin ukuran (
2,248,466, campuran teknologi C3). Dari hasil ini jelas bahwa kehadiran W dan
BH di energi terbarukan layak mengurangi biaya modal diminimalkan melalui P1.
Tapi hasil yang paling menarik muncul ketika menggabungkan kedua plan W dan
BH dengan dua energi terbarukan layak lainnya (masalah P4). Dalam hal ini,
dioptimalkan biaya turun secara dramatis. Solusi untuk P4 menunjukkan bahwa
investasi terbaik adalah yang berhubungan dengan campuran teknologi D3:
338,122 Total biaya untuk menginstal sebuah pabrik PV kecil (1,4 kW), Plant BH
dari 259 kW dan 5 turbin angin dengan ukuran besar. Hasil ini diringkas dalam
Gambar. 1 menggunakan seluruh kapasitas yang tersedia ST (44 kW, lihat Tabel
2).

Dengan demikian, biaya tahunan setiap ton CO2 yang disimpan menggunakan
PV akan 6500 / 0.59 = 13,220 sementara itu akan menjadi 1.750 / 0,1 =
20,400 menggunakan ST. Hasil yang disajikan telah divalidasi menggunakan MS
Excel Solver.

7. Studi kasus: Analisis Sensitivitas

Tabel 2 dan 3 menunjukan bahwa investasi yang dibutuhkan untuk energi
terbarukan akan berkisar antara 338,122 sampai 2,406,403. Rentang kisaran
ini menunjukkan potensi yang berisiko terhadap investasi ini adalah: untuk
mencapai Peraturan Bangunan yang ada, adalah mungkin untuk menghabiskan
lebih dari tujuh kali dari yang diperlukan. Dengan analisis yang ditawarkan oleh
proses LP pengembang bangunan ini akan diberitahu tentang potensi tentang
resiko itu. 2,068,282 biaya dihindari timbul dari solusi teknologi yang berbeda.
Namun, dengan menggunakan model matematika selalu membutuhkan sejumlah

asumsi yang akan dibuat. Sejauh ini kita telah berurusan dengan asumsi yang
berkaitan dengan dimensi bangunan, kebutuhan energi dan RET spesifikasispesifikasi. Namun, hasil telah dihasilkan dengan menggunakan biaya yang tetap
untuk setiap teknologi. Biaya-biaya ini, ditunjukkan pada Tabel 4, telah ditarik
dari RES Ltd basis data biaya dan didasarkan pada harga yang diinstal nyata.
Asumsi biaya ini mempengaruhi total biaya terpasang masalah LP, sedangkan
asumsi yang berkaitan dengan dimensi bangunan, kebutuhan energi dan
menghasilkan kendala. Dalam dunia nyata ada kemungkinan bahwa asumsi
maychange, khususnya yang berkaitan dengan RET biaya. Oleh karena itu
penting untuk menyelidiki dampak dari variasi tersebut. Melakukan analisis
sensitivitas tersebut meningkatkan nilai dari proses optimasi yang dijelaskan
sejauh ini.

Berikut ini kita akan menggambarkan analisis sensitivitas terkait dengan solusi
P4 (campuran D3), karena masalah ini merupakan kasus yang paling umum.
Tujuan dari analisis sensitivitas ini adalah untuk menjawab pertanyaanpertanyaan berikut:
Jika biaya koefisien koefisien berubah, apakah campuran teknologi D3 tetap
solusi terbaik dari masalah P4?
Jika kendala berubah, bagaimana perubahan biaya terendah dipasang?
Tabel 5 dan 6 menyajikan hasil analisis sensitivitas. Untuk setiap RETs, Tabel 5
berisi nilai dari biaya koefisien masing-masing yang telah digunakan dalam
proses LP bersama-sama dengan penurunan yang diijinkan dan peningkatan
untuk setiap biaya teknologi. Diijinkan penurunan dan kenaikan bentuk batasbatas "berbagai optimalitas". Dengan kata lain, 1,4 kW dari PV Plant, 5 turbin
angin yang besar dan 259 kW sistem pemanas biomassa masih tetap campuran
teknologi yang mengarah ke paling investasi modal untuk biaya PV yang berkisar
antara 696 dan 9,679/ kW. Hal ini berlaku sedangkan biaya koefisien lainnya
tetap tidak berubah. Komersial diinstal rentang biaya saat PV adalah antara
6,000 dan 9,600/ kW, yang terletak dalam kisaran PV optimal yang
mempertahankan D3 sebagai solution. PV optimal Selama fase yang berbeda
dari kendala proses desain dapat berubah dan perubahan kendala menyebabkan
perubahan biaya pemasangan. Hal ini juga memungkinkan untuk menyelidiki
sensitivitas dari asumsi yang ditetapkan kendala untuk masalah LP, yaitu

geometri bangunan dan ketersediaan

uang. Dalam hal ini kita melihat
bagaimana nilai biaya bervariasi satu sama lain.

Tabel 6 berisi nilai-nilai kendala yang memiliki telah diterapkan untuk masalah
P4, dan menunjukkan bahwa setiap kendala memiliki terkait "bayangan harga".
"Bayangan harga" dari kendala spesifik merupakan kenaikan (atau penurunan)
dari biaya minimal dipasang per unit peningkatan (atau penurunan) itu kendala
tertentu. Sebagai contoh, menurut hasil pada Tabel 6 jika, untuk alasan apapun
yang berhubungan dengan proses desain, target pengurangan yang meningkat 1
unit (yaitu 180,66-181,66 ton / tahun CO untuk kendala 1) biaya pemasangan
setidaknya akan menaikkan 13,219. Analisis sensitivitas memberikan banyak
hal. Tabel 6 juga berisi penurunan yang diijinkan dan meningkatkan untuk
kendala, yang mendefinisikan dengan "rentang penerapan": mekanisme harga
bayangan sudah dijelaskan akan berlaku selama kendala tetap dalam kisaran ini.
Jadi, dalam contoh kita, kita dapat mengatakan bahwa dalam pengurangan emisi
sasaran kisaran 179,84-231,66 (180,66 + 51 -0,82) ton CO2 / y biaya
pemasangan setidaknya akan bervariasi oleh 13,219 / ton. Hal ini juga menarik
untuk mempertimbangkan kasus-kasus di mana harga bayangan tidak berubah
(contoh untuk kendala 2 dan 4). Tabel 6 memberitahu kita bahwa untuk daerah
lebih besar dari 2,515 m2 (yaitu 3400-885) tidak ada perubahan dalam biaya
pemasangan minimal. Hasil ini juga memberitahu kita bahwa daerah 2515 m2
merupakan ruang minimum yang akan diperlukan untuk menginstal PV dan W
Plant sesuai teknologi campuran D3 (1,4 kW fotovoltaik dan 5 turbin angin yang
besar). Mengingat kendala 4 pada Tabel 6, kisaran harga bayangan penerapan
(dari 0 kW tidak ada batas atas) menunjukkan bahwa biaya pemasangan tidak
akan terpengaruh oleh modifikasi kendala. Hasil ini, membuktikan fakta bahwa
optimasi LP berkisar 0 kW untuk ST dalam campuran teknologi D3.
8. Kesimpulan
Dalam tulisan ini kami telah menyelidiki aplikasi Linear Programming untuk
mengoptimalkan biaya diinstal teknologi energi terbarukan untuk bangunan.
Secara khusus, alat Linear Programming telah tertanam dalam aplikasi Microsoft
Excel disebut "CARBOPT" yang dikembangkan oleh RES Ltd bekerja sama dengan
London South Bank University. Alat ini proses berbagai parameter masukan dan
kendala yang terkait dengan sejumlah energi terbarukan layak dan
mengembalikan campuran Plant teknologi terbarukan ukuran yang dibutuhkan

untuk memenuhi bangunan dan perencanaan peraturan pada biaya modal

terpasang minimum. metodologi telah ditunjukkan untuk studi kasus yang
spesifik bangunan kantor 11.500 m2 yang berlokasi di London, dan telah
divalidasi dengan menggunakan MS Excel Solver. Hasil menunjukkan bahwa
investasi yang dibutuhkan untuk mencapai pengurangan CO wajib akan berkisar
antara 338,122 dan 2,406,403, tergantung pada energi terbarukan dianggap
layak.
Referensi
[1] The Office of the Deputy Prime Minister, The Building Regulations 2000. The
Conservation of Fuel and Power L2A, NBS, 2006, p. 14.
[2] Mayor of London, The London Plan, Greater London Authority, 2008, p. 205.
[3] Secretary of State for Trade Industry, Integrating Renewable Energy into New
Developments: Toolkit for Planners, Developers and Consultants, 1st ed., Greater London
Authority, London, 2004, pp. 1718.
[4] D.R. Anderson, D.J. Sweeney, T.A. Williams, An Introduction to Management Science.
Quantitative Approaches to Decision Making, 9th ed., South-Western College Publishing,
2000.
[5] N.J. Driebeek, Applied Linear Programming, 1st ed., Addison-Wesley Publishing
Company, 1969.
[6] G. Salkin, J. Kornbluth, Linear Programming in Financial Planning, 1st ed., Haymarket
Publishing Limited, London, 1973.
[7] S.H. Jacobson, E.C. Sewell, R. Deuson, B.G. Weniger, An integer programming model
for vaccine procurement and delivery for childhood immunization: a pilot study, Health
Care and Management Science 2 (1999) 19.
[8] S.S. Hilal, W. Erikson, Matching supplies to save lives: linear programming the
production of heart valves, Interfaces 11 (6) (1981) 4856.
[9] A.K. Akella, M.P. Sharma, R.P. Saini, Optimum utilization of renewable energy sources
in a remote area, Renewable and Sustainable Energy Reviews 11 (2007) 894908.
[10] S. Iniyan, K. Sumathy, The application of a Delphi technique in the linear
programming optimization of future renewable energy options for India, Biomass and
Bioenergy 24 (2003) 3950.
[11] C. Cormio, M. Dicorato, A. Minoia, M. Trovato, A regional planning methodology
including renewable energy sources and environmental constraints, Renewable and
Sustainable Energy Reviews 7 (2003) 99130.
[12] A. Kanudia, R. Loulou, Robust responses to climate change via stochastic MARKAL:
the case of Qubec, European Journal of Operational Research 106 (1998) 1530.
[13] N. Strachan, S. Pye, R. Kannan, The iterative contribution and relevance of modelling
[14] Department of Trade and Industry (2007) Meeting the Energy Challenge a White
Paper on Energy, May 2007. [Online] Available from:
http://www.berr.gov.uk/files/file39387.pdf [Accessed 29 January 2010].
[15] D.R. Anderson, D.J. Sweeney, T.A. Williams, An Introduction to Management Science
Quantitative Approaches to Decision making, 9th ed., South-Western College Publishing,
2000, p. 90.
[16] S.-I. Gustafsson, Mixed integer linear programming and building retrofits, Energy and
Buildings 28 (1998) 191196.
[17] S.-I. Gustafsson, Optimal fenestration retrofits by use of MILP programming
technique, Energy and Buildings 33 (2001) 843851.
[18] M. Bojic, N. Trifunovic, S.I. Gustafsson, Mixed 01 sequential linear programming
optimization of heat distribution in a districtheating system, Energy and Buildings 32
(2000) (2000) 309317.
[19] MS Excel Solver, available at http://www.solver.com/technology2.htm.