how to upload pdf file in database using asp.net c# : Search a pdf file for text SDK application service wpf html windows dnn Profitability-Analysis-of%20Large-Scale-Photovoltaic-Power-Plants1-part782

10 
2.2 The Generalized Lognormal Distribution: 
Generalized-lognormal distributions is a family of probability distributions that is 
characterized by 3 parameters, which are called the quartile boundary points. Actually, the 
latter are values that divide the probability region (area under the probability curve) into four 
regions which are equally likely to involve the actual value of the unknown variable 
described by this kind of distributions. This means that the 3 quartile boundary points, which 
we may denote by Q
1
, Q
2
and Q
3
, correspond to the values of the Generalized-Lognormal 
probability distribution at the cumulative probability levels 0.25, 0.5 and 0.75, respectively. 
Therefore, the four regions or quartiles delimited by the quartile boundary points all have the 
same probability which is ¼. 
This family of probability distributions describes random variables of the form c*X + d 
such that X is a normal or lognormal random variable. Actually, a random variable Y is said 
to be log-normally distributed if its natural logarithm LN(Y) follows a normal distribution. 
Therefore, if we take the exponential of any normal random variable with mean 
μ
and 
standard deviation 
σ
, we will get a lognormal variable with log-mean 
μ 
and log-standard 
deviation 
σ
. The normal and lognormal distributions are just special cases of the Generalized-
lognormal probability distribution. The latter becomes a normal distribution when the 
quartile boundary points have equal differences; that is, when Q
3
Q
2
= Q
2
Q
1
. In this case, 
the mean of the normal random variable is Q
2
. Since the natural logarithm of a lognormal 
random variable follows a normal distribution, a random variable X following a Generalized-
Lognormal distribution turns out to be a lognormal variable when LN(X) is normally 
distributed, meaning that:  
Search a pdf file for text - search text inside PDF file in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Learn how to search text in PDF document and obtain text content and location information
text searchable pdf; cannot select text in pdf
Search a pdf file for text - VB.NET PDF Text Search Library: search text inside PDF file in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Learn How to Search Text in PDF Document and Obtain Text Content and Location Information in VB.NET application
pdf searchable text; find and replace text in pdf file
11 
LN(Q
3
) - LN(Q
2
) = LN(Q
2
) - LN(Q
1
Which implies that: 
LN(Q
3
/Q
2
) = LN(Q
2
/Q
1
Since the natural logarithm is a one-to-one function, the equality above implies that: 
Q
3
/Q
2
= Q
2
/Q
1
Hence, we can say that the generalized lognormal distribution turns out to be a lognormal 
distribution when the quartile boundary points have equal ratios. In this case, the log-mean of 
the lognormal random variable is LN(Q
2
). 
2.3 SimTools: 
The statistical tool we will be using in our analysis is SimTools. Actually, SimTools 
is an Excel add-in that provides statistical functions and procedures for performing the Monte 
Carlo simulation and risk analysis in excel sheets. This add-in adds to Excel different 
categories of functions and procedures, among which there is: 
Inverse Cumulative Probability Functions 
Functions for Working with Correlations among random variables 
Functions for decision analysis 
Functions for analyzing discrete probability distributions 
Functions for regression analysis 
Functions for randomly generating discrete distributions 
The main category of functions we will be using in our uncertainty analysis is the inverse 
cumulative probability functions. Given a cumulative probability level, these functions can 
be used to compute the value of a certain random variable corresponding to that specific 
C# Word - Search and Find Text in Word
PDF to text, C#.NET convert PDF to images, C#.NET PDF file & pages edit, C#.NET PDF pages extract, copy, paste, C#.NET rotate PDF pages, C#.NET search text in
convert pdf to searchable text; pdf make text searchable
VB.NET PDF File Compress Library: Compress reduce PDF size in vb.
Embedded print settings. Embedded search index. Bookmarks. Flatten visible layers. VB.NET Demo Code to Optimize An Exist PDF File in Visual C#.NET Project.
converting pdf to searchable text format; how to select text in a pdf
12 
probability level. For instance, among the functions provided by Simtools there is 
NORMINV(), which is the inverse cumulative probability function for normal probability 
distributions. This function takes as parameters a cumulative probability level, the mean of a 
normal random variable and its standard deviation, and produces as an output the value of the 
normal random variable corresponding to the specified cumulative probability level. Also, 
among the functions we will be using in our simulation, there is the RAND() function. The 
latter is used to generate random numbers between 0 and 1, and thus it can be used to 
randomly generate cumulative probability levels. Actually, if we combine an inverse 
cumulative probability function such as NORMINV() with the RAND() function; that is, if 
we use the result of  RAND() as the cumulative probability level instead of providing a 
specific number, we can randomly generate values of a given normal random variable. 
Similarly, we can use a function called GENLINV() with RAND() to simulate a random 
variable that follows the Generalized Lognormal distribution. Also, we can simulate a 
lognormal random variable through simulating its natural logarithm (which is a normal 
random variable) and then taking the exponential of the simulated result. In other words, if 
we have a lognormal random variable with log-mean m and log-standard deviation s, we can 
simulate the variable using EXP(NORMINV(RAND(), m, s)). 
2.4 Subjective Probability Assessment: 
The uncertainty involved in any unknown quantity can be hard to describe by a 
probability distribution if there is no comparable data for the random variable we are trying 
to model. For instance, if we are taking into consideration a certain stock price for which we 
already have historical records of at least the last 30 years, we may use that historical data to 
predict the stock price in the future. However, in case we are trying to predict the potential 
C# PDF delete text Library: delete, remove text from PDF file in
option). Description: Delete specified string text that match the search option from PDF file. Parameters: Name, Description, Valid Value.
cannot select text in pdf file; search pdf documents for text
C# PowerPoint - Search and Find Text in PowerPoint
PDF to text, C#.NET convert PDF to images, C#.NET PDF file & pages edit, C#.NET PDF pages extract, copy, paste, C#.NET rotate PDF pages, C#.NET search text in
text select tool pdf; search a pdf file for text
13 
demand for a new product, it will be inappropriate to use the performance of products that 
have been introduced in the past in the sense that we would neglect the features and 
specificities of the new product. 
Indeed, in a lot of situations uncertainty analysis is difficult, but one can still describe the 
uncertainty about an unknown quantity using some probability distribution. Actually, anyone 
can use the information that is available to them at a specific point in time to come up with a 
model that describes his/her beliefs about an unknown quantity. Such an assessment is 
subjective in the sense that different people will have different beliefs about a given quantity. 
That is why it is called subjective probability assessment. In practice, to subjectively assess 
an unknown quantity with continuous distribution, we often start with an assessment of the 
three quartile points that divide the area under the curve into four equally likely intervals. 
DESIGN OF THE FINANCIAL MODEL 
1.  Overview of the Methodology: 
The economic analysis that will be undertaken in this study consists of assessing the 
economic viability of investing in a large-scale PV power plant through simulation of the net 
present worth of the profits that may be realized over a period of 15 years. Since the investment 
will have a huge capital cost, we will assume that it will staggered by the investor over 5 years 
through incrementing the capacity of the facility during the 5 1
st
years. In fact, we will be 
considering two investment plans that may be considered by investors in PV power plants. The 
first plan consists of continuing the extension of the facility regardless of the amount of sales 
(annual sales will be measured in kWh) made in the first year. As for the second plan, the project 
C# PDF File Compress Library: Compress reduce PDF size in C#.net
size, images size reducing can help to reduce PDF file size effectively. will also take up too much space, glyph file unreferenced can be Embedded search index.
how to search text in pdf document; pdf find text
C# PDF replace text Library: replace text in PDF content in C#.net
Replace old string by new string in the PDF file. option, The search and replace match rules. Description: Delete specified string text that match the search
select text in pdf file; search pdf files for text programmatically
14 
will be terminated if we do not reach a certain amount of sales at the end of the first year of 
operation. Because comparable data that would provide good costs and benefits estimates of such 
plants is scarce, a lot of assumptions need to be made in order to facilitate our analysis. 
The economic viability of investing in solar PV plants will be analyzed through simulation of 
the Net Present Value (NPV) of the annual cash flows that may be generated from selling the 
electricity generated by the plant over a period of 15 years, using a 2.5 % discount rate. The 
simulation will be done on Excel. As it is the case with any new product or service, it is really 
hard to achieve a good amount of sales at the very beginning. In reality, what happens is that the 
sales keep growing significantly during the first years until they reach a level around which they 
will keep varying in the future. Therefore, we will be using the annual logarithmic growth rate to 
predict the energy sales that may be realized from exploiting a 25 MW solar PV plant. The 
assumptions made to estimate the fixed costs, the logarithmic growth rate of sales, and the 
benefits will be discussed later in the report. 
In the absence of a regulatory framework with respect to which we can develop our financial 
model, we will assume that the energy generated can be either sold directly to subscribers or to 
the state-owned utility ONE that will take care of the distribution. It can also be a combination of 
the two although it is sometimes hard to cover all subscribers’ needs by solar energy solely. 
When power is sold to a customer, a Power Purchase Agreement (PPA) is signed between the 
power producer and its customer(s). Such an agreement imposes on the power producer to keep 
supplying energy at a fixed price throughout the duration of the agreement without taking into 
consideration the changes in prices [7]. We will assume that the power supplied to the grid will 
not necessarily be the total power produced by the plant. Also, we will assume that the PV power 
plant will be built in the  region of Ouarzazate. 
VB.NET PDF replace text library: replace text in PDF content in vb
Replace Text in PDF File. The following coding example illustrates how to perform PDF text replacing function in your VB.NET project, according to search option
search text in multiple pdf; how to select text in pdf image
VB.NET PDF- View PDF Online with VB.NET HTML5 PDF Viewer
Name. Description. 13. Page Thumbnails. Navigate PDF document with thumbnails. 14. Text Search. Search text within file by using Ignore case or Whole word search
search multiple pdf files for text; select text in pdf
15 
2.  Estimations and Assumptions: 
All the tables listed below were taken from the Excel sheet that was used for simulation. 
2.1 Fixed Costs and Electricity Selling Price: 
Before discussing the costs estimation, it is worth mentioning that all costs and benefits 
will be expressed in U.S. dollars. The costs that were taken into consideration are the capital cost 
(i.e. the construction cost) and the fixed Operations and Maintenance (O&M) cost. According to 
Lazard’s Levelized Cost of Energy Analysis, it can be assumed t
hat a utility-scale PV power 
plant with single-axis tracking would cost around 1750 $/kW, while the O&M cost of such a 
plant would be 20 $/kW-year [8]. So, a rough estimation of a 25MW plant capital cost would be: 
25000 kW * 1750 $/kW = $43750000 
The investment will be staggered over a period of 5 years, which means that the installation will 
be done through 5 stages. During the 1
st
stage (at the beginning of the 1
st
year), the installed 
capacity will be 10 MW, and it will be extended by 6 MW in the 2
nd
year, then by 5 MW in the 
3
rd
year, and finally by 2 MW in each of the 4
th
and 5
th
years so that we reach a final capacity of 
25 MW. The selling price of the generated electricity is assumed to be 0.12 $/kWh. 
The fixed costs of building/extending/maintaining the PV power plant as well as the electricity 
selling price are summarized in table 2.1.1: 
Year 1 (10 MW) 
-$17,500,000 
Year 2 (6 MW) 
-$10,500,000 
Year 3 (5 MW) 
-$8,750,000 
Years 4 & 5 (2 MW) 
-$3,500,000 
Variable O&M cost ($/kW-yr) 
-$20.00 
Power price/kWh ($/kWh) 
$0.12 
Table 2.1.1: Fixed Costs and Electricity Selling Price 
16 
2.2 Logarithmic Growth Rate Estimations: 
The annual logarithmic growth rate of electricity sales is assumed to have the statistics 
shown in will table 2.2.1. 
Year 
E(ln(S
t
/S
t-1
)) 
Stdev(ln(S
t
/S
t-1
)) 
0.5 
0.3 
0.3 
0.2 
0.2 
0.15 
0.1 
0.07 
0.04 
0.04 
0.04 
0.04 
10 
0.04 
11 
0.04 
12 
0.04 
13 
0.04 
14 
0.04 
15 
0.04 
Table 2.2.1: The assumed annual logarithmic growth  
Table 2.2.1 lists the expected value and standard deviation of the annual sales logarithmic growth 
rate for a period of 15 years. For each year t, S
t
represents the sales realized during that year, 
while S
t-1
represents the sales of the previous year. The growth is expected to be high during the 
first 5 years because the capacity of the plant will be substantially increased during that period 
with annual capacity increments decreasing each year as discussed in section 2.1. In fact, the 
logarithmic growth rate can be affected by many factors like meteorological conditions of the 
site, the nature of the PPA, the consumption or needs of individual customers (in case we are 
supplying power to different customers) e
tc… To simplify the complexity of reality, let us 
assume that the suggested statistics of the sales logarithmic growth rate represent a good 
17 
estimation of what the growth would really be. To simulate the logarithmic growth rate for each 
year, we use the NORM.INV function as the following: 
NORM.INV(RAND(), E(ln(S
t
/S
t-1
)), Stdev(ln(S
t
/S
t-1
))) 
2.3 Expected Plant Production: 
First Solar, which is a leading manufacturer of solar PV modules designed for large-scale 
PV plants, provides an Energy Capacity Assessment tool on its website for energy investors. 
This tool gives the possibility to calculate the expected plant production of a solar PV plant that 
the user can plot on a map. More importantly, this tool can be used to predict the output of a PV 
power plant anywh
ere in the world using that location’s specific irradiation and meteorological 
conditions. Table 2.3.1 shows the expected electricity production of the plant over the 15 years 
period. 
Year 
Expected Power Production 
(kWh) 
23500000 
36500000 
49500000 
54000000 
58000000 
58000000 
58000000 
58000000 
58000000 
10 
58000000 
11 
58000000 
12 
58000000 
13 
58000000 
14 
58000000 
15 
58000000 
Table 2.3.1
: Expected power production estimated using First Solar’s E
nergy Capacity 
Assessment Tool [9] 
18 
2.4 Subjective Probability Assessment of the 5th Year Sales: 
It was assumed that the sales during the 5
th
year follow a generalized-lognormal 
probability distribution. Table 2.4.1 shows the subjectively assessed quartile boundary points of 
sales in the 5
th
year that were obtained based on the recommendations of subject matter experts. 
Quartiles 
Q1 
Q2 
Q3 
Sales in Year 5 (kWh) 
55000000
56500000
57500000
Table 2.4.1: Subjectively assessed quartiles boundary points for year 5 
These quartile boundary points are used to simulate the sales in the 5
th
year. If we check for the 
equality of differences (whether Q3-Q2 = Q2-Q1) and equality of ratios (whether Q3/Q2 = 
Q2/Q1), we find that neither of them is satisfied. Therefore, the simulation of the 5
th
year sales is 
done using the Inverse Cumulative Probability function: 
GENLINV(RAND(),
55000000, 56500000, 57500000
When the sales in year 5 are simulated, the simulated annual sales growth rates are used to 
calculate the simulated sales for the previous years, using the following formula: 
S
t
= S
t+1 
/ Exp(LGR
t+1
where LGR
t+1
denotes the Logarithmic Growth Rate corresponding to the year following the one 
we are interested in. Similarly, the simulated annual sales growth rates are used to calculate the 
simulated sales for the years following the 5
th
year, using the following formula: 
S
t
= S
t-1
* Exp(LGR
t
19 
RESULTS OF THE MONTE CARLO SIMULATION AND DISCUSSION 
1.  Simulation of Sales: 
Table  1.1 shows the expected growth and sales corresponding to each of the 15 years. 
Yea
E(ln(st/st-
1)) 
Stdev(ln(st/st
-1)) 
Growth 
Energy Sales 
(kWh) 
Expected Power Production 
(kWh) 
14890585.93 
23500000 
0.5 
0.3 
0.4533697
52 
23431914.22 
36500000 
0.3 
0.2 
0.7478737
21 
49500000 
49500000 
0.2 
0.15 
-
0.1205945
44168131.8 
54000000 
0.1 
0.07 
0.1715427
69 
52433531.36 
58000000 
0.04 
0.0029738
38 
52589692.27 
58000000 
0.04 
-
0.0509649
68 
49976613.62 
58000000 
0.04 
-
0.0357154
87 
48223173.4 
58000000 
0.04 
-
0.0899341
61 
44075563.81 
58000000 
10 
0.04 
-
0.0287450
88 
42826644.02 
58000000 
11 
0.04 
0.0264172
11 
43973080.68 
58000000 
12 
0.04 
-
0.0645764
38 
41223200.06 
58000000 
13 
0.04 
0.1150199
68 
46248136.64 
58000000 
14 
0.04 
0.0005440
55 
46273305.02 
58000000 
Documents you may be interested
Documents you may be interested