MétaCan
Menu
Retour à la cohorte
Enregistrement W1525859023 · doi:10.5772/27043

Analysis of Time Dependent Valuation of Emission Factors from the Electricity Sector

2011· book-chapter· en· W1525859023 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInTech eBooks · 2011
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésValuation (finance)ElectricityEconomicsBusinessEnvironmental economicsEconometricsElectrical engineeringFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

In recent years, energy consumption and associated Greenhouse Gas (GHG) emissions and their potential effects on the global climate change have been increasing. Climate change and global warming has been the subject of intensive investigation provincially, nationally, and internationally for a number of years. While the complexity of the global climate change remains difficult to predict, it is important to develop a system to measure the amount of GHG released into the environment. Thus, the purpose of this chapter is to demonstrate how several methods can accurately estimate the true GHG emission reduction potential from renewable technologies and help achieve the goals set out by the Kyoto Protocol reducing fuel consumption and related GHG emissions, promoting decentralization of electricity supply, and encouraging the use of renewable energy technologies. There are several methods in estimating emission factors from facilities: direct measurement, mass balance, and engineering estimates. Direct measurement involves continuous emission monitoring throughout a given period. Mass balance methods involve the application of conservation equations to a facility, process, or piece of equipment. Emissions are determined from input/output differences as well as from the accumulation and depletion of substances. The engineering method involves the use of engineering principles and knowledge of chemical and physical processes (EnvCan, 2006). In Guler (2008) the method used to estimate emission factors considers only the total amount of fuel and electricity produced from power plants. The previous methodology does not take into consideration the offset cyclical relationship, daily and yearly, between electricity generated by renewable technologies. It should be noted that none of the methods mentioned above include seasonal/daily adjustments to annual emission factors. Specifically, the proposed research would include analyzing existing methods in calculating emission factors and attempt to estimate new emission factors based on the hourly electricity demand for the Province of Ontario. In this Chapter, several GHG emission factor methodology was discussed and compared to newly developed monthly emission factors in order to realize the true CO2 reduction potential for small scale renewable energy technologies. The hourly greenhouse gas emission factors based on hour-by-hour demand of electricity in Ontario, and the average Greenhouse Gas Intensity Factor (GHGIFA) are estimated by creating a series of emission factors and their corresponding profiles that can be easily incorporated into simulation

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,234
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle