Influence of wind power on hourly electricity prices and GHG emissions: Evidence that congestion matters from Ontario zonal data
Notice bibliographique
Résumé
With the growing share of wind production, understanding its impacts on electricity price and greenhouse gas (GHG) emissions becomes increasingly relevant, especially to design better wind-supporting policies. Internal grid congestion is usually not taken into account when assessing the price impact of fluctuating wind output. Using 2006-2011 hourly data from Ontario (Canada) , we establish that the impact of wind output, both on price level and marginal GHG emissions, greatly differs depending on the congestion level. Indeed, from a 3.3% price reduction when wind production doubles, the reduction jumps to 5.5% during uncongested hours, but is only 0.8% when congestion prevails. Similarly, avoided GHG emissions due to wind are estimated to 331.93 kilograms per megawatt-hour (kg/MWh) using all data, while for uncongested and congested hours, estimates are respectively 283.49 and 393.68 kg/MWh. These empirical estimates, being based on 2006-2011 Ontario data, cannot be generalized to other contexts. The main contribution of this paper is to underscore the importance of congestion in assessing the price and GHG impacts of wind. We also contribute by developing an approach to create clusters of data according to the congestion status and location. Finally, we compare different approaches to estimate avoided GHG emissions.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».