MétaCan
Menu
Retour à la cohorte
Enregistrement W1987496248 · doi:10.1016/j.egypro.2009.02.247

A multi-period optimization model for energy planning with CO2 emission considerations

2009· article· en· W1987496248 sur OpenAlexaffabout
Tule Sirikitputtisak, H. Mirzaesmaeeli, Peter Douglas, Eric Croiset, Ali Elkamel, Murlidhar Gupta

Notice bibliographique

RevueEnergy Procedia · 2009
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensNatural Resources CanadaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReduction (mathematics)ElectricityRetrofittingFlexibility (engineering)Greenhouse gasPurchasingKyoto ProtocolEnvironmental economicsFuel efficiencyLinear programmingComputer scienceOperations researchEngineeringMathematical optimizationOperations managementAutomotive engineeringEconomicsElectrical engineeringMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

A multi-period optimal energy planning program for Ontario has been developed in mixed-integer non-linear programming using General Algebraic Modeling System, GAMS. The program applies both time-dependent and time-independent constraints. These include, but not limited to, construction time, fluctuation of fuel prices, and CO2 emission reduction target. It also offer flexibility of fuel balancing and fuel switching of the existing boilers and option purchasing of Carbon credit if the reduction target is not achievable. The objective function incorporates all these constraints as well as minimizes over all the cost of electricity and meets the projected electricity demand over a span of 14 years. Originally it was used for only two study cases which are the base case scenario for Ontario where no CO2 emission reduction target is applied and the 6% reduction case to meet the Kyoto Protocol; to reduce its CO2 emission to 6% below that of 1990. This project utilizes the program for various similar study cases and beyond. The Ontario’s study cases include different CO2 emission reduction targets ranging from 6% to 75% below 1990 levels by 2012. The overall cost of the electricity for different CO2 emission reduction targets increases linearly with slope of 1.3. Carbon capture and sequestration, retrofitting of the carbon capture and storage, and fuel switching are the main strategy in order to keep the cost of electricity relative low and satisfy the CO2 emission constraints. These results help us better understand the factors affecting the fleet’s structure. It may also help plan the energy direction of Ontario and perhaps serve as an example for other provinces, territories, states, and even countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil0,435

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,021
Tête enseignante GPT0,247
Écart entre enseignants0,226 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207