A multi-period optimization model for energy planning with CO2 emission considerations
Notice bibliographique
Résumé
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».