Greenhouse gas emission intensity factors for marginal electricity generation in Canada
Notice bibliographique
Résumé
In Canada, each province has its own electric utility system, and each system is responsible for meeting the demand of its customer base. Electricity demand in all provinces is highly variable throughout the day, as well as during the year. In order to achieve a good match between electricity demand and generation, a mix of base, intermediate and peaking load power plants is used, which uses different fuel sources. When a renewable energy technology or an energy efficiency measure that results in electricity savings is implemented on a regional, provincial and national scale, the electricity savings reflect in the peak (marginal) electricity generation. Thus, the greenhouse gas (GHG) emission reduction due to the reduction in electricity generation corresponds to the fuel used to generate the electricity at the margin. In Canada, the fuel used for marginal electricity generation varies from province to province and from hour to hour. To estimate the reduction in GHG emissions due to reducing electricity generation at the margin, it is necessary to have information on the fuel mix used to generate the marginal electricity for each province on a suitable time scale. With such information, it is possible to estimate a marginal GHG emission intensity factor for each province, which would provide the amount of GHG emissions produced as result of producing 1 kWh of electricity on the margin. However, such information is regarded confidential by most electric utilities and is not made public. In this paper, methodologies are presented to estimate the GHG intensity factors (GHGIFs) for marginal electricity generation for each province of Canada based on the information available in the public domain. The GHGIFs developed for each province are also presented, which are expected to be valid within the next 5-year horizon. Copyright © 2010 John Wiley & Sons, Ltd.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».