MétaCan
Menu
Retour à la cohorte
Enregistrement W2106475116 · doi:10.1002/er.1831

A modeling approach for investigating climate change impacts on renewable energy utilization

2011· article· en· W2106475116 sur OpenAlexaff
Yanpeng Cai, Guohe Huang, Shin-Cheng Yeh, Lei Liu, G. C. Li

Notice bibliographique

RevueInternational Journal of Energy Research · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of ReginaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyHydropowerEnvironmental economicsClimate changeContext (archaeology)Energy securityEnvironmental scienceEnergy engineeringClimate change mitigationEnergy supplyWind powerEnvironmental resource managementNatural resource economicsEnergy (signal processing)EngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

In this study, an integrated community-scale energy model (ICEM) was developed for supporting renewable energy management (REM) systems planning with the consideration of changing climatic conditions. Through quantitatively reflecting interactive relationships among various renewable energy resources under climate change, not only the impacts of climate change on each individual renewable energy but also the combined effects on power-generation sector from renewable energy resources could be incorporated within a general modeling framework. Also, discrete probability levels associated with various climate change impacts on the REM system could be generated. Moreover, the ICEM could facilitate capacity–expansion planning for energy-production facilities within a multi-period and multi-option context in order to reduce energy-shortage risks under a number of climate change scenarios. The generated solutions can be used for examining various decision options that are associated with different probability levels when availabilities of renewable energy resources are affected by the changing climatic conditions. A series of probability levels of hydropower-, wind- and solar-energy availabilities can be integrated into the optimization process. The developed method has been applied to a case of long-term REM planning for three communities. The generated solutions can provide desired energy resource/service allocation and capacity–expansion plans with a minimized system cost, a maximized system reliability and a maximized energy security. Tradeoffs between system costs, renewable energy availabilities and energy-shortage risks can also be tackled with the consideration of climate change, which would have both positive and negative impacts on the system cost, energy supply and greenhouse-gas emission. Copyright © 2011 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 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)0,000
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,261
Tête enseignante GPT0,355
Écart entre enseignants0,094 · 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

Citations48
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy ResearchMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207