MétaCan
Menu
Retour à la cohorte
Enregistrement W2136719147 · doi:10.1260/0144-5987.30.4.533

Technical and Economic Assessment of Hybrid Energy Systems in South-West Nigeria

2012· article· en· W2136719147 sur OpenAlexaff
Muyiwa S. Adaramola, Olanrewaju M. Oyewola, S. S. Paul

Notice bibliographique

RevueEnergy Exploration & Exploitation · 2012
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Renewable Energy Laboratory
Mots-clésDiesel generatorHybrid systemRenewable energyPhotovoltaic systemEnvironmental scienceElectricityWind powerStand-alone power systemHybrid powerAutomotive engineeringElectricity generationDiesel fuelEngineeringEnvironmental economicsElectrical engineeringDistributed generationComputer sciencePower (physics)Economics

Résumé

récupéré en direct d'OpenAlex

The technical and economic assessment of using hybrid energy system for electricity generation in rural communities in the south-west of Nigeria is investigated in this study. Renewable resources (wind and solar data) in Ibadan located on the latitude of 7.43 °N and longitude 3.91 °E are used. Hybrid Optimization Model for Electric Renewable software has been employed to carry out the present study. It was found that Wind-PV-Generator-Battery hybrid system is most suitable option as stand-alone electricity generating system in Ibadan. The optimal simulation results indicate that the levelised cost of energy for this hybrid energy system varies between $0.437/kWh and $0.606/kWh depending on the diesel price. These costs are significantly lower than the cost of using diesel generator only (without battery) which varies between $0.607 and $0.940 per kWh. It was further observed that there is a significant reduction in emission produced if hybrid energy system is used instead of only generator based energy system. The most suitable hybrid systems in other locations in southwest Nigeria can be identified from the optimal energy system plots provided.

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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,237 · 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

Citations43
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Exploration & ExploitationMême sujetHybrid Renewable Energy SystemsTravaux en français237 207