Emergency Energy Management Model for Durham Region
Notice bibliographique
Résumé
In the last 50 years, the province of Ontario has lost electrical power at various times, which has challenged Ontario’s emergency-response capabilities. In addition to the loss of electricity supply, there were concerns regarding access to diesel fuels and gasoline due to loss of electrical power to pump the fuel. However, natural gas and propane are a viable alternative energy supply in an emergency scenario. The purpose of this project is to assess the role of natural gas in an emergency scenario and potential areas for further optimization to meet energy needs within the region of Durham, Ontario. An energy management model for the region of Durham has been developed for both electricity and natural gas. This model can be used to assess the impact of an emergency scenario on energy supply. This was achieved by researching different types of critical facilities such as hospitals, emergency services, schools, water/sewage facilities, community centers, shopping centers and gas stations and their reliance upon electricity and natural gas. Major shopping centers were included within this project as they provide communities with medical, grocery and basic needs. Data gathered for 415 facilities was incorporated into a Visual Basic model. The data was based on floor space, population, fleet size, water consumption, fuel types and energy use behavior. Facilities were divided into categories based on sizes of less than 5,000 m2, between 5,000 m2 and 15,000 m2, and greater than 15,000 m2 for the purposes of the model. Unique facilities such as the six water treatment facilities and the ten E.M.S stations were assessed individually. The data was then used to create a model that related the available electricity and natural gas to the various types of facilities in the Durham Region. The results show that natural gas infrastructure is already in place in the Region of Durham and many critical facilities currently use natural gas to supply heat energy. Hence, modest changes (cogeneration plants/ micro gas turbines) in the current infrastructure could be implemented to ensure emergency power is available from natural gas in a loss of electricity scenario and further improve the resiliency of the region of Durham in an emergency scenario.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».