MétaCan
Menu
Retour à la cohorte
Enregistrement W2312907973 · doi:10.3390/wsf3-a006

Economic and CO2 Emissions Comparison of District Energy System Using Geothermal and Solar Energy Resources

2013· article· en· W2312907973 sur OpenAlexafffund
Behnaz Rezaie, B. Venkateswara Reddy, Marc A. Rosen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRenewable energyGeothermal energyGeothermal gradientSolar energyFossil fuelEnvironmental economicsEnergy supplyEnvironmental scienceEnergy developmentThermal energyGreenhouse gasEnergy engineeringNatural resource economicsEngineeringWaste managementEnergy (signal processing)EconomicsElectrical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

District energy (DE) systems provide an important means of mitigating greenhouse gas (GHG) emissions and the significant related concerns associated with global climate change. DE systems can use fossil fuel, renewable energy and waste heat as energy sources, and facilitate intelligent integration of energy systems. In this paper, solar thermal and geothermal energy are compared as energy sources for a district energy system which serves a community including commercial and educational buildings. The DE system is assessed for the considered energy resources in two main ways, by considering CO2 emissions and economic aspects. The results obtained for the solar and geothermal energy sources are compared to detect trends. The results indicate that solar thermal energy is the most advantageous energy technology for a DE system from an environmental perspective, while geothermal energy is more beneficial from a financial point of view. An examination of the cost distribution for the technologies shows that when solar thermal energy is the main energy supply for a DE system, the system exhibits the highest loan payments and the lowest fuel costs (FCs) and insurance and maintenance (I&M) payments. With geothermal systems, loan payments are lower while the total cost over the life of the technology is higher for the DE system. Using solar thermal and geothermal technologies as the energy supply for a DE system also yields environmental benefits which can lead to financial advantages through such instruments as tax breaks. The research reported here is intended to allow energy technology suppliers to work with communities while accounting appropriately for economic issues and CO2 emissions associated with these energy technologies.

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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,191
Écart entre enseignants0,184 · 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

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIntegrated Energy Systems OptimizationTravaux en français237 207