MétaCan
Menu
Retour à la cohorte
Enregistrement W2517073011 · doi:10.1146/annurev-resource-091115-022544

The Economics of Wind Power

2016· article· en· W2517073011 sur OpenAlexafffund
G. Cornelis van Kooten

Notice bibliographique

RevueAnnual Review of Resource Economics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesUniversity of Victoria
Mots-clésWind powerElectricityStand-alone power systemEnvironmental economicsElectricity retailingDispatchable generationElectricity marketElectricity generationNatural resource economicsEconomicsCost of electricity by sourceInvestment (military)Electricity pricingIncentiveBusinessRenewable energyEnvironmental scienceDistributed generationMicroeconomicsPower (physics)EngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Many countries have incentivized wind power projects to reduce their reliance on fossil fuels for generating electricity. As shown in this review, the benefits and costs of integrating electricity from an intermittent wind source into a preexisting electricity grid depend on the operating protocols of the electricity system, the preexisting generation mix, wind profiles, and the nature of economic incentives. Electricity systems are discussed from generation through transmission and distribution to retail demand, including how wind energy impacts investment in marginal (peak time) generating assets. The discussion also examines issues that could limit the usefulness of wind power at the high penetration rates now envisioned: the inability to store electricity, the need for fast-responding backup-generating capacity, network instability, low-capacity factors, and inappropriate incentives. Overall, this review finds that the costs of wind power likely exceed the benefits and that there may be limits to the proportion of electricity that can be generated by wind.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,185
Écart entre enseignants0,182 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Resource EconomicsMême sujetElectric Power System OptimizationTravaux en français237 207