MétaCan
Menu
Retour à la cohorte
Enregistrement W2794513987 · doi:10.1049/pbpo130e_ch13

Conservation and demand management in community energy systems

2018· book-chapter· en· W2794513987 sur OpenAlexaff
Jessie Ma, Bala Venkatesh

Notice bibliographique

RevueInstitution of Engineering and Technology eBooks · 2018
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBackupIncentiveUnit (ring theory)Energy conservationOrder (exchange)Environmental economicsElectricityGridPeak demandConsumption (sociology)Scale (ratio)Computer scienceEconomicsMicroeconomicsEngineeringFinanceGeographyMathematicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Community Energy Systems (CESs) are localized systems that can generate, deliver, and/or store energy, which can come in different forms, including electricity, natural gas, and district heating. These can be operated in islanded mode or tied into the main grid, either continually or for backup purposes. Since CESs are by definition small-scale, even small deviations from forecasts can be much more costly to users as those costs of overbuilding or underbuilding are shared among a much smaller group of consumers (rather than the much larger pool across the larger system). Accurate peak load forecasts are very difficult, and they are especially difficult for CESs because inaccuracies cannot be smoothed across a larger base. Conservation and demand management can be efficient tools to smooth over inevitable deviations from forecasts. The conservation model proposed in this chapter would target conservation at the most elastic (price sensitive) consumers only during narrowly defined peak periods in order to increase utilization of fixed assets and drive down unit costs. This would reduce the overall capacity requirements of the system, and these savings would be saved among all users. The three main elements of this model are to (1) lower the peak in order to defer capacity expansions; (2) increase utilization in order to reduce unit costs and rates; and (3) target conservation efforts at the most elastic (price sensitive) consumers so that conservation is procured at the lowest possible cost. Conservation can be achieved through a combination of disincentives for consumption during very narrow peak periods and incentives for consumption during off-peak periods. Together, these have the effect of flattening the demand curve.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,009
Tête enseignante GPT0,174
Écart entre enseignants0,165 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitution of Engineering and Technology eBooksMême sujetSmart Grid Energy ManagementTravaux en français237 207