MétaCan
Menu
Retour à la cohorte
Enregistrement W2804393900 · doi:10.5334/fce.41

Techno-economic Feasibility of Renewable Energy Based Stand-alone Energy System for a Green House: Case Study

2018· article· en· W2804393900 sur OpenAlexaff
Farrukh Khalid, Rami S. El‐Emam, Janette Hogerwaard, İbrahim Dinçer

Notice bibliographique

RevueFuture Cities and Environment · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyCost of electricity by sourceGreenhouse gasElectricity generationEnvironmental economicsFossil fuelEnergy securityElectric power systemNatural resource economicsEnergy developmentEnvironmental scienceEngineeringWaste managementPower (physics)EconomicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

As the negative impacts of fossil fuel consumption for power generation become increasingly globally evident—particularly the effects of greenhouse gas (GHG) emissions on climate change—so too does the conversely positive potential of renewable energies to reduce the rate of damaging environmental impacts as energy demand grows. In addition to the clear environmental advantage, stand-alone renewable energy power generation options offer energy security and stability in regions where socio-political issues or geographic location might otherwise pose access limitations on fuel and/or electric grid power, particularly in remote communities. This paper discusses the techno-economic considerations for renewable energy power systems in residential community applications. A case study for a residential house in New Cairo in Egypt compares two different renewable energy systems that meet typical electrical demand for this region. Economic assessment—in terms of system net present cost (NPC) and levelized cost of electricity (LCOE)—provide measures for system performance comparison and optimization. The LCOE for system-I and system-II are found to be $0.359/kWh and $0.373/kWh, respectively.

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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,000
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 Opus0,014
Tête enseignante GPT0,211
Écart entre enseignants0,197 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture Cities and EnvironmentMême sujetHybrid Renewable Energy SystemsTravaux en français237 207