MétaCan
Menu
Retour à la cohorte
Enregistrement W2805916283 · doi:10.1115/1.2012-dec-3

Storing Energy Underwater

2012· article· en· W2805916283 sur OpenAlexaff
Brian C. Cheung, Rupp Carriveau, David S.‐K. Ting

Notice bibliographique

RevueMechanical Engineering · 2012
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCompressed air energy storagePumped-storage hydroelectricityCompressed airEnergy storageRenewable energyElectricityWind hybrid power systemsFlexibility (engineering)Wind powerAir compressorGas compressorEngineeringCapital costEnvironmental scienceWork (physics)Marine engineeringElectrical engineeringPower (physics)Mechanical engineeringDistributed generation

Résumé

récupéré en direct d'OpenAlex

This article discusses the advantage of compressed air energy storage (CAES) system. CAES has been proposed as an alternative to pumped hydro storage for large-scale, bulk energy management. CAES systems typically rely on electrically driven air compressors that pump pressurized air into large underground geological formations such as aquifers and caverns for storage. When the power is needed, turboexpanders connected to generators convert the compressed air back into electrical energy. Like pumped hydro, CAES can be scaled to sizes compatible for supplementing large renewable energy facilities. The lifetime costs for a CAES system can make it work as a means for storing cheap off peak electricity and selling it during peak hours, but capital costs and difficulties finding suitable geological structures have limited the technology’s applications. To make CAES more useful for storing wind-powered electricity, the systems have to become less expensive and have greater flexibility in sitting.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0230,005

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 Opus0,013
Tête enseignante GPT0,198
Écart entre enseignants0,185 · 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'étudeExpérimental (laboratoire)
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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanical EngineeringMême sujetHybrid Renewable Energy SystemsTravaux en français237 207