MétaCan
Menu
Retour à la cohorte
Enregistrement W2900752270 · doi:10.3390/pr6120238

Modeling and Simulation of Energy Systems: A Review

2018· review· en· W2900752270 sur OpenAlexaff
Avinash Shankar Rammohan Subramanian, Truls Gundersen, Thomas A. Adams

Notice bibliographique

RevueProcesses · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCategorizationComputer scienceProcess (computing)Context (archaeology)Field (mathematics)SituatedManagement scienceSustainabilityIndustrial engineeringEngineering design processEnergy (signal processing)Key (lock)Risk analysis (engineering)Data scienceOperations researchArtificial intelligenceEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Energy is a key driver of the modern economy, therefore modeling and simulation of energy systems has received significant research attention. We review the major developments in this area and propose two ways to categorize the diverse contributions. The first categorization is according to the modeling approach, namely into computational, mathematical, and physical models. With this categorization, we highlight certain novel hybrid approaches that combine aspects of the different groups proposed. The second categorization is according to field namely Process Systems Engineering (PSE) and Energy Economics (EE). We use the following criteria to illustrate the differences: the nature of variables, theoretical underpinnings, level of technological aggregation, spatial and temporal scales, and model purposes. Traditionally, the Process Systems Engineering approach models the technological characteristics of the energy system endogenously. However, the energy system is situated in a broader economic context that includes several stakeholders both within the energy sector and in other economic sectors. Complex relationships and feedback effects exist between these stakeholders, which may have a significant impact on strategic, tactical, and operational decision-making. Leveraging the expertise built in the Energy Economics field on modeling these complexities may be valuable to process systems engineers. With this categorization, we present the interactions between the two fields, and make the case for combining the two approaches. We point out three application areas: (1) optimal design and operation of flexible processes using demand and price forecasts, (2) sustainability analysis and process design using hybrid methods, and (3) accounting for the feedback effects of breakthrough technologies. These three examples highlight the value of combining Process Systems Engineering and Energy Economics models to get a holistic picture of the energy system in a wider economic and policy context.

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)0,004
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,047
Tête enseignante GPT0,308
Écart entre enseignants0,262 · 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
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

Citations178
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetProcess Optimization and IntegrationTravaux en français237 207