MétaCan
Menu
Retour à la cohorte
Enregistrement W2921978939 · doi:10.1016/j.egypro.2019.02.206

The potential of variable speed diesel application in increasing renewable energy source penetration

2019· article· en· W2921978939 sur OpenAlexfundno aff
James M. Hamilton, Michael Negnevitsky, Xiaolin Wang

Notice bibliographique

RevueEnergy Procedia · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval Research GlobalAustralian Research CouncilOffice of Naval ResearchOntario Ministry of Economic Development and Innovation
Mots-clésDiesel fuelDiesel generatorAutomotive engineeringRenewable energyFuel efficiencyEngineeringFlexibility (engineering)Diesel engineProcess engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Integration of renewable energy source (RES) generation to displace diesel generation can present clear economic, environmental and social benefit. While low level RES integration is relatively easy to achieve, both the cost and complexity escalate as systems target increasing RES penetration. A key barrier to greater RES penetrations remains the inefficiency of diesel generation to operate at low or partial loading. To achieve low or partial loading, conventional fixed speed diesel technologies must rely on prescribed purge routines, which serve to increase emissions intensity and fuel consumption. Fixed speed constraint remains the primary barrier to increased engine flexibility and improved partial load efficiency. This paper investigates redesign of the diesel generator to achieve variable speed operation. A suitable design basis is developed, with laboratory testing used to validate unit performance, ahead of economic evaluation. Economic modelling is presented to explore the improve engine flexibility, required of hybrid diesel applications. Variable speed application is shown to reduce diesel fuel consumption by up to 40 % in comparison to conventional hybrid diesel applications.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,002
Tête enseignante GPT0,157
Écart entre enseignants0,155 · 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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetElectric Vehicles and InfrastructureTravaux en français237 207