MétaCan
Menu
Retour à la cohorte
Enregistrement W2943595795 · doi:10.3390/en12091692

A Multi-Objective Optimization Model for a Non-Traditional Energy System in Beijing under Climate Change Conditions

2019· article· en· W2943595795 sur OpenAlexaff
Xiaowen Ding, Lin Liu, Guohe Huang, Ye Xu, Junhong Guo

Notice bibliographique

RevueEnergies · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésRenewable energyBeijingClimate changeContext (archaeology)Environmental scienceEnergy supplyEnvironmental economicsElectricity generationWind powerNatural resource economicsEnvironmental resource managementPower (physics)Energy (signal processing)EconomicsChinaEngineeringGeographyMathematicsStatisticsEcology

Résumé

récupéré en direct d'OpenAlex

In recent years, with the increase of annual average temperature and the decrease of annual precipitation in Beijing, the fragility of Beijing’s energy system has become more and more prominent, especially the balance of electricity supply and demand in extreme weather. In the context of unstable supply of new and renewable energies, it is imperative to strengthen the ability of the energy system to adapt to climate change. This study first simulated climate change in Beijing based on regional climate data. At the same time, the Statistical Program for Social Sciences was used to perform multiple linear regression analysis on Beijing’s future power demand and to analyze the impact of climate change on electricity supply in both the RCP4.5 and RCP8.5 (representative concentration pathway 4.5 and 8.5) scenarios. Based on the analysis of the impact of climate change on energy supply, a multi-objective optimization model for new and renewable energy structure adjustment combined with climate change was proposed. The model was then used to predict the optimal power generation of the five energy types under different conditions in 2020. Through comparison of the results, it was found that the development amount and development ratio of various energy forms underwent certain changes. In the case of climate change, the priority development order of new and renewable energies in Beijing was: external electricity > other renewable energy > solar energy > wind energy > biomass energy. The energy structure adjustment program in the context of climate change will contribute to accelerating the development and utilization of new and renewable energies, alleviating the imbalance between power supply and demand and improving energy security.

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: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,222
Écart entre enseignants0,199 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207