MétaCan
Menu
Retour à la cohorte
Enregistrement W3000462748 · doi:10.3390/en13020456

Life Cycle Assessment of Electricity Generation from an Array of Subsea Tidal Kite Prototypes

2020· article· en· W3000462748 sur OpenAlexaff
Mohamad Kaddoura, Johan Tivander, Sverker Molander

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésLife-cycle assessmentRenewable energyTidal powerEnvironmental scienceElectricity generationWind powerEnvironmental impact assessmentEngineeringMarine engineeringProduction (economics)Power (physics)

Résumé

récupéré en direct d'OpenAlex

Tidal current technologies have the potential to provide highly predictable energy, since tides are driven by lunar cycles. However, before implementing such technologies on a large scale, their environmental performance should be assessed. In this study, a prospective life cycle assessment (LCA) was performed on a 12 MW tidal energy converter array of Minesto Deep Green 500 (DG500) prototypes, closely following the Environmental Product Declaration (EPD) standards, but including scenarios to cover various design possibilities. The global warming potential (GWP) of the prototype array was in the range of 18.4–26.3 gCO2-eq/kWhe. This is comparable with other renewable energy systems, such as wind power. Material production processes have the largest impact, but are largely offset by recycling at the end of life. Operation and maintenance processes, including the production of replacement parts, also provide major contributions to environmental impacts. Comparisons with other technologies are limited by the lack of a standardized way of performing LCA on offshore power generation technologies.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,230
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetOffshore Engineering and TechnologiesTravaux en français237 207