MétaCan
Menu
Retour à la cohorte
Enregistrement W3036391187 · doi:10.1109/icetas48360.2019.9117382

Changing in Economic Value of Photovoltaic Systems Based on Penetration Level

2019· article· en· W3036391187 sur OpenAlexaff
M.M.S. Dezfouli, Mousa Sheikhhoseini, Masoud Rashidinejad, Alireza Bakhshai

Notice bibliographique

Revue2019 IEEE 6th International Conference on Engineering Technologies and Applied Sciences (ICETAS) · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemIncentiveGridElectricityTariffEnvironmental economicsElectricity generationComputer scienceBusinessAutomotive engineeringEnvironmental scienceElectrical engineeringEngineeringEconomicsMicroeconomicsPower (physics)Mathematics

Résumé

récupéré en direct d'OpenAlex

In Iran, residential Photovoltaic (PV) generation has received continuous support from government in the recent for several years. Government gives an incentive program in the form of feed in tariff (FIT) mechanism. At more penetration, PV output creates major operational problems to the current grid that is operated for unidirectional power flow, which in this case unbalancing between demand and PV output increases. Thus, with enhancing penetration level of PV units, the support polices should be modified. In this context, the present paper aims to concentrate on designing a suitable incentive mechanism with respect to the penetration theory of PV systems in distribution systems. In doing so, first, the economic terms including the value of generated energy and capacity value are estimated using the electricity generation profile of PV systems and electricity grid conditions. By the way, to analyze the PV output, direct insolation simulation code (DISC) is applied for prediction of solar radiation as the key contribution of system advisor model (SAM) software. The findings show that the level of incentives is crucially linking with the RES penetration rate.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,535
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,245
Écart entre enseignants0,213 · 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 tête enseignante, 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2019 IEEE 6th International Conference on Engineering Technologies and Applied Sciences (ICETAS)Même sujetSolar Radiation and PhotovoltaicsTravaux en français237 207