MétaCan
Menu
Retour à la cohorte
Enregistrement W3038359905 · doi:10.3138/cpp.2020-060

Canadian Electricity Markets during the COVID-19 Pandemic: An Initial Assessment

2020· article· en· W3038359905 sur OpenAlexaffvenueabout
Andrew Leach, Nic Rivers, Blake Shaffer

Notice bibliographique

RevueCanadian Public Policy · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensUniversity of OttawaUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésElectricityCoronavirus disease 2019 (COVID-19)PandemicMains electricityElectricity demandElectricity marketElectricity retailingAgricultural economicsEconomicsBusinessElectricity generationNatural resource economicsEngineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

This article examines the effect of the coronavirus disease 2019 (COVID-19) pandemic on electricity markets across select Canadian provinces, using available data. Using high-frequency electricity data, we find electricity demand declined by roughly 10 percent in Ontario and by about 5 percent in Alberta, British Columbia, and New Brunswick. On the supply side, in Alberta we find reductions from some natural gas plants and an increase in net generation from the oil sands region, whereas Ontario sees an increase in net electricity exports. Policy implications include potential rate impacts as a result of fixed charges spread over a smaller rate base, the potential use of electricity data as a real-time economic indicator during the pandemic, and a call to arms to make electricity data across all Canadian provinces more readily available.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,470
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,079
Tête enseignante GPT0,364
Écart entre enseignants0,285 · 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.

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

Citations59
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetCOVID-19 impact on air qualityTravaux en français237 207