Distributed energy resources in practice: A case study analysis and \nvalidation of LBNL's customer adoption model
Notice bibliographique
Résumé
This report describes a Berkeley Lab effort to model the economics and operation of small-scale (<500 kW) on-site electricity generators based on real-world installations at several example customer sites. This work builds upon the previous development of the Distributed Energy Resource Customer Adoption Model (DER-CAM), a tool designed to find the optimal combination of installed equipment, and idealized operating schedule, that would minimize the site's energy bills, given performance and cost data on available DER technologies, utility tariffs, and site electrical and thermal loads over a historic test period, usually a recent year. This study offered the first opportunity to apply DER-CAM in a real-world setting and evaluate its modeling results. DER-CAM has three possible applications: first, it can be used to guide choices of equipment at specific sites, or provide general solutions for example sites and propose good choices for sites with similar circumstances; second, it can additionally provide the basis for the operations of installed on-site generation; and third, it can be used to assess the market potential of technologies by anticipating which kinds of customers might find various technologies attractive. A list of approximately 90 DER candidate sites was compiled and each site's DER characteristics and their willingness to volunteer information was assessed, producing detailed information on about 15 sites of which five sites were analyzed in depth. The five sites were not intended to provide a random sample, rather they were chosen to provide some diversity of business activity, geography, and technology. More importantly, they were chosen in the hope of finding examples of true business decisions made based on somewhat sophisticated analyses, and pilot or demonstration projects were avoided. Information on the benefits and pitfalls of implementing a DER system was also presented from an additional ten sites including agriculture, education, health care, airport, and manufacturing facilities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».