MétaCan
Menu
Retour à la cohorte
Enregistrement W3049483022 · doi:10.5829/ijee.2020.11.02.06

Techno-economic Feasibility Study of the Gunde Teklehaymanote Micro-hydropower Plant at Tindwat River, Central Gondar, Ethiopia

2020· article· en· W3049483022 sur OpenAlexfundno aff
A. K. Belay, D. Atenafu, S. Birhan, T. Tegengn

Notice bibliographique

RevueIranica Journal of Energy and Environment · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources CanadaChina Electronics Technology Group CorporationUniversity of Gondar
Mots-clésHydropowerPayback periodHydroelectricityInternal rate of returnElectricity generationEnvironmental scienceGreenhouse gasElectricityRenewable energyEnvironmental engineeringWater resource managementEngineeringProduction (economics)Power (physics)Economics

Résumé

récupéré en direct d'OpenAlex

Ethiopia has a high potential for water for hydro-power development. Even though there is untapped potential, the country's electricity coverage is poor. This paper presents a technical-economic feasibility study of gunde micro hydropower at the Tindwat River, Central Gondar, Ethiopia. In the techno-economics study, the analysis was made for energy modeling, economic scenarios, and sensitivity, risk, and emission analyses. The study shows that this mini-hydropower project can be developed with an installed power of 18 kW, where the Kaplan turbine is recommended. The construction of small scale hydropower in the tindwat river is technically and economically feasible with total net present cost of US $ 253537, cost of energy $0.09/kWh, simple payback period of 6.9 years, and internal rate of return 23.9%. Te result also shows that construction of hydropower curtails greenhouse gas emissions of carbon dioxide by 588.65m3 of gasoil per year. It also showed that small hydroelectric power generation from Tindwat River would improve the electricity supply to Gunde Teklehaymanote monstery and off-grid rural communities.

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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,202
Écart entre enseignants0,188 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIranica Journal of Energy and EnvironmentMême sujetEnergy and Environment ImpactsTravaux en français237 207