Optimal Selection of Integrated Electricity Generation Systems for the Power Sector with Low Greenhouse Gas (GHG) Emissions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cheap and clean energy demand is continuously increasing due to economic growth and industrialization. The energy sectors of several countries still employ fossil fuels for power production and there is a concern of associated emissions of greenhouse gases (GHG). On the other hand, environmental regulations are becoming more stringent, and resultant emissions need to be mitigated. Therefore, optimal energy policies considering economic resources and environmentally friendly pathways for electricity generation are essential. The objective of this paper is to develop a comprehensive model to optimize the power sector. For this purpose, a multi-period mixed integer programming (MPMIP) model was developed in a General Algebraic Modeling System (GAMS) to minimize the cost of electricity and reduce carbon dioxide (CO2) emissions. Various CO2 mitigation strategies such as fuel balancing and carbon capture and sequestration (CCS) were employed. The model was tested on a case study from Pakistan for a period of 13 years from 2018 to 2030. All types of power plants were considered that are available and to be installed from 2018 to 2030. Moreover, capacity expansion was also considered where needed. Fuel balancing was found to be the most suitable and promising option for CO2 mitigation as up to 40% CO2 mitigation can be achieved by the year 2030 starting from 4% in 2018 for all scenarios without increase in the cost of electricity (COE). CO2 mitigation higher than 40% by the year 2030 can also be realized but the number of new proposed power plants was much higher beyond this target, which resulted in increased COE. Implementation of carbon capture and sequestration (CCS) on new power plants also reduced the CO2 emissions considerably with an increase in COE of up to 15%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle