Development of a Tool for Optimizing Solar and Battery Storage for Container Farming in a Remote Arctic Microgrid
Notice bibliographique
Résumé
High transportation costs make energy and food expensive in remote communities worldwide, especially in high-latitude Arctic climates. Past attempts to grow food indoors in these remote areas have proven uneconomical due to the need for expensive imported diesel for heating and electricity. This study aims to determine whether solar photovoltaic (PV) electricity can be used affordably to power container farms integrated with a remote Arctic community microgrid. A mixed-integer linear optimization model (FEWMORE: Food–Energy–Water Microgrid Optimization with Renewable Energy) has been developed to minimize the capital and maintenance costs of installing solar photovoltaics (PV) plus electricity storage and the operational costs of purchasing electricity from the community microgrid to power a container farm. FEWMORE expands upon previous models by simulating demand-side management of container farm loads. Its results are compared with those of another model (HOMER) for a test case. FEWMORE determined that 17 kW of solar PV was optimal to power the farm loads, resulting in a total annual cost decline of ~14% compared with a container farm currently operating in the Yukon. Managing specific loads appropriately can reduce total costs by ~18%. Thus, even in an Arctic climate, where the solar PV system supplies only ~7% of total load during the winter and ~25% of the load during the entire year, investing in solar PV reduces costs.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».