MétaCan
Menu
Retour à la cohorte
Enregistrement W3113560502 · doi:10.1109/pesgm41954.2020.9281919

PV Utilization Analysis for a Canadian Small Arctic PV-Diesel Hybrid Microgrid

2020· article· en· W3113560502 sur OpenAlexafffundabout
Nayeem Ninad, Dave Turcotte

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésMicrogridPhotovoltaic systemEnvironmental scienceDiesel fuelElectricityGreenhouse gasArcticStand-alone power systemAutomotive engineeringEnvironmental economicsEnvironmental engineeringRenewable energyEngineeringDistributed generationElectrical engineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Canadian remote arctic communities are mostly supplied electricity by diesel generators. The electricity price in these communities is high due mostly to the transportation cost of the diesel fuel to these remote locations. A large portion of the financial budget from the government or local community is allocated to cover the electricity cost. Diesel power plants are also major emitters of greenhouse gases (GHGs). The annual solar photovoltaic (PV) potential in the Canadian arctic region ranges from 850 to 1150 kWh/kWp. Therefore, a significant portion of the community energy requirement can be supplied by PV systems thus reducing diesel fuel consumption and associated GHG emissions. This paper presents the impact of PV integration on the system annual energy performance at various levels of PV penetration. The modelling of a typical small arctic PV-Diesel hybrid microgrid is addressed with the specifications of a small representative community. The PV utilization analysis establishes the low PV penetration regime up to 40% of peak load. Then two technical alternatives are presented that allow medium PV penetration up to 70% of peak load with associated PV energy contribution up to 23% of the community energy requirement.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,523
Score d'incertitude au seuil0,948

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,062
Tête enseignante GPT0,240
Écart entre enseignants0,178 · 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

Citations5
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetHybrid Renewable Energy SystemsTravaux en français237 207