MétaCan
Menu
Retour à la cohorte
Enregistrement W3122435534

The Influence of Renewable Energy Sources on the Czech Electricity Transmission System

2017· preprint· en· W3122435534 sur OpenAlexfundno aff
Karel Janda, Jan Málek, Lukáš Rečka

Notice bibliographique

RevueEconstor (Econstor) · 2017
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMcGill UniversityGrantová Agentura České RepublikyEuropean CommissionUniverzita Karlova v Praze
Mots-clésRenewable energyVolatility (finance)Wind powerElectricityEconomicsElectric power transmissionCzechTransmission (telecommunications)Environmental scienceEnvironmental economicsEconometricsEngineeringTelecommunicationsElectrical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper provides the first academic economic simulation analysis of the impact of increase in predominantly German wind and solar energy production on the Czech electricity transmission network. To assess the exact impact on the transmission grid, updated state-of-the-art techno-economic model ELMOD is employed. Two scenarios for the year 2025 are evaluated on the basis of two representative weeks. The first scenario is considered as baseline and models currently used production mix. The second scenario focuses on the effect of German Energiewende policy on the transmission networks as expected in 2025. The results confirm that higher feed-in of solar and wind power increases the total transport of electricity between transmission system operator areas as well as the average load of lines and volatility of flows. Also, an increase in number of critical high-load hours is observable. Taking into account only the Czech transmission system, considerable rise both in transported volume and volatility are observed only on border transmission lines, not inside the country. Moreover, our qualitative analysis shows that all these mentioned effects are strenghtened by the presence of German-Austrian bidding zone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,257
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,196
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 tête enseignante, pas un consensus.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetElectric Power System OptimizationTravaux en français237 207