MétaCan
Menu
Retour à la cohorte
Enregistrement W3125419562

The Merit Order Effect of Czech Photovoltaic Plants

2017· preprint· en· W3125419562 sur OpenAlexfundno aff
Petra Luňáčková, Karel Janda, Jan Průša

Notice bibliographique

RevueEconstor (Econstor) · 2017
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesGrantová Agentura České RepublikyEuropean CommissionMcGill University
Mots-clésRenewable energyPhotovoltaic systemCzechElectricityElectricity generationGrid paritySpot contractEnvironmental economicsFeed-in tariffEconomicsEnvironmental scienceSolar powerStand-alone power systemPhotovoltaicsNatural resource economicsPower (physics)Distributed generationEngineeringEnergy policyElectrical engineeringPhysicsFinancial economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We assess the impact of photovoltaic power plants on the electricity supply curve in the Czech Republic. The merit order effect is estimated as the elasticity of electricity spot price with respect to change in supply of electricity from renewable sources. Data for the Czech electricity spot market from 2010 to 2015 are analyzed as this is the period with the steepest increase in a renewable generation capacity. The effect is estimated separately for solar and other renewable sources. We find a significant difference between these two groups. Our results show that based on hourly, daily and weekly data energy produced by Czech solar power plants does not decrease electricity spot price, creating double cost to the end consumer. However, the merit order effect based on averaged daily and weekly data is shown to exist for other renewable sources excluding solar (mainly water and wind). This contributes to the conclusion that the Czech renewables policy that prefers solar to other renewable sources may be considered as suboptimal.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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'étudeObservationnel
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetEnergy, Environment, Economic GrowthTravaux en français237 207