MétaCan
Menu
Retour à la cohorte
Enregistrement W3203532894 · doi:10.21203/rs.3.rs-757671/v1

Selected ‘Starter Kit’ energy system modelling data for Philippines (#CCG)

2021· preprint· en· W3203532894 sur OpenAlexaff
Lucy Allington, Carla Cannone, Ioannis Pappis, Karla Cervantes Barron, Will Usher, Steve Pye, Edward Brown, Mark Howells, Taco Niet, Miriam Zachau Walker, Aniq Ahsan, Flora Charbonnier, Claire Halloran, Stephanie Hirmer, Constantinos Taliotis, Caroline Sundin, Vignesh Sridha, Eunice Ramos, Maarten Brinkerink, Paul Deane, Andrii Gritsevskyi, Gustavo Moura, David Wogan, Edito Barcelona, Holger Rogner

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensSimon Fraser University
Organismes subventionnairesForeign, Commonwealth and Development OfficeUniversidade Federal de Ouro PretoGovernment of the United Kingdom
Mots-clésStarterBusinessComputer scienceEngineeringAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Energy system modelling can be used to assess the implications of different scenarios and support improved policymaking. However, access to data is often a barrier to energy system modelling, causing delays. Therefore, this article provides data that can be used to create a simple zero order energy system model for Philippines, which can act as a starting point for further model development and scenario analysis. The data are collected entirely from publicly available and accessible sources, including the websites and databases of international organizations, journal articles, and existing modelling studies. This means that the dataset can be easily updated based on the latest available information or more detailed and accurate local data. These data were also used to calibrate a simple energy system model using the Open Source Energy Modelling System (OSeMOSYS) and three stylized scenarios (Fossil Future, Least Cost and Net Zero by 2050) for 2020–2050. The assumptions used and results of these scenarios are presented in the appendix as an illustrative example of what can be done with these data. This simple model can be adapted and further developed by in-country analysts and academics, providing a platform for future work.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,088
Tête enseignante GPT0,326
Écart entre enseignants0,238 · 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
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207