MétaCan
Menu
Retour à la cohorte
Enregistrement W3207319430 · doi:10.5430/ijfr.v12n5p180

Net-Zero Emissions With Renewable Energy Certificates: A Public Policy for a Massachusetts Municipal Light Plant

2021· article· en· W3207319430 sur OpenAlexvenueno aff
Joseph Yaw Abodakpi, Patrick Collins, Aidan Giasson

Notice bibliographique

RevueInternational Journal of Financial Research · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy Efficiency and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenewable energyEmissions tradingBusinessEnvironmental economicsGreenhouse gasClimate change mitigationFeed-in tariffEnergy policyEconomicsFinanceNatural resource economicsEngineering

Résumé

récupéré en direct d'OpenAlex

The promotion, desire and need for renewable energy generation and transmission to electric grids to provide clean, non-carbon-based power has increased in recent years with more focus on climate change mitigation in both the public and private sectors. Renewable Energy Certificates, also known as “RECs” are the established public policy mechanism for incentivizing, verifying, tracking and supporting renewable energy. REC markets are created and managed by state governments to allow selling, purchasing and trading of these “green commodities'' to substantiate environmental attribute claims. A new legislation in Massachusetts requires all stakeholders, businesses and sectors to reduce emissions, which means electric utilities, both public and private, must participate in REC markets to green their power supply portfolios that they provide to consumers. This paper explores and analyzes the role of REC markets, monetary policy, trends, stakeholders, participants, and the current public policy debates in this area. A specific public policy making case is explored for this research, the Municipal Light Plant in Shrewsbury, MA, utilizing RECs to achieve a 100% non-carbon power supply or “net-zero” emissions. A financial analysis based on REC market research and debate is conducted to inform a rules-based and judgement-based fiscal Power Supply Policy and Greenhouse Gas Emissions Standard for SELCO (Shrewsbury Electric and Cable Operations), a public electricity utility.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,080
Tête enseignante GPT0,358
Écart entre enseignants0,278 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetEnergy Efficiency and ManagementTravaux en français237 207