MétaCan
Menu
Retour à la cohorte
Enregistrement W3207413166 · doi:10.31963/intek.v8i2.2962

Hybrid Electrical System Optimization of Remote Island using HOMER

2021· article· en· W3207413166 sur OpenAlexaff
Adrian Mansur

Notice bibliographique

RevueINTEK Jurnal Penelitian · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensPositive Living North
Organismes subventionnairesnon disponible
Mots-clésCost of electricity by sourceCapital costRenewable energyIntermittencyNet present valueReliability (semiconductor)ElectricityEnvironmental scienceEnvironmental economicsAutomotive engineeringOperating costHybrid systemElectricity generationReliability engineeringBusinessComputer sciencePower (physics)EngineeringElectrical engineeringProduction (economics)MeteorologyEconomicsWaste managementGeography

Résumé

récupéré en direct d'OpenAlex

Renewable energy is an important solution in improving access to electricity, especially in isolated areas including the utilization of solar power however intermittency is becoming the main challenge that is faced in the application of Solar Power Plant (SPP). Hybrid system implementation becomes a strategy in an effort to improve system reliability based on the variation in load and intermittency of SPP. Salemo Island is one of the areas that has utilized SPP as one of the sources of electricity energy, but its operation has not been optimal as the load increases, therefore, a study was conducted to optimize the hybrid electrical system based on the current existing conditions. The results of the study showed that with the addition of SPP capacity of 200 kWp and the addition of batteries as much as 120 units, it could obtained an optimal Leveled Cost Of Energy (LCOE) value of 1,306 IDR/kWh and operating costs of 450 million with a Net Present Cost (NPC) of 8.4 billion and a capital cost of 3.2 billion. Another option is the addition of SPP 150 kWp with a lower capital cost value of 2.02 Billion, but greater than the aspect of operating cost of 883 million and LCOE of 1,897 Rp/ kWh

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,465
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINTEK Jurnal PenelitianMême sujetHybrid Renewable Energy SystemsTravaux en français237 207