MétaCan
Menu
Retour à la cohorte
Enregistrement W3209287529 · doi:10.1080/15435075.2021.1978447

ASSESSMENT OF WIND ENERGY IN INDIA AT THE NATIONAL AND SUB- NATIONAL LEVEL: ATTRIBUTIONAL LCA EXERCISE

2021· article· en· W3209287529 sur OpenAlexaff
Vishnu S. Prabhu, Kakali Mukhopadhyay

Notice bibliographique

RevueInternational Journal of Green Energy · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWind powerTurbineTonneCircular economyLife-cycle assessmentEnvironmental scienceNatural resource economicsBusinessEnvironmental economicsEngineeringAgricultural economicsProduction (economics)Waste managementEconomicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The Government of India has set the target of 60 GW wind energy capacity to be achieved by 2022. The Attributional Life Cycle Assessment methodology and E3-India model are used to study the total economic, energy, and environmental impact of the operational phase of wind turbines across the country. It is expected to generate waste from 2021 until 2051 at the rate of 217.89 tonnes/wind turbine, cumulatively amounting to 7.9 million tonnes. This generates an opportunity for recycling and resale of the metal materials worth USD 4.5 billion, which can be utilized in manufacturing 3.3 GW of wind turbines, thus emphasizing its high circular economy potential. The embodied energy and CO2 emission savings by substituting virgin material are estimated to be 17,215 GWh and 6,626 million tonnes, respectively. Thus, measures like Extended Producer Responsibility could help create a viable circular economy through the partially closed-loop recycling of wind turbines.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,076
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0020,000

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 Opus0,016
Tête enseignante GPT0,283
Écart entre enseignants0,267 · 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'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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Green EnergyMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207