MétaCan
Menu
Retour à la cohorte
Enregistrement W3216302472 · doi:10.1049/pbpo184e_ch1

The current status and future perspectives of compressed air energy storage

2021· book-chapter· en· W3216302472 sur OpenAlexaff
David S.‐K. Ting, Jacqueline Stagner

Notice bibliographique

RevueInstitution of Engineering and Technology eBooks · 2021
Typebook-chapter
Langueen
DomaineEnergy
ThématiquePower Systems and Renewable Energy
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCurrent (fluid)Compressed air energy storageEnergy (signal processing)Compressed airEnergy storageEnvironmental scienceElectrical engineeringEngineeringPhysicsMechanical engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

It is trite to say that energy storage is essential for furthering renewable energy by stabilizing the supply and demand. It is also cliché to point out that compressed air energy storage (CAES) is a promising means for energy storage. To highlight but a few of the multitude of recent publications on CAES, Tan et al. [1] present a comprehensive review concerning various energy storage technologies for empowering smart grid. CAES is also one of the most promising energy storage means in the harsh marine environment [2]. Guo et al. [3] discuss the promise and challenges of utility-scale CAES in aquifers. A regional review of CAES for northern China is compiled by Tong et al. [4]. Mahmoud et al. [5] compare and contrast the three main mechanical energy storage options, flywheel, pumped hydro, and CAES. They conclude that flywheel is best suited for short-duration applications. For longer durations, pumped hydro has the efficiency while CAES provides a faster start-up. For good environmental stewardship, adiabatic or isothermal CAES is recommended. In short, the case for CAES is clear. It is expected to ramp up its importance as we march forward to harness progressively greener energy.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,005

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 Opus0,005
Tête enseignante GPT0,187
Écart entre enseignants0,182 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitution of Engineering and Technology eBooksMême sujetPower Systems and Renewable EnergyTravaux en français237 207