MétaCan
Menu
Retour à la cohorte
Enregistrement W4200015295 · doi:10.3390/w13243526

Are Engineered Geothermal Energy Systems a Viable Solution for Arctic Off-Grid Communities? A Techno-Economic Study

2021· article· en· W4200015295 sur OpenAlexafffundabout
Mafalda M. Miranda, Jasmin Raymond, Jonathan Willis-Richards, Chrystel Dezayes

Notice bibliographique

RevueWater · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueGeothermal Energy Systems and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésGeothermal energyGeothermal gradientEnvironmental scienceWork (physics)Petroleum engineeringFossil fuelThermal energyProcess engineeringEngineeringGeologyWaste managementMechanical engineeringGeophysics

Résumé

récupéré en direct d'OpenAlex

Deep geothermal energy sources harvested by circulating fluids in engineered geothermal energy systems can be a solution for diesel-based northern Canadian communities. However, poor knowledge of relevant geology and thermo-hydro-mechanical data introduces significant uncertainty in numerical simulations. Here, a first-order assessment was undertaken following a “what-if” approach to help design an engineered geothermal energy system for each of the uncertain scenarios. Each possibility meets the thermal energy needs of the community, keeping the water losses, the reservoir flow impedance and the thermal drawdown within predefined targets. Additionally, the levelized cost of energy was evaluated using the Monte Carlo method to deal with the uncertainty of the inputs and assess their influence on the output response. Hydraulically stimulated geothermal reservoirs of potential commercial interest were simulated in this work. In fact, the probability of providing heating energy at a lower cost than the business-as-usual scenario with oil furnaces ranges between 8 and 92%. Although the results of this work are speculative and subject to uncertainty, geothermal energy seems a potentially viable alternative solution to help in the energy transition of remote northern communities.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,214
Écart entre enseignants0,196 · 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

Citations17
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetGeothermal Energy Systems and ApplicationsTravaux en français237 207