MétaCan
Menu
Retour à la cohorte
Enregistrement W4211072163 · doi:10.1038/s41467-022-28458-7

Plant conversions and abatement technologies cannot prevent stranding of power plant assets in 2 °C scenarios

2022· article· en· W4211072163 sur OpenAlexfundno aff
Yangsiyu Lu, François Cohen, Stephen M. Smith, Alexander Pfeiffer

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensnon disponible
Organismes subventionnairesOxford Martin School, University of OxfordUniversity of OxfordQueen's UniversityUniversity College LondonQueen's University BelfastChina Oxford Scholarship FundChina Scholarship CouncilNature Conservancy
Mots-clésBioenergyFossil fuelLimitingElectricity generationEnvironmental scienceElectricityCarbon capture and storage (timeline)Biomass (ecology)Software deploymentPower stationCoalClimate change mitigationGreenhouse gasNatural resource economicsRenewable energyBusinessEnvironmental economicsClimate changeWaste managementComputer scienceEngineeringEcologyPower (physics)EconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Continued fossil fuel development puts existing assets at risk of exceeding the capacity compatible with limiting global warming below 2 °C. However, it has been argued that plant conversions and new abatement technologies may allow for a smoother transition. We quantify the impact of future technology availability on the need for fossil fuel power plants to be stranded, i.e. decommissioned or underused. Even with carbon capture and storage (CCS) and bioenergy widely deployed in the future, a total of 267 PWh electricity generation (ten times global electricity production in 2018) may still be stranded. Coal-to-gas conversions could prevent 10-30 PWh of stranded generation. CCS retrofits, combined with biomass co-firing, could prevent 33-68 PWh. In contrast, lack of deployment of CCS or bioenergy could increase stranding by 69 or 45 percent respectively. Stranding risks remain under optimistic technology assumptions and even more so if CCS and bioenergy are not deployed at scale.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,451

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 ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 GPT0,300
Écart entre enseignants0,282 · 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'étudeThéorique ou conceptuel
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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207