MétaCan
Menu
Retour à la cohorte
Enregistrement W4230250451 · doi:10.26868/25222708.2019.211304

The Effect of Fuel and Storage System Price on the Economic Analysis of Off-grid Renewable Energy Systems

2020· article· en· W4230250451 sur OpenAlexaff
Azin Rahimzadeh, Ralph Evins

Notice bibliographique

RevueBuilding Simulation Conference proceedings · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésRenewable energyGridEnergy storageEnvironmental economicsComputer scienceElectrical engineeringEconomicsEngineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

Carbon emissions mitigation is driving the need to decarbonize different energy systems. Alongside the energy systems decarbonization, there is uncertainty over determining the best goals in terms of cost and emissions. In this work, a hybrid energy system which consists of renewable energy systems, storage systems and a diesel generator are considered to supply the energy demands of an off-grid house. One of the main challenges in off-grid systems is the trade-offs between energy storage and importing diesel. This challenge is due to the variability of both renewable energy resources and the building demands. This paper introduces an energy hub model that is used for the optimal sizing and operation of an energy system. Four scenarios are considered to decide how well an off-grid system works in term of its total cost and greenhouse gas emissions. Our results show that hybrid systems are 35% cheaper (over a 25 year lifespan) than the base case using a diesel generator. This situation gets worse at higher diesel prices, and is helped by lower PV and battery prices, but not in a linear manner. This is illustrated using contour plots that show the impact of different combinations of variables.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,216
Écart entre enseignants0,204 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuilding Simulation Conference proceedingsMême sujetEnergy and Environment ImpactsTravaux en français237 207