Notice bibliographique
Résumé
Balances in the energy sector have changed since the implementation of the Covid-19 pandemic lockdown in Europe. This paper analyses how the lockdown affected electricity generation in European countries and how it will reshape future energy generation. Monthly electricity generation from total renewables and non-renewables in France, Germany, Spain, Turkey, and the UK from January 2017 to September 2020 were evaluated and compared. Four seasonal grey prediction models and three machine learning methods were used for forecasting; the quarterly results are presented to the end of 2021. Additionally, the share of electricity generation from renewables in total electricity generation from 2017 to 2021 for the selected countries was compared. Electricity generation from total non-renewables in the second quarter of 2020 for France, Germany, Spain, and the UK decreased by 21%–25% compared to the same period of 2019; the decline in Turkey was approximately 11%. Additionally, electricity generation from non-renewables in the third quarter of 2020 for all countries, except Turkey, decreased compared to the same period of the previous year. All grey prediction models and support vector machine method forecast that the share of renewables in total electricity generation will increase continuously in France, Germany, Spain, and the UK to the end of 2021. The forecasting methods provided by this study open new avenues for research on the impact of the Covid-19 pandemic on the future of the energy sector.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,175 | 0,015 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».