Uncertainty and simulation‐based cost analyses for energy storage systems used in green buildings
Notice bibliographique
Résumé
Summary Energy storage systems (ESS) provide buildings with the ability to store electricity generated from renewable energy sources (eg, solar photovoltaics), increasing building operational flexibility and reliability. Previous studies on ESS in buildings often make assumptions about key input parameters (eg, installation factor, roundtrip efficiency, etc.) being fixed, overlooking potential performance risks due to uncertainty or variations in these parameters. The goal of this paper is to quantify the impact of uncertainty in technical and financial parameters on the economic performance of Li‐ion batteries (LIB), proton‐exchange membranes reversible fuel cells (PEM RFC), and reversible solid oxide cells (RSOC). The analysis is conducted on three medium‐sized office buildings located in three different climate zones of the United States: 2B (Phoenix, AZ), 3B‐Coast (Los Angeles, CA), and 4C (Seattle, WA). Two metrics are used to evaluate the economic viability of the selected technologies, namely the levelized cost of electricity (LCOE) and the levelized cost of energy storage (LCOS). While the results of the LCOE and LCOS differed in value between those cities, the cost breakdown for LCOS in all locations shows that capital cost is the biggest cost contributor, followed by electricity cost. A Monte‐Carlo simulation was also conducted to assess the impact of uncertainty in input parameters on the LCOS model. The simulation results allowed us to generate probable ranges and probability tables for the LCOS.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».