MétaCan
Menu
Retour à la cohorte
Enregistrement W4283034410 · doi:10.24018/ejenergy.2022.2.3.63

Impact of Capacity Shortage on The Feasibility of PV-Wind Hybrid Systems in Africa

2022· article· en· W4283034410 sur OpenAlexaff
Abdellah Benallal, N. Cheggaga, A. Ilinca

Notice bibliographique

RevueEuropean Journal of Energy Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésSizingEconomic shortageRenewable energySensitivity (control systems)Electric power systemWind powerReliability engineeringGridHybrid systemPhotovoltaic systemAutomotive engineeringComputer scienceEnvironmental economicsPower (physics)Environmental scienceEngineeringElectrical engineeringEconomicsMathematicsElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Reliable optimization of renewable energy system is the one that balances between electrical sizing of the system components in order to satisfy the load and the cost of that system. This techno-economic optimization can be assured by HOMER software through some sensitivity parameters such as capacity shortage. For Saharan villages in Africa, it is required to install off-grid power systems with low cost. To fulfill this requirement, is it necessary to avoid the over-sizing of system due to high and short peaks of load, so the optimization of PV-wind hybrid system on this article is done with sensitivity analysis of the system for different capacity shortage rates. The only rates that do not exceed the mean values of electrical outage of Algeria are 0 % and 0.5 %, and HOMER had favorited the optimal system with 0.5 % of capacity shortage due to the 18 % gain in total cost of system and the energy cost. The results achieved on this article encourage on techno-economical optimizing PV-wind hybrid systems with acceptable capacity shortage and electrical outage rates for a better economic feasibility in Saharan villages.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,155
Tête enseignante GPT0,322
Écart entre enseignants0,167 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Energy ResearchMême sujetEnergy and Environment ImpactsTravaux en français237 207