Historical wind deployment and implications for energy system models
Notice bibliographique
Résumé
A critical parameter in modeling studies of future decarbonized energy systems is the potential future capacity for onshore wind power. Wind power potential in energy system models is subject to assumptions regarding: (i) constraints on land availability for wind deployment; (ii) how densely wind turbines may be placed over larger areas, and (iii) allocation of capacity with respect to wind speed. By analyzing comprehensive databases of wind turbine locations and other GIS data in eleven countries and seventeen states in Australia, Canada, and the US; all with high penetration levels of wind power, we find that: i) large wind turbines are installed on most land types, even protected areas and land areas with high population density; ii) it is not uncommon with a deployment density up to 0.5 MW/km2 on municipality or county level, with rare outlier municipalities reaching up to 1.5 MW/km2 installed capacity; and iii) wind power has historically been allocated to relatively windy sites with average wind speed above 6 m/s. In many cases, allocation methods used in energy system models do not consistently reflect actual installations. For instance, we find no evidence of concentration of installations at the windiest sites, as is frequently assumed in energy system models. We conclude that assumptions made in models regarding wind power potentials are poorly reflective of historical installation patterns, and we provide new data to enable assumptions that have a more robust empirical foundation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 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 ».