MétaCan
Menu
Retour à la cohorte
Enregistrement W4294904300 · doi:10.1029/2021ef002230

Development of a Multi‐Region Power System Risk Management Model for Supporting China's Carbon Neutrality Ambition in 2060s

2022· article· en· W4294904300 sur OpenAlexaff
J. Z. Li, Guohe Huang, Yongping Li, J. P. Chen, Chunyan He

Notice bibliographique

RevueEarth s Future · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesNational Science Foundation
Mots-clésRenewable energyElectricityCarbon neutralityEnergy transitionElectricity generationEnvironmental economicsElectric power systemNatural resource economicsElectricity systemMains electricityEnvironmental sciencePower (physics)BusinessEconomicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In order to peak emissions before 2030 and to achieve the net‐zero ambition around 2060, China urgently needs to accelerate low‐carbon transition, especially in the power system. Previous studies were mainly focused on deterministic optimization, with some of them being followed by sensitivity analyses. To tackle the gaps and to support the net‐zero ambition, this study develops a multi‐region power system risk management (MPRM) model to analyze composite effects of renewable energy development and inter‐regional electricity transmission under uncertainties, and their combinations to achieve carbon neutrality by 2060. In detail, MPRM can (a) reveal the downward trend in costs of renewable energy and the increasing in inter‐regional electricity transmission; (b) tackle the uncertainties expressed as intervals; (c) support the low‐carbon transition of the power system. Under the renewable‐dominated power structure, 90% of China's electricity demands can be derived from non‐fossil sources by 2060. Inter‐regional electricity transmission will continue to expand due to the dramatic decreases in the costs of renewables and fast‐growing demands for electricity. Northwest and east regions will be the main exporter and importer of renewable electricity. Carbon emissions from power system will peak in 2030 (about 6.21% above the 2020 level) and be eliminated by 96% (of 2030 levels) by 2060. These results can provide support for expansion of renewable capacities, acceleration of low‐carbon transition in power structure, elimination of barriers in electricity trading across regions, and exploration of the trade‐off between system costs and risk.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207