MétaCan
Menu
Retour à la cohorte
Enregistrement W4319430811 · doi:10.1109/ispec54162.2022.10033003

Sustainable Electricity Generation in Developing Countries: Case Study in a Sub-Saharan Rural Community

2022· article· en· W4319430811 sur OpenAlexaff
Cristian Giovanni Colombo, Michela Longo, Wahiba Yaïci, Dario Zaninelli, Marco Pasetti

Notice bibliographique

Revue2022 IEEE Sustainable Power and Energy Conference (iSPEC) · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésElectrificationElectricityRural electrificationRenewable energyDeveloping countryElectricity generationEnvironmental economicsWork (physics)BusinessNatural resource economicsMains electricityElectricity retailingSustainable developmentEconomic growthElectricity marketEconomicsEngineeringPolitical sciencePower (physics)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

With the current global trend of decarbonization and electrification, several countries launch their campaign of ecological transition. Electricity generation sector still represent the main sources of CO<inf>2</inf> emission, and several countries still afford only on fossil fuels. Developing countries represent a significant percentage of them. In addition, the access to electricity to many communities, especially in rural areas, still represent a major issue for the development of these countries. The implementation of a micro-grid powered by renewables, highly available in these areas can represent the key to overcome the barrier of electricity access. Based on these considerations, this work wants to simulate the possibility to provide clean electricity, generated by a PV plant, to a small community, composed by 500 families, in the rural areas of Sub-Saharan Africa. The case study also highlights the possibility to supply easily the load in an economical sustainable way, generating electricity at an affordable price, in order to make more accessible electricity also to the poorest communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE Sustainable Power and Energy Conference (iSPEC)Même sujetEnergy and Environment ImpactsTravaux en français237 207