MétaCan
Menu
Retour à la cohorte
Enregistrement W4324056936 · doi:10.3390/en16062670

An Analysis of Industrial Policy Mechanisms to Support Commercial Deployment of Bitumen Partial Upgrading in Alberta

2023· article· en· W4324056936 sur OpenAlexafffundabout
G. Kent Fellows, Jennifer Winter, Alaz Munzur

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensSimon Fraser UniversityUniversity of Calgary
Organismes subventionnairesAlberta Innovates
Mots-clésBusinessRevenueIncentiveInvestment (military)Capital costFinancePublic policyEnvironmental economicsEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Partial upgrading of bitumen (PUB) improves the quality (increases the value) of crude oil from bituminous sands to the level where pipeline specifications are met without—or with reduced use of—costly diluent. By reducing the cost of transportation to downstream refineries, PUB can serve as a solution to market access challenges and takeaway capacity constraints for oil sand producers. However, despite significant government and private investments, proponents in the Canadian province of Alberta still face challenges in commercializing the technology. We used a capacity investment model to explore the expected effects of different policy support types on a firm’s decision to invest in a partial upgrading facility integrated with an existing oil sands extraction facility. We evaluated 10 potential policy interventions and their expected effects on investments in partial upgrading. We focused our analysis of these policy interventions on the revenues and costs of firms, risk sharing, and overall public benefits and costs. We find that the majority of interventions are transferred from government to private interests, with little public benefits. Defensible policy actions include capital investment at the demonstration phase, providing incentives for industry collaboration, equity investment at the commercial stage, and reforming the government’s bitumen valuation methodology.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,338
Écart entre enseignants0,300 · 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.

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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207