MétaCan
Menu
Retour à la cohorte
Enregistrement W4377021809 · doi:10.33774/coe-2023-q3fzv

Incremental Advances to Address Challenges in Long-Term Strategic Energy Planning in LMICs

2023· preprint· en· W4377021809 sur OpenAlexaff
Carla Cannone, Pooya Hoseinpoori, Leigh Martindale, Elizabeth M. Tennyson, Francesco Gardumi, Lucas Somavilla Croxatto, Steve Pye, Yacob Mulugetta, Ioannis Vrochidis, Taco Niet, John Harrison, Rudolf Yeganyan, Martin Mutembei, Adam Hawkes, Lara Allen, William Blyth, Mark Howells

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensSimon Fraser University
Organismes subventionnairesForeign, Commonwealth and Development OfficeGovernment of the United Kingdom
Mots-clésEnergy planningSustainabilityBusinessTransparency (behavior)Energy securityDeveloping countryEnvironmental economicsRisk analysis (engineering)Process managementComputer scienceEconomicsEconomic growthRenewable energyComputer securityEngineering

Résumé

récupéré en direct d'OpenAlex

The climate crisis requires developing countries to urgently decarbonize energy systems and mobilize finance while balancing competing priorities such as economic growth, energy security, environmental sustainability, and social development. However, many developing countries face challenges in developing long-term energy planning strategies, including limited capacity and reliance on external consultants. To address these issues, 21 international organizations and research institutions have developed five strategic principles for energy planning: national ownership, coherence and inclusivity, human capacity development, analysis robustness, and transparency and accessibility of data and tools. This paper discusses joint efforts to promote and apply these principles using science-based evidence and analytical modelling tools, such as the Open Source Energy Modelling System (OSeMOSYS) and the power system IRENA FlexTool. These tools are part of a suite of emerging modelling tools to support climate-compatible development policies and have been included in accessible teaching material, online courses, summer schools, and capacity development programs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,252
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,068
Tête enseignante GPT0,288
Écart entre enseignants0,220 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIntegrated Energy Systems OptimizationTravaux en français237 207