MétaCan
Menu
Retour à la cohorte
Enregistrement W4383888928 · doi:10.1109/greentech56823.2023.10173816

Sizing and Performance Analysis of a Standalone Hybrid Renewable Energy System in the Far North Region of Cameroon

2023· article· en· W4383888928 sur OpenAlexaff
Alberto Rubial Arias, L. A. Woodward, Louis Viglione, Paolo Primiani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensKidney Foundation of CanadaÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésSizingRenewable energyWind powerReliability engineeringPhotovoltaic systemPower (physics)Battery (electricity)Hybrid systemComputer scienceElectric power systemEnvironmental scienceAutomotive engineeringElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper aims to size and analyze a standalone hybrid renewable energy system in the Far North Region of Cameroon, where some rural areas are not electrified. The system’s power can be supplied by solar panels (PVs) and/or wind turbines (WTs). Moreover, batteries are used to store the surplus of energy and mitigate power production variations. The optimal system designed to have the minimum cost and a loss of power supply probability below 5% includes 6 PVs, 1 battery and no WT. Simulations of the system taking into account fluctuations of the climatological conditions are performed to run a sensitivity analysis using criteria such as the loss of power supply probability (LPSP), the relative excess of energy, the level of autonomy, the mean duration, the number of intervals and the total time with loss of power. The results show that the cost of adding 2 PVs to the optimal configuration in to reduce the LPSP of 1% is lower than the cost of adding 1 WT which is itself lower than the cost of adding 1 battery (respective costs being 6.24C$/%, 83.62C$/% and 16.3C$/%).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,209
Écart entre enseignants0,193 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHybrid Renewable Energy SystemsTravaux en français237 207