MétaCan
Menu
Retour à la cohorte
Enregistrement W4384202126 · doi:10.3390/en16145329

Planning and Evaluation of Nuclear-Renewable Hybrid Energy Penetration for Marine and Waterfront Applications

2023· article· en· W4384202126 sur OpenAlexafffund
Hossam A. Gabbar, Otavio Lopes Alves Esteves

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ontario Institute of Technology
Mots-clésRenewable energyEnvironmental economicsPort (circuit theory)Cash flowEnergy planningNet present valueEnergy consumptionCarbon taxInternal rate of returnBusinessFossil fuelNatural resource economicsGreenhouse gasEngineeringEconomicsWaste managementProduction (economics)Finance

Résumé

récupéré en direct d'OpenAlex

The global trade and transportation sectors heavily rely on the maritime industry. Still, its dependence on fossil energy sources poses significant environmental challenges and leads to unstable fuel prices that affect the cost of goods transported by sea. This paper aims to evaluate the viability of seaports as energy-intensive entities and explore the feasibility of implementing a Nuclear-Renewable Hybrid Energy System (NRHES). The study presents a case study of the Tanjung Priok Port in Indonesia, focusing on estimating energy consumption, emissions, and the potential impact of carbon taxation on seaport operations. By quantifying these factors, the research provides insights into the energy requirements, environmental effects, and potential costs associated with seaport carbon taxation. A comprehensive analysis of the technical and economic feasibility of implementing an NRHES in the seaport case study is conducted, determining the optimal sizing and composition of components, considering the proportion of nuclear and renewable energy sources. Furthermore, the economic analysis takes into account energy expenses, net present value, cash flow, return on investment, and internal rate of return. The objective of these findings is to provide decision-makers with insights into the advantages and obstacles associated with implementing an NRHES, ultimately contributing to a cleaner and more sustainable future for the maritime sector.

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 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 enseignants0,210
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,018
Tête enseignante GPT0,251
Écart entre enseignants0,233 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207