MétaCan
Menu
Retour à la cohorte
Enregistrement W4386697161 · doi:10.2172/1999387

Electrical Infrastructure Cost Model for Marine Energy Systems

2023· report· en· W4386697161 sur OpenAlexfundno aff
Aryana Nakhai

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Energy EfficiencyU.S. Department of EnergyOffice of Energy Efficiency and Renewable EnergyWater Power Technologies OfficeNational Renewable Energy LaboratoryMcMaster University
Mots-clésSizingFlexibility (engineering)Offshore wind powerWind powerRenewable energyScale (ratio)Cost estimateSubmarine pipelineEngineeringReliability engineeringComputer scienceSystems engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The National Renewable Energy Laboratory's Electrical Infrastructure Cost Model is an Excel-based tool designed to estimate the electrical infrastructure costs of marine energy components and subsystems. It incorporates data collected from offshore wind projects, utility projects, and other relevant sources to provide accurate and comprehensive cost projections. With its user-friendly interface, the model allows users to input various parameters related to the system array, electrical cables, and substations. By leveraging industry data, cost trends, and technological advancements, the model generates outputs that include system array sizing, electrical cable specifications and costs, substation specifications and costs, and total electrical infrastructure costs. One of the notable strengths of the model is its flexibility in covering multiple-orders-of-magnitude scaled systems, accommodating projects ranging from proof-of-concept or pilot-scale installations to large-scale offshore systems. By collecting data largely from offshore wind reports and utility projects, the model incorporates real-world conditions and accounts for industry-specific factors. It incorporates cost trends and sizing relationships to deliver cost estimations for electrical infrastructure components, such as electrical cables and substation equipment.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,419
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
Bibliométrie0,0000,000
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)0,0050,000

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 Opus0,036
Tête enseignante GPT0,281
Écart entre enseignants0,245 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207