MétaCan
Menu
Retour à la cohorte
Enregistrement W4387489084 · doi:10.1109/sege59172.2023.10274541

Implementing a Nuclear-Renewable Hybrid Energy System to Reduce Fossil Fuel Dependency in South Africa: A Case Study

2023· article· en· W4387489084 sur OpenAlexaff
Otavio Lopes Alves Esteves, Hossam A. Gabbar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyFossil fuelEnergy independenceEnvironmental economicsNuclear powerEnvironmental impact of the energy industryBusinessSustainable developmentSustainabilityDependency (UML)Natural resource economicsEnvironmental resource managementEnergy policyEnvironmental scienceEngineeringWaste managementEconomicsPolitical scienceSystems engineeringEcology

Résumé

récupéré en direct d'OpenAlex

This paper explores the implementation of a Nuclear-Renewable Hybrid Energy System (N-RHES) with hydrogen production in a remote community in South Africa. The concerns surrounding fossil fuel usage in South Africa and the challenges of providing reliable and sustainable energy to remote locations are discussed. The N-RHES concept, which combines the stability of nuclear power with renewable energy sources, is presented as a potential solution to overcome the limitations of traditional energy infrastructure. The paper analyzes the technical and economic aspects of integrating nuclear and renewable energy sources, alongside hydrogen production, to provide a comprehensive energy solution. By examining a case study of a remote community in South Africa, this research highlights the potential of an N-RHES to achieve energy independence, foster socio-economic growth, and mitigate the environmental impact associated with fossil fuel consumption. The findings emphasize the feasibility and benefits of implementing such a system in remote communities, paving the way for a more sustainable future.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,024
Tête enseignante GPT0,242
Écart entre enseignants0,219 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy and Environment ImpactsTravaux en français237 207