MétaCan
Menu
Retour à la cohorte
Enregistrement W4390512627 · doi:10.33322/juke.v1i2.18

Analysis of Technical and Economics High Voltage Overhead Transmission 150 kV Development in Industrial Area of High Voltage Consumers PT. Lotte Chemical Indonesia

2023· article· en· W4390512627 sur OpenAlexaff
Muhammad Pinandhito, Iwa Garniwa

Notice bibliographique

RevueJurnal Energi dan Ketenagalistrikan · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensPositive Living North
Organismes subventionnairesnon disponible
Mots-clésPayback periodOverhead (engineering)Investment (military)RevenueEnvironmental economicsRelocationVoltageOrder (exchange)Transmission (telecommunications)Environmental scienceEconomic analysisFinancial analysisValue (mathematics)Internal rate of returnEngineeringBusinessAgricultural scienceElectrical engineeringEconomicsProduction (economics)Computer scienceAgricultural economicsFinanceMathematicsStatisticsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

In order to increase revenue, PT PLN (Persero) entered into a power purchase agreement with PT. Lotte Chemical Indonesia Cilegon. investment in the relocation of 150 kV high voltage overhead lines. This research is very important as a small-scale simulation given the large number of electric power transmission projects implemented by PLN. This study analyzes the impact of the relocation of the 150 kV T/L and found that the existing material that was dismantled was either utilized/not reused so that it has the potential to increase/decrease investment for PLN. The research method is in the form of data analysis on the feasibility study of the PLN project. Calculation analysis by calculating the value of existing assets which is then used as a reference in calculating sensitivity analysis which is then determined 3 scenarios using financial indicators IRR, NPV, B/C Ratio and Payback Period (PB). The results of the study show that scenarios 1, 2 and 3 have positive IRR and B/C ratio values and there is a difference of 1 year for the payback period between scenarios 1 and 3 vs scenario 2 and the highest NPV is in scenario 3.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
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)0,0010,000
Bibliométrie0,0010,001
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 Opus0,020
Tête enseignante GPT0,213
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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Energi dan KetenagalistrikanMême sujetMining Techniques and EconomicsTravaux en français237 207