MétaCan
Menu
Retour à la cohorte
Enregistrement W4393158683 · doi:10.20944/preprints202403.1277.v1

Implementing Tri-brid Energy Systems for Renewable Integration in Southern Alberta, Canada

2024· preprint· en· W4393158683 sur OpenAlexafffundabout
Mohammad Adnan Aftab, James Byrne, Paul Hazendonk, Dan Johnson, Locke D. Spencer, Tim Weis

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of AlbertaUniversity of Lethbridge
Organismes subventionnairesMitacs
Mots-clésRenewable energyRegional scienceEconomic geographyGeographyNatural resource economicsBusinessEconomicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The steep decline in the price of wind and solar photovoltaics provides a possibility to decarbonize electricity deeply and affordably. This study uses HOMER Pro energy modeling tool to model an optimized grid-connected renewable energy system for a community in southern Alberta, Canada. The study's goal is to identify the best renewable energy technology combinations that can provide electricity at the lowest levelized cost of energy (LCOE) and has lesser greenhouse gas emission as compared to the electricity produced by traditional fossil fuel. Gleichen, is a small town in southern Alberta and is near to numerous commercial wind and solar projects given the region’s high quality renewable resources. “Tri-brid” systems consisting of wind turbines, solar photovoltaics, and battery energy storage systems (BESS) are considered and compared based on electricity prices, net present cost, and greenhouse gas emissions savings. This tri-brid system is connected to the grid to sell excess electricity generated or buying electricity when there is less or no availability of solar and wind. The tri-brid energy system has an estimated LCOE of 0.0705 CAD/kWh which is competitive with the price of electricity generated by natural gas and coal which is 0.127 CAD/kWh.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,247
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,033
Tête enseignante GPT0,260
Écart entre enseignants0,227 · 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'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

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207