MétaCan
Menu
Retour à la cohorte
Enregistrement W4398205642 · doi:10.1115/1.887738_ch2

Evaluating Hydro-Québec’s Decarbonization Pathways Using Integrated Asset-Centric Electrical Power System Evolution Modeling

2024· book-chapter· en· W4398205642 sur OpenAlexaffabout
Vito De Luca, Olivier Poupart-Raiche, Jean‐François Hamel, Rémi Dumoulin, Bannour Souilah, Laurent Morissette, S. William Pelletier

Notice bibliographique

RevueASME eBooks · 2024
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésAsset (computer security)Electric power systemPower (physics)Computer sciencePhysicsThermodynamicsComputer security

Résumé

récupéré en direct d'OpenAlex

The era of decarbonization is expected to require massive infrastructure investments to upgrade and renew the electrical power system, which puts enormous pressure on electrical utilities. The fragmented organizational structure typical of most utilities today hinder energy leaders’ ability to assess the global monetary and social cost of maintaining grid reliability in the decarbonized future. To provide decision-makers with a consolidated high-level outlook of the power system’s evolution, Hydro-Québec developed an innovative decision-support tool referred to as the Integrated Asset-Centric Electrical Power System Evolution Model or EPSEM. It essentially aggregates asset and risk management data for Hydro-Québec’s generation, transmission, and distribution activities, and simulates the evolution of the electrical system as a whole, generating CapEx, OpEx and asset metric projections based on different energy mixes and forecasted demand scenarios. The paper outlines the model’s main design steps and provides a broad overview of the modeling approach and simulation methodology, particularly its unique data aggregation methodology and holistic and interdisciplinary approach to power system modeling. Examples of the types of results and analytics that can be obtained are presented and discussed. The observed benefits of the EPSEM demonstrate how advanced data-driven tools and a holistic approach to asset management risk analysis and power system planning can help decision-makers chart decarbonization pathways and more efficiently coordinate expansion planning.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,986
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,234
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueASME eBooksMême sujetElectric Power System OptimizationTravaux en français237 207