MétaCan
Menu
Retour à la cohorte
Enregistrement W4399488239 · doi:10.1088/1755-1315/1344/1/012011

Techno-economic Analysis of 100 kWp Floating Solar Photovoltaic for Renewable Energy Mix in Bali – Indonesia

2024· article· en· W4399488239 sur OpenAlexaff
Agus Putu Abiyasa, R. Sihombing

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensOntario Power Generation
Organismes subventionnairesnon disponible
Mots-clésRenewable energyPhotovoltaic systemPayback periodEnvironmental scienceSolar energyGrid paritySolar powerEnvironmental engineeringInvestment (military)Agricultural economicsMeteorologyEngineeringGeographyProduction (economics)Electrical engineeringEconomicsPower (physics)Distributed generationPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract To achieve renewable energy mix target and support the Indonesian Government’s policy on the use of solar power, PT. PLN Indonesia Power Bali has installed Floating Solar Photovoltaic (PV) above the surface of the Muara Nusa Dua reservoir. The 100 kWp Floating Solar PV was showcased at the G20 meeting held in Bali. In this study, a techno-economic analysis was carried out for the 100 kWp Floating Solar PV. The data collected was the real time data from the production of the 100 kWp Floating Solar PV and the costs incurred for the investment. The results of this study showed an average energy yield of 145.93 MWh with expected revenue of Rp 236,406,729.60 annually. Furthermore, the NPV and IRR were calculated and the resulted values were Rp 2,810,168,240.00 and 5.73 %, respectively with payback period approximately of 13 years. This showed that the 100 kWp Floating Solar PV is feasible investment to increase renewable energy mix in Bali – Indonesia.

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)0,001
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,208
Écart entre enseignants0,198 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetHybrid Renewable Energy SystemsTravaux en français237 207