MétaCan
Menu
Retour à la cohorte
Enregistrement W4402647888 · doi:10.55214/25768484.v8i4.1589

Empirical analysis of electricity demand in Albania. the impact in ecosystem

2024· article· en· W4402647888 sur OpenAlexaff
Valbona Karapici, Doriana Matraku, Arsena Gjipali

Notice bibliographique

RevueEdelweiss Applied Science and Technology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésElectricity demandElectricityEcosystemNatural resource economicsEnvironmental scienceEconomicsBusinessEnvironmental economicsAgricultural economicsElectricity generationEcologyEngineeringPower (physics)Biology

Résumé

récupéré en direct d'OpenAlex

Albania represents the case of a developing country with a volatile demand for power facing an unstable domestic supply, especially during the last decade. Understanding future patterns of electricity usage is crucial in various planning contexts, the most important of which would be security of supply. In this framework, acknowledging the future national demand for electricity is needed for electricity providers for them to plan the sufficient and security of electricity supply. The aim of this paper is electricity demand modelling and forecasting in Albania. The model developed for the determinants of electricity demand for Albania allows understanding of the patterns of consumption behaviour. The main demand drivers of the electric consumption considered here are macroeconomic and demographic factors. The current work empirically estimates that the main determinants of electricity consumption in Albania for the period 1990-2014 are GDP, population and remittances. Results coefficients are then used to forecast electricity consumption for the period 2015-2030. We believe that the main contribution of the proposed estimation forecasts would be for correctly informing policy makers regarding electricity demand patterns in Albania and in forming expectations on a vital sector such as electricity.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,009
Études des sciences et des technologies0,0000,001
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 Opus0,008
Tête enseignante GPT0,264
Écart entre enseignants0,256 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueEdelweiss Applied Science and TechnologyMême sujetEnergy and Environment ImpactsTravaux en français237 207