MétaCan
Menu
Retour à la cohorte
Enregistrement W4404010260 · doi:10.1038/s41467-024-53274-6

The value of long-duration energy storage under various grid conditions in a zero-emissions future

2024· article· en· W4404010260 sur OpenAlexafffund
Martin Staadecker, Julia Szinai, Pedro Andres Sanchez Perez, Sarah Kurtz, Patricia Hidalgo-Gonzalez

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoCalifornia Energy Commission
Mots-clésEnergy storageEnvironmental economicsGridEnvironmental scienceResource (disambiguation)Pumped-storage hydroelectricityCapital costElectricityRenewable energyAsset (computer security)Distributed generationComputer scienceBusinessNatural resource economicsEconomicsEngineeringElectrical engineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract Long-duration energy storage (LDES) is a key resource in enabling zero-emissions electricity grids but its role within different types of grids is not well understood. Using the Switch capacity expansion model, we model a zero-emissions Western Interconnect with high geographical resolution to understand the value of LDES under 39 scenarios with different generation mixes, transmission expansion, storage costs, and storage mandates. We find that a) LDES is particularly valuable in majority wind-powered regions and regions with diminishing hydropower generation, b) seasonal operation of storage becomes cost-effective if storage capital costs fall below US$5 kWh −1 , and c) mandating the installation of enough LDES to enable year-long storage cycles would reduce electricity prices during times of high demand by over 70%. Given the asset and resource diversity of the Western Interconnect, our results can provide grid planners in many regions with guidance on how LDES impacts and is impacted by energy storage mandates, investments in LDES research and development, and generation mix and transmission expansion decisions.

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)0,002
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,005
Tête enseignante GPT0,238
Écart entre enseignants0,233 · 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

Citations68
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetMicrogrid Control and OptimizationTravaux en français237 207