MétaCan
Menu
Retour à la cohorte
Enregistrement W4407196837 · doi:10.1016/j.energy.2025.134903

Techno-economic opportunities for integration of renewable energy into the Saskatchewan energy system using EnergyPLAN

2025· article· en· W4407196837 sur OpenAlexaffabout
David Ross-Hopley, S R Rahman, Lord Ugwu, Hussameldin Ibrahim

Notice bibliographique

RevueEnergy · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of CalgaryUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésRenewable energyEnergy engineeringEnergy (signal processing)Energy systemEnvironmental economicsNatural resource economicsBusinessEconomicsEnvironmental scienceEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Many renewable energy opportunities exist but scientific gaps remain on the techno-economic feasibility of a transition, especially when systems are considered holistically across all energy sectors. The purpose of this study is to investigate the efficacy of Smart Energy Systems using renewable energy compared to carbon capture and storage technologies. These decarbonization strategies are investigated through a case study in Saskatchewan, Canada. The study uses EnergyPLAN for modelling the energy system and considers the transportation, heating, industrial and electrical sectors. The analysis demonstrates that a Smart Energy System and renewable energy is feasible and preferred based on energy system efficiency, carbon dioxide emissions and costs. A transition has been shown to reduce annual carbon dioxide emissions by 52 % and total annualized system costs by 20 % with further reductions achieved by increasing the capacity for interprovincial trading. • A Smart Energy System in Saskatchewan would make contributions to decarbonization. • The existing Saskatchewan energy system can integrate additional renewable energy. • Interprovincial cooperation can further optimise the energy system. • A reduction in grid stabilizing units enhances renewable energy supply. • A Smart Energy System can reduce CO 2 emissions by 52 % and system costs by 20 %.

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 enseignants0,585
Score d'incertitude au seuil0,824

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
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,015
Tête enseignante GPT0,207
Écart entre enseignants0,192 · 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

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergyMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207