From investment to net benefits: A review of guidelines and methodologies for cost–benefit analysis in the electricity sector
Notice bibliographique
Résumé
The electricity sector is transforming to integrate renewable energy sources while ensuring grid quality, efficiency, and reliability. Such a transformation demands major investments from both private and public stakeholders. Economic appraisal tools such as cost–benefit analysis (CBA) have become increasingly relevant in identifying investments that optimize financial and social net benefits. Despite this, many CBA applications in the electricity sector, such as those for transmission and distribution infrastructure, tend to prioritize financial metrics and single-criterion evaluations, often neglecting broader social and environmental considerations. This highlights the need for a more inclusive approach to addressing these limitations. To this end, this paper provides a comprehensive review of the literature on CBA as applied to electricity infrastructure appraisals. First, the review examines various facets of CBA methodology, including its key steps, scope, standing, metrics, models, and approaches for addressing uncertainty. Second, this study analyzes relevant CBA guidelines employed to assess electricity projects’ social costs and benefits across the entire value chain, encompassing power generation, transmission, distribution, and end-use. Third, the paper highlights challenges and barriers within CBA guidelines, noting significant variations in their development and applicability across electricity domains and regions. The review categorizes these barriers into CBA into methodological, regulatory, and domain-specific barriers. Advancing CBA requires standardizing scope, unveiling cost and benefit causal chains, enhancing uncertainty handling, and leveraging synergies across regions to bridge gaps between theory and practice. • Review of cost-benefit analysis (CBA) for electricity infrastructure projects. • CBA guidelines vary in modeling tools, sophistication, and uncertainty handling. • Cross-domain insights enhance CBA theory and practice. • CBA faces methodological, regulatory, and domain-specific barriers. • Solutions: systemic view, dynamic modeling, transparency, and probabilistic methods.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».