Bridging simulation and real-world data: Insights from solar energy communities experiences in Switzerland and Canada
Notice bibliographique
Résumé
This paper explores the development of neighborhood-scale solar energy communities to enhance energy self-sufficiency, resilience, and efficiency. Through the integration of solar photovoltaics (PV), battery storage, electric vehicles (EVs), and microgrids, these communities optimize local energy use and reduce grid dependency. Two complementary case studies are analyzed: Aigues-Vertes, Switzerland, where dynamic energy modelling (PVSyst®, PowerFactory®) is used to simulate solar PV integration and storage strategies, and West 5, Canada, where real-world performance data assesses the effectiveness of passive and active solar strategies, microgrid operations, and energy flexibility. A qualitative comparative approach is used to analyze implementation processes, contextual constraints, and design strategies within differing institutional and planning frameworks. Findings underscore the value of simulation in pre-implementation planning and the role of empirical data in validating long-term system performance. Both cases demonstrate high levels of self-consumption, substantial CO₂ emission reductions, and strong economic viability. This paper concludes with ten key recommendations to guide policymakers, urban planners, and developers in overcoming implementation barriers and scaling up solar-powered urban communities as part of the broader energy transition and climate strategy. • Neighborhood-scale solar solutions enhance energy autonomy and grid resilience. • Case studies in Switzerland and Canada demonstrate real-world flexibility strategies using solar PV. • Integration of solar PV with electric vehicles, HVAC systems, battery storage, and microgrids optimize energy flows. • Simulation tools are critical for pre-implementation feasibility studies and real-world validation. • Ten strategic recommendations address barriers to widespread adoption of solar energy communities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».