Feasibility and Challenges of Low-Carbon Transition of China’s Power System
Notice bibliographique
Résumé
Low-carbon transition of China’s power system is pivotal for global climate management. National aggregate analysis in prior work ( 10.1038/s41560-021-00863-0, 10.1016/j.oneear.2021.09.012, 10.1038/s41558-019-0509-6, 10.1038/s41558-022-01570-8, 10.1093/ooenergy/oiad009 ) masks the conflicts between China’s power system mechanism, carbon mitigation, and economic development goals and conceals provincial heterogeneities in socioeconomic capabilities, costs, and risks. We address those issues by comparing decline in coal use and acceleration in renewable adoption rates (R CHI ) in China’s provinces along with China’s 2030–2060 carbon mitigation and economic development goals to that in 52 other countries at their historical fastest transformation (R MAX ) decade, based on their socioeconomic, power system structure, and mechanism conditions, and quantifying the unit-associated unemployment and stranded assets due to decline in coal use. We observed that R CHI distributes unevenly in time and space. In time scale, the transition follows a “fast-then-slow” trajectory in terms of stranded assets, leading to higher socioeconomic and political efforts at the beginning of the process. Spatially, certain provinces face heightened risks related to stranded assets, unemployment, and energy security, underscoring the urgent need for power system reforms and equitable carbon quota allocations for a just transition. To achieve its 2030–2060 carbon targets, China must attain higher R CHI than R MAX, overcoming stringent socioeconomic and political challenges and entrenched system inertia.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».