Impact of the car fleet evolution on electricity demand in Québec
Notice bibliographique
Résumé
Under pressure to reduce its greenhouse gas emissions (GHG), the global passenger car market is experiencing a shift from vehicles powered by internal combustion engines towards hybrid and fully electric models. In colder regions such as northern North America and northern Europe, the adoption of electric vehicles is expected to generate an uneven demand on the electric grid, with peak demand coinciding with building heating requirements in winter. To quantify the impact of this transformation, this study projects, using registered light-duty vehicles in Quebec, Canada, from 2011 to 2021, the evolving demand for electricity of the fleet under various electrification scenarios. Two historical tendencies enhance potential demand for electricity: (i) vehicles become increasingly heavy, gaining an average of 11 kg per vehicle between 2011 and 2021; (ii) the number of registered vehicles shows a yearly increase of 67,276 vehicles, about 1.3% of the fleet. Based on these trends, and accounting for per-vehicle energy use by weight, mileage, and temperature-related range losses, the projections show that stabilizing electric vehicle mass at 2021 levels would lead to a fleet that is 25.9% lighter and reduce electricity demand by 17.6% in 2040 with respect to the business as usual scenario. While a life-cycle assessment shows the benefits of electric vehicles over gasoline vehicles in terms of GHG reduction in any scenarios, our results underline the importance of understanding the potential strain on the electric grid that can be caused by unbridled transformation of the car fleet from internal combustion engine to battery-electric models. • Quebec’s car fleet averages a growth of 67,276 more vehicles each year. • In Quebec, an average of 492,216 new vehicles are added on the road annually. • The average mass of the light-duty vehicle fleet increases by 11 kg each year. • Capping average car weight at 2021 values could cut electricity demand by 17.6%.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».