MétaCan
Menu
Retour à la cohorte
Enregistrement W4416342049 · doi:10.1109/epec65543.2025.11230372

Deployment of renewable energy resources for energy justice and poverty mitigation

2025· article· W4416342049 sur OpenAlexaff
Uchenna Godswill Onu, Eliane Valença Nascimento De Lorenci, Antônio Carlos Zambroni de Souza, Pedro Paulo Balestrassi, Ursula Eicker

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyDistributed generationPhotovoltaic systemElectricityEnergy povertySustainable developmentPumped-storage hydroelectricityFeed-in tariffElectricity generation

Résumé

récupéré en direct d'OpenAlex

Rural settlements are key to the global food supply due to arable lands. Rural electricity access in developing countries is threatened by low power demands and poverty. Agriculture and agro-industries can mitigate poverty and boost power demands, ensuring economic sustainability. Most rural grids cannot support industrial loads due to design constraints. This study presents a methodology that evaluates the grid’s hosting capacity for industrial loads, and defines a sustainable solution based on the integration of distributed renewable energy resources to adapt the grid to industrial demand. The methodology was applied to a case study in Nigeria using the IEEE 34 bus system. Solar PV and storage were integrated at proposed sites, restoring system voltages. Solar PV and pumped hydro storage were found to be the most cost-effective solutions. Three potential pumped hydro sites were identified along the Cross River in the Nigerian case study. There was a mismatch between daily and yearly ratings of energy devices due to seasonal variation in renewable generation. A storage dispatch model is needed to harness excess generation for sustainable energy, food, and water access.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHybrid Renewable Energy SystemsTravaux en français237 207