Impacts of Carbon Tax Policies on Low-Carbon Technology Investment in the Electricity Supply Chain Under Peak–Valley Pricing
Notice bibliographique
Résumé
This article investigates low-carbon technology (LCT) investment strategies within the electricity supply chain, employing a hybrid decision-making framework that considers both decentralized and cooperative approaches. By integrating a peak–valley pricing mechanism, the article examines the impact of carbon tax policies (CTPs) on LCT investment. It analyzes the competitive and cooperative interactions between power generation and electricity retail (ER) enterprises, focusing on how the CTP influences investment decisions, electricity pricing, and the profitability of the electricity enterprise under a wholesale electricity pricing discount strategy. The findings are as follows: 1) Surprisingly, CTPs may not always incentivize LCT investment under peak–valley pricing. When unit carbon emissions are low, CTPs promote greater LCT investment, stimulate electricity demand during peak and valley periods, and enhance the profitability of the ER enterprise. However, when unit carbon emissions are high, the absence of CTPs more effectively drives LCT investment, increases electricity demand, and yields higher profits for the ER enterprise. 2) Under a wholesale electricity pricing discount strategy, compared to the case without CTPs, when unit carbon emissions are low, CTPs lead to lower initial wholesale electricity prices during peak and valley periods, thereby increasing marginal profits for the ER enterprise. Conversely, when unit carbon emissions are high, CTPs lead to higher initial wholesale electricity prices in both periods, reducing the ER enterprise’s marginal profits. 3) Under a CTP, higher unit carbon emissions increase retail electricity prices during peak and valley periods, which reduces electricity demand, LCT investment, and the profitability of electricity enterprises. Furthermore, an increase in the unit cost of electricity generation raises retail electricity prices during peak and valley periods, further exacerbating declines in demand, investment, and profits.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».