Causal inference to scope environmental impact assessment in multisector systems: the case of trans-border hydropower exports
Notice bibliographique
Résumé
Decarbonization of the United States’ electricity sector will require trillions of dollars of investment in generation and transmission infrastructure. The National Environmental Policy Act (NEPA) requires proponents of many major projects to complete environmental impact statements (EIS) that address reasonably foreseeable impacts, regardless of where these impacts occur. There has been controversy over the cause-effect relationships among electrical supply, electrical demand, apparent cost, and other variables given the complex interactions between them. Therefore, the range of environmental impacts attributable to new infrastructure projects is subject to frequent disagreements. In this work, we address increasing U.S. imports of Canadian hydropower in the setting of falling prices and surplus generation. There has been controversy as to whether new transmission capacity stimulates new generation capacity, and thus whether generation-side environmental and health impacts must be assessed in the scope of incremental transmission projects. We have developed a rich longitudinal database of variables related to generation capacity, export volume, retail prices, and climate over the period 1979 to 2021. We have applied a novel multivariable wide neural network machine learning methodology to evaluate alternative causal models for the evolution of the electricity system and the role of new transmission infrastructure. We find no evidence that transmission capacity stimulates generation capacity. Rather, generation capacity growth in Canada is triggered primarily by domestic price signals and climate parameters, with trans-border transmission capacity developed primarily to absorb excess generation potential. This work supports a relatively narrow scope for EIS related to trans-border transmission projects. More generally, this analysis demonstrates how causal inference methods may help build consensus around the appropriate scope of EIS for highly interconnected energy and infrastructure projects.
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 | 0,024 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».