Improving Electricity Bill Affordability For Low-Income Customers Using the California Climate Credit
Notice bibliographique
Résumé
California’s retail electricity prices have become some of the highest in the country, increasing at a rate that far outpaces inflation. While high electricity prices adversely affect all utility customers, it is low-income customers who are hit the hardest due to electricity bills comprising a larger share of their household income. Though different programs exist to help support low-income customers, including utility-provided ratepayer assistance programs, low-income customers remain more likely to end up in arrears and have been found to be less likely to use cooling or heating electric loads in response to extreme temperatures, which can pose a dire health risk. These financialand health-related risks borne by low-income customers are particularly acute in California climate zones prone to more extreme temperatures, which lead to higher electricity bills and worse health outcomes for customers that forgo consuming electricity for fear of higher bills. This is an urgent problem for too many Californians—more than a quarter of low-income ratepayers are now in significant bill arrearage and could potentially lose access to electricity. In recent years, these electricity affordability concerns have become increasingly important to members of California’s government. Governor Gavin Newsom issued an executive order in late 2024 seeking solutions to the state’s high retail electricity prices, and many state legislators have introduced legislation aimed at providing electricity bill relief and addressing some of the underlying drivers of exorbitant rate increases. While many of the proposed solutions are rooted in sound fundamentals, there is reason to believe that some of these approaches, if passed into law, might take time to realize their potential to lower electricity bills or could be prone to certain political realities, such as state budget constraints.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,002 |
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 ».