The demand side response potential in different electricity consumption groups
Notice bibliographique
Résumé
Energiamurroksen sekä geopoliittisen tilanteen takia Suomen sähköjärjestelmä on kohtaamassa uudenlaisia haasteita. Sähköntuotannon joustavuuden väheneminen vaatii sähköjärjestelmän tasapainon ylläpitämiseksi joustoa muista lähteistä. Näistä lähteistä yksi on kysynnän jousto. Kysynnän jouston kehittämiseksi on kuitenkin tärkeää tietää nykyinen potentiaali. Suomessa sähkönkuluttajat voidaan jakaa kolmeen ryhmään: teollisuus, kotitaloudet sekä palvelut ja julkinen sektori. Kysynnän jouston keinot ja sähkönkulutustottumukset vaihtelevat sähkönkäyttäjäryhmien välillä, joten on mielekästä tutkia niiden potentiaalia erillään toisistaan. Lisäksi diplomityössä esitellään Suomen sähkömarkkinat, kysynnän jouston perusteet sekä sähkönkäyttäjäryhmien mahdollisuudet kysynnän joustolle. Sähkönkäyttäjäryhmien kysynnän jouston potentiaalia on tässä diplomityössä tutkittu vain Suomen osalta ja kysynnän joustossa keskitytään sähkön kysynnän joustoon. Diplomityö on suoritettu kirjallisuuskatsauksena ja kysynnän jouston potentiaalien tutkimuksen lähteinä on käytetty aiempia eri sähkönkäyttäjäryhmien potentiaalia tutkivia artikkeleita. Muuten diplomityössä on käytetty artikkeleita, kirjoja, tilastoja sekä verkkoaineistoa. Suomen sähköjärjestelmässä joustoa löytyy kysynnän joustoa eri sähkönkäyttäjäryhmistä hyvin. Asumissektorilta löytyy noin 1800 - 1900 MW kysynnän jouston potentiaali. Teollisuussektorilla potentiaalia on noin 1360 MW. Palvelut ja julkisen sektorin potentiaali tuottaa järjestelmään noin 1250 - 1500 M W kysynnän joustoa. Yhteensä Suomessa on siis noin 4410 - 4760 M W kysynnän jouston potentiaalia. Kysynnän joustoa on tämän tutkimuksen perusteella tarpeeksi Suomen tämänhetkisiin tarpeisiin, mutta tarkempia tutkimuksia aiheesta olisi hyvä tehdä, jotta tuloksista saisi tarkempia ja varmempia.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,023 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».