Parâmetros para análise de projetos de eficiência energética em eletricidade
Bibliographic record
Abstract
A todos que de alguma maneira contribuíram para a realização deste trabalho.vi RESUMO No Brasil a LEI nº 9.991 de 24 de julho de 2000 preconiza que as distribuidoras e permissionárias de serviços públicos de energia elétrica ficam obrigadas a aplicar 0,5% de sua receita operacional líquida em programas de eficiência energética no uso final e 0,5% para pesquisa e desenvolvimento (P&D).Considerando que os percentuais aplicados em cada região brasileira são diretamente proporcionais à energia consumida, e que existem diferenças regionais de geração, transmissão e distribuição de energia elétrica, assim como nos consumos de energia per capita, ações de eficiência energética nas diferentes regiões do Brasil podem proporcionar resultados distintos sob a óptica técnica, econômica, ambiental e social.Este trabalho faz a análise de diagnósticos energéticos realizados entre 1993 e 2005, e projetos implementados no âmbito dos Programas de Eficiência Energética (PEE) com recursos oriundos das concessionárias e permissionárias de distribuição de energia elétrica, conforme dispõe a Lei 9.991.A análise de diagnósticos realizados e de implementações de ações de eficiência energética no âmbito nacional procura identificar características para servirem como parâmetros para auxiliar na aplicação dos recursos aos Programas de Eficiência Energética (PEEs) e na viabilidade dos projetos de eficiência energética sem a utilização dos recursos oficiais.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".