MétaCan
Menu
← Back to cohort
Record W7000489433

Évaluation de la durabilité des projets de gestion de la demande de puissance envisagés dans le cadre de la 2e phase du programme Hilo

2021· other· fr· W7000489433 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2021
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsEconomic liberalismEconomic analysisWestern europe
DOInot available

Abstract

fetched live from OpenAlex

Alors que le Québec dispose d’importants surplus d’électricité qu’il tente d’écouler, Hydro-Québec Distribution reste aux prises avec des besoins en puissance grandissants de sa clientèle en raison des pointes hivernales et des pressions découlant des développements technologiques en cours. Ces nouveaux développements sont alors susceptibles de limiter la consommation et l’achat d’énergie sur le réseau d’Hydro-Québec, tout en ayant le potentiel d’entrainer la création de nouveaux et couteux pics de puissance. Pour répondre à ces problématiques, le Distributeur a annoncé en 2019 la création d’une nouvelle filiale, appelée Hilo, qui vise à aider les abonnés à gérer leur consommation par la mise en place de technologies de gestion de la demande de puissance. La première phase du programme Hilo, axée sur le contrôle à distance des thermostats intelligents, est d'ores et déjà implantée. La deuxième phase, quant à elle, est toujours en développement et consistera en une diversification de l’offre de services d’Hilo, notamment dans les secteurs du stockage intelligent, de l’autoproduction solaire et de la mobilité électrique. L’objectif de cet essai consiste à évaluer la durabilité des projets de gestion de la demande de puissance envisagés dans le cadre de la deuxième phase du programme Hilo. À cette fin, une analyse multicritère est réalisée en s’inspirant de la grille des 35 questions de la Chaire en éco-conseil de l’Université du Québec à Chicoutimi et d’un modèle de durabilité en quatre dimensions (environnementale, économique, sociale et de gouvernance). L’analyse révèle que des défis se manifestent dans toutes les dimensions du développement durable, mais principalement dans les dimensions sociale et de gouvernance. Les freins les plus importants se rattachent à l’utilisation judicieuse des ressources non renouvelables (environnement), la rentabilité (économie), la répartition des avantages et l’intégration aux caractéristiques de la collectivité (société), ainsi que la participation au processus de décision et la responsabilité et imputabilité (gouvernance). Globalement, le développement durable est faiblement affecté par les offres en stockage intelligent et en mobilité électrique. Toutefois, il est affecté négativement par l’offre en autoproduction solaire. À partir des freins identifiés, une série de recommandations est donc proposée pour améliorer la durabilité des offres envisagées : développer une stratégie de valorisation; suspendre le développement de l’offre en autoproduction solaire; offrir des équipements à faible niveau de toxicité; développer une tarification basée sur la puissance maximale; rembourser certains couts engagés par Hydro-Québec; prévoir des pénalités au cas où les cibles de réduction ne soient pas atteintes; prévoir une exigence de démonstration de rentabilité; s’engager à minimiser les couts de gestion; élargir les critères d’admissibilité des bâtiments; développer des messages éducationnels; assujettir les activités d’Hilo à l’approbation de la Régie de l’énergie; devancer la remise des hypothèses d’effacement; charger Hydro-Québec de l’opérationnalisation de certains paramètres de gestion; adopter un Code d’éthique; prévoir la mise en place de moyens additionnels pour atteindre les cibles d’effacement; et permettre la réduction de la contribution d’Hilo.

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 imitation

Not 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.

metaresearch head score (Codex)0.008
metaresearch head score (Gemma)0.021
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.027
Threshold uncertainty score0.054

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0080.021
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0020.001
Science and technology studies0.0010.001
Scholarly communication0.0030.002
Open science0.0010.002
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.023
GPT teacher head0.245
Teacher spread0.222 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→French-language works237,207→