Bibliographic record
Abstract
Tämän työn tavoitteena oli tutkia tasepalvelun toimivuutta Suomessa, suomalaisten tasevastaavien tasesähkön käyttöä sekä tasevastaavien osallistumista säätösähkömarkkinoille. Samalla tavoitteena oli luoda analysointityökaluja tasepalvelun käyttöön. Tuntitason tasesähkön käyttöä on tutkittu tasevastaavakohtaisesti taseen poikkeaman itseisarvojen, yli- ja alijäämäisyyden sekä sähkön markkinahinnan ja tasesähkön hintojen vaikutuksen avulla. Fingridin tasevastaaville myymän tasesähkön määrä vuonna 2002 oli 880 GWh, joka oli noin 1 % kyseisen vuoden Suomen sähkön kulutuksesta. Tasevastaavien taseen tuntitason poikkeamien keskimääräinen kuukausikeskiarvo on välillä 8-16 MWh/h. Tasesähköä käytetään eniten talvella, johon syynä on kuormien lisääntyminen sekä lämpötilariippuvien kuormien ennustettavuuden vaikeutuminen. Tasesähkön hinnoittelulla on ohjaava vaikutus tasevastaavien tasesähkön käyttöön. Hinnoittelumalli toimii normaalitilanteissa varsin hyvin, mutta kalliin markkinahinnan aikana tarvittaisiin tehokkaampaa ja nopeampaa keinoa ohjata tasevastaavien tasesähkön käyttöä. Säätösähkömarkkinoita on tutkittu Pohjoismaiden, Suomen ja tasevastaavien tasolla. Säätötarjouksista ja toteutuneista säädöistä on analysoitu kokoa, hintaa, energia- ja lukumääriä. Suurin osa pohjoismaisen järjestelmän säädöistä tilataan Norjasta ja Ruotsista. Suomalaisten tasevastaavien säätötarjousten energiamäärä on kaksinkertaistunut vuosien 2001-2003 välillä. Suomalaisilta tasevastaavilta tilattujen säätöjen määrä vaihtelee viikoittain johtuen pohjoismaisen järjestelmän säätötarpeesta sekä tarjousten hinnoittelusta suhteessa muiden Pohjoismaiden tarjousten hintoihin.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.079 | 0.023 |
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".