論文の概要: A Dataset of the Operating Station Heat Rate for 806 Indian Coal Plant Units using Machine Learning
- arxiv url: http://arxiv.org/abs/2410.00016v1
- Date: Sat, 14 Sep 2024 19:12:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-05 15:38:58.143455
- Title: A Dataset of the Operating Station Heat Rate for 806 Indian Coal Plant Units using Machine Learning
- Title（参考訳）: 機械学習を用いたインド炭田806施設の運転所熱流量のデータセット
- Authors: Yifu Ding, Jansen Wong, Serena Patel, Dharik Mallapragada, Guiyan Zang, Robert Stoner,
- Abstract要約: インドは2070年までに純ゼロ排出量を達成することを目指しており、2030年までに再生可能発電容量500GWという野心的な目標を設定している。
石炭工場は現在、2022年のインドの発電の60%以上に貢献している。
このデータセットは、インドが再生可能エネルギー目標に向かって移行するにつれて、インドの石炭発電のエネルギー・環境政策を通知する可能性がある。
- 参考スコア（独自算出の注目度）: 3.5669362640232323
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: India aims to achieve net-zero emissions by 2070 and has set an ambitious target of 500 GW of renewable power generation capacity by 2030. Coal plants currently contribute to more than 60\% of India's electricity generation in 2022. Upgrading and decarbonizing high-emission coal plants became a pressing energy issue. A key technical parameter for coal plants is the operating station heat rate (SHR), which represents the thermal efficiency of a coal plant. Yet, the operating SHR of Indian coal plants varies and is not comprehensively documented. This study extends from several existing databases and creates an SHR dataset for 806 Indian coal plant units using machine learning (ML), presenting the most comprehensive coverage to date. Additionally, it incorporates environmental factors such as water stress risk and coal prices as prediction features to improve accuracy. This dataset, easily downloadable from our visualization platform, could inform energy and environmental policies for India's coal power generation as the country transitions towards its renewable energy targets.
- Abstract（参考訳）: インドは2070年までに純ゼロ排出量を達成することを目指しており、2030年までに再生可能発電容量500GWという野心的な目標を設定している。
石炭工場は現在、2022年のインドの発電量の60%以上に貢献している。
高エミッション石炭プラントのアップグレードと脱炭はエネルギー問題となった。
石炭プラントの主要な技術パラメータは、石炭プラントの熱効率を表す運転所熱率(SHR)である。
しかし、インドの石炭プラントの運用SHRは異なっており、包括的に文書化されていない。
この研究は、いくつかの既存のデータベースから拡張され、機械学習(ML)を用いた806のインド炭田ユニットのためのSHRデータセットを作成し、これまでで最も包括的なカバレッジを示している。
さらに、水ストレスリスクや石炭価格などの環境要因を予測特徴として取り入れ、精度を向上させる。
当社の可視化プラットフォームから簡単にダウンロード可能なこのデータセットは、インドが再生可能エネルギー目標に向かって移行するにつれて、インドの石炭発電のエネルギー・環境政策を通知する可能性がある。
関連論文リスト
- Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - GloSoFarID: Global multispectral dataset for Solar Farm IDentification in satellite imagery [1.2021565114959365]
本研究は、ソーラーパネルファームのマルチスペクトル衛星画像の包括的グローバルデータセットを初めて開発する。
これは、世界中のソーラーパネルファームの展開と分布を正確にマッピングし分析できる、堅牢な機械学習モデルのトレーニング基盤を形成することを目的としている。
論文 参考訳（メタデータ） (2024-04-08T04:10:50Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Decarbonizing Indian Electricity Grid [0.0]
インドは世界の二酸化炭素排出量の7%を担っている。
電力部門は国内からの排出の35%近くを占めている。
化石燃料から再生可能エネルギーへの転換は、このセクターを脱炭する鍵となる。
論文 参考訳（メタデータ） (2022-11-07T16:51:50Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳（メタデータ） (2022-11-03T17:13:48Z) - Location-aware green energy availability forecasting for multiple time
frames in smart buildings: The case of Estonia [0.5156484100374058]
本研究の目的は、異なる機械学習モデルを用いて、天気と派生した特徴に基づいてPVシステムの出力パワーを予測することである。
目的は、データを調べて出力パワーを正確に予測する最適なモデルを得ることである。
論文 参考訳（メタデータ） (2022-10-04T14:02:43Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z) - An Artificial Intelligence Dataset for Solar Energy Locations in India [6.454602468926006]
インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
論文 参考訳（メタデータ） (2022-01-31T23:53:19Z) - SunCast: Solar Irradiance Nowcasting from Geosynchronous Satellite Data [2.285928372124628]
本稿では,太陽フレーミングを次のフレーム予測問題として扱う畳み込み長短期記憶ネットワークモデルを提案する。
当社のモデルは、GPUを使わずに1台のマシン上で、北米全体の太陽光放射を最大3時間60秒で予測できる。
論文 参考訳（メタデータ） (2022-01-17T01:55:26Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Optimizing carbon tax for decentralized electricity markets using an
agent-based model [69.3939291118954]
人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。
炭素税は、この移行を支援する効率的な方法であることが示されている。
NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
論文 参考訳（メタデータ） (2020-05-28T06:54:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。