Differentiate nuclear technologies by size and reactor type
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 35/100
Línea de trabajo
No se indican archivos, pruebas ni puntos de entrada. Empieza por inspeccionar cómo representa actualmente el repositorio la tecnología nuclear y la capacidad existente frente a la capacidad construible; después, revisa las convenciones de datos para los costes, las vidas útiles, los tiempos de construcción y los parámetros operativos. Se considera terminado cuando las distinciones propuestas por tamaño y tipo de reactor están representadas de forma coherente para ambas categorías de capacidad, con supuestos validados.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I'd like to suggest the representation of nuclear power technologies by differentiating them by size (large reactors vs small modular reactors) and by reactor type (PWR, HTGR, etc.), and applying this distinction to both existing and buildable capacity.
Right now, nuclear is modeled as a single generic technology, but there are major differences between different technologies.
Each class has distinct:
- Capital cost (CAPEX);
- O&M cost structure;
- Construction time and modularity;
- Ramp rates and flexibility;
- Applicability (grid baseload vs remote/off-grid, industrial heat, etc.).
A first-level split could distinguish:
- nuclear_large
- nuclear_smr
A second-level refinement could add specific reactor types: - nuclear_smr_pwr
- nuclear_smr_htgr
This would better reflect current technology trends and allow more detailed modeling of future scenarios – especially given the increasing focus on SMRs in Europe, USA and beyond.
- Lenguaje dominante
- Python
- Estrellas
- 132
- Forks
- 59
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de PyPSA/technology-data
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
PyPSA/technology-data#271 ·
-
data: Add ACER's CONE studyAbierto
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
PyPSA/technology-data#284 ·
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
PyPSA/technology-data#283 ·
-
feature
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
PyPSA/technology-data#282 · 4 comentarios ·
-
bug
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
PyPSA/technology-data#281 ·
Todos los issues de PyPSA/technology-data
Issues similares
-
tool-calling
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
vllm-project/vllm#59838 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 92/100
raullenchai/Rapid-MLX#4042 ·
Los mantenedores suelen responder en 1 día
-
documentation
Dificultad 1/5 Menos de una hora Aptitud para principiantes 92/100
transitmatters/mbta-slow-zone-bot#70 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
litestar-org/advanced-alchemy#811 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día