Uniform framework for the estimation of future values of the techno-economic parameters
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
Direzione di ricerca
Inizia esaminando le ipotesi tecnologiche attuali e le fonti utilizzate per i costi di investimento futuri, le durate di vita e le efficienze. Confronta i valori previsti tra tecnologie e anni, utilizzando gli esempi nell’issue per identificare le incoerenze. Il lavoro sarà considerato completato quando sarà stato concordato un quadro di stima documentato e coerente per questi parametri tecno-economici.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
The reduction of the future investments costs (e.g. 2050 vs 2020) don't seem to follow common logic. Some mature technologies with a high marginal cost (when the CO2-cost is included) have major cost reductions and other technologies with a low marginal cost and exponential growth have no cost reductions.
A similar remark for the projected lifetimes (which can only be retroactively determined and cost reductions may lead to shorter lifetimes instead of longer lifetimes).
A similar remark for the projected efficiencies. Efficiencies tend to stabilize once a technology has been matured. Higher projected efficiencies are often related to the difference between theoretical and practical efficiencies.
The differences may be the result of the different sources that have been used. The non-uniform techno-economic parameters may cause the results will be steered to certain technologies. A uniform framework for the estimation of future values of the techno-economic parameters is needed.
- Lingua principale
- Python
- Stelle
- 132
- Fork
- 59
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Nessuna guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di PyPSA/technology-data
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
PyPSA/technology-data#271 ·
-
data: Add ACER's CONE studyAperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
PyPSA/technology-data#284 ·
-
bug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 68/100
PyPSA/technology-data#283 ·
-
feature
Difficoltà 4/5 3-5 giorni Idoneità per principianti 38/100
PyPSA/technology-data#282 · 4 commenti ·
-
bug
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
PyPSA/technology-data#281 ·
Tutte le issue di PyPSA/technology-data
Issue simili
-
upstream update
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
conan-io/conan-center-index#31098 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
john-kurkowski/tldextract#382 ·
-
comp/tools duplicate P2 sweeper:risk-compatibility tool/mcp type/bug
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
NousResearch/hermes-agent#132042 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
deepset-ai/haystack#13092 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 85/100
feder-cr/invisible_playwright_mcp#1408 ·
I maintainer di solito rispondono entro 1 giorno