MétaCan
Menu
Retour à la cohorte
Enregistrement W2056688961 · doi:10.1155/2014/582083

Enhanced Efficiencies for High-Concentration, Multijunction PV Systems by Optimizing Grid Spacing under Nonuniform Illumination

2014· article· en· W2056688961 sur OpenAlexafffund
Pratibha Sharma, Alexandre W. Walker, Jeffrey F. Wheeldon, Karin Hinzer, Henry Schriemer

Notice bibliographique

RevueInternational Journal of Photoenergy · 2014
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCMC Microsystems
Mots-clésSuns in alchemyIrradianceGaussianMaterials scienceOpticsGridSpiceSolar cellEnergy conversion efficiencyOptoelectronicsMathematicsPhysicsElectronic engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

The design of a triple junction solar cell’s front contact grid can significantly affect cell conversion efficiency under high concentration. We consider one aspect of grid design, choosing a linear grid within a distributed resistance cell model to optimize finger spacings at concentrations between 500 and 2500 suns under uniform and nonuniform illumination. Optimization for maximum efficiency under Gaussian irradiance profiles is done by SPICE analysis. Relative to the optimized uniform illumination designs, we find enhancements of 0.5% to 2% in absolute efficiencies for uniform spacing. Efficiency enhancement with nonuniform spacing under nonuniform illumination is also evaluated. Our model suggests that, at lower concentrations (<1000 suns), the penalty for using uniformly spaced fingers instead of nonuniformly spaced fingers is <0.1%. However, at a concentration of 2500 suns the penalty increases to 0.3%. Thus, relative to a uniform irradiance optimization, an absolute efficiency increase of 2.3% can be attained for an optimized nonuniform spacing given the Gaussian irradiance profile under consideration.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,196
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of PhotoenergyMême sujetsolar cell performance optimizationTravaux en français237 207