MétaCan
Menu
Retour à la cohorte
Enregistrement W2091948317 · doi:10.1117/12.905692

Thermal optimization of a solar cell carrier for concentrator systems

2011· article· en· W2091948317 sur OpenAlexaff
Aaron Muron, Simon Chow, Jeffrey F. Wheeldon, Karin Hinzer, Henry Schriemer

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2011
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésConcentratorThermalSolar cellMaterials scienceEngineering physicsComputer scienceNuclear engineeringOptoelectronicsEngineeringPhysicsTelecommunicationsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Solar cell efficiency decreases as its temperature increases. Therefore, it is necessary to design a thermally optimal solar cell carrier that will maintain a minimal solar cell temperature. To achieve this optimal solar cell carrier design, a finite-element analysis model of the solar cell on carrier was developed. This numerical model was experimentally calibrated against a known design, in which the average solar cell temperature was determined by examining the shift in the open circuit voltage. This allowed us to explore the relationship between the carrier geometry and the average solar cell temperature. That is, the solar cell carrier is characterized by two independent thermal resistances: the uniform flow thermal resistance, and the thermal spreading resistance. As the copper thickness was increased, the uniform flow resistance acted to raise the cell temperature while the spreading thermal resistance decreased the cell temperature. Therefore, when the carrier geometry minimized the thermal resistances, it was found that the minimum solar cell temperature was achieved at a copper thickness between 1.5 and 3 mm depending on the surface area of the carrier. This optimized carrier design reduced the average solar cell temperature by 16 °C, which corresponds to an increase of 0.8% in cell efficiency at 1666 suns as compared to the original design used to experimentally calibrate the numerical model.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
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 Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,183 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetsolar cell performance optimizationTravaux en français237 207