MétaCan
Menu
Retour à la cohorte
Enregistrement W2144014910 · doi:10.1109/pvsc.2013.6744941

Collection and storage of direct spectral irradiance and DNI datasets with high temporal resolution for CPV energy yield assessments

2013· article· en· W2144014910 sur OpenAlexaffabout
Jafaru Mohammed, Mark D. Yandt, Matthew M. Wilkins, Aaron Muron, Trevor J. Hall, Joan E. Haysom, Karin Hinzer, Henry Schriemer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésIrradianceEnvironmental scienceSolar irradiancePhotovoltaicsRange (aeronautics)Yield (engineering)MeteorologyEnergy (signal processing)Remote sensingAtmospheric sciencesPhotovoltaic systemGeographyEngineeringStatisticsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

We describe the acquisition and database architecture for direct normal irradiance (DNI) and direct spectral irradiance datasets collected at an outdoor test site at the University of Ottawa. The objective was to build a database of local measurements made across a range of air mass values and atmospheric conditions for energy yield analyses applicable to Concentrated Photovoltaics (CPV) systems. Approximately 422,000 spectra and concurrent meteorological data have been recorded in the SUNLAB database for the two year operation period as of March 2013. Energy yield comparisons using measured spectra and those derived from Canadian Weather for Energy Calculations (CWECS) Typical Meteorological Year (TMY) and Canadian Weather Energy and Engineering Data Sets (CWEEDS) datasets demonstrate significant year-to-year variations, with TMY estimates underestimating 20-year historical assessments by ~7%.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil0,553

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,224 · 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 tête enseignante, 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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSolar Radiation and PhotovoltaicsTravaux en français237 207