MétaCan
Menu
Retour à la cohorte
Enregistrement W2147541217

DESIGN METHODOLOGY FOR OPTIMIZATION OF ELECTRICITY GENERATION AND DAYLIGHT UTILIZATION FOR FAÇADE WITH SEMI- TRANSPARENT PHOTOVOLTAICS

2013· article· en· W2147541217 sur OpenAlexaboutno aff
Leanne Robinson, Andreas Athienitis

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFacadePhotovoltaicsDaylightPhotovoltaic systemRenewable energyElectricitySolar gainGlazingDaylightingElectricity generationAutomotive engineeringEnvironmental scienceArchitectural engineeringSolar energyEngineeringCivil engineeringElectrical engineeringOpticsPower (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Semi-transparent photovoltaics (STPV) have a large potential for integration in fenestration systems, adding the option of solar electricity production while still allowing for satisfaction of daylight needs. This paper studies the potential of using such a technology and examines the impact of changing the photovoltaics (PV) area ratio (ratio of PV coverage to fenestration area) on the STPV façade. It includes a preliminary verification of the workplane illuminance model through comparison with measured data from an experimental office with a specially built fullscale prototype of a window with spaced solar cells in its upper section. The paper will address the issue of optimizing the PV area ratio for a simplified model based on a typical office in Montreal with a 3-section façade. The effect of changing orientation and PV efficiency on the overall net electricity generation (including the lighting load, heat gain from the artificial lighting, and the output of the PV) is presented. The annual simulation results show that a façade with integrated STPV has the potential to improve overall energy performance when compared with opaque PV due to the significant daylighting benefits even at low transparency ratios.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,319

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 savante0,0000,000
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 Opus0,299
Tête enseignante GPT0,313
Écart entre enseignants0,014 · 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
GenreMéthodes

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

En bref

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative IdentityTravaux en français237 207