MétaCan
Menu
Retour à la cohorte
Enregistrement W2609047162 · doi:10.1155/2017/8504283

Dynamic Modeling, Control, and Analysis of a Solar Water Pumping System for Libya

2017· article· en· W2609047162 sur OpenAlexaff
Muamer M. Shebani, M. Tariq Iqbal

Notice bibliographique

RevueJournal of Renewable Energy · 2017
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemMaximum power point trackingWater pumpingSizingMaximum power principleMATLABVoltageDC motorComputer scienceControl theory (sociology)Power (physics)Automotive engineeringElectrical engineeringEngineeringPhysicsControl (management)Mechanical engineering

Résumé

récupéré en direct d'OpenAlex

In recent years, one of the suitable solar photovoltaic (PV) applications is a water pumping system. The simplest solar PV pumping system consists of PV array, DC-DC converter, DC motor, and water pump. In this paper, water pumping system sizing for Libya is evaluated based on a daily demand using HOMER software, and dynamic modeling of a solar PV water pumping system using a Permanent Magnet DC (PMDC) motor is presented in Matlab/Simulink environment. The system performance with maximum power point tracking (MPPT) based on Fractional Open Circuit Voltage (FOCV) is evaluated with and without a battery storage system. In some applications, a rated voltage is needed to connect a PMDC motor to a PV array through a DC-DC converter and in other applications the input voltage can vary. The evaluation of the system is based on the performance during a change in solar irradiation. Using Matlab/Simulink, simulation results are assessed to see the efficiency of the system when it is operating at a specific speed or at the MPPT. The results show that an improvement in the system efficiency can be achieved when the PMDC motor is running at a specific speed rather than at the peak PV power point.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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

Citations28
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Renewable EnergyMême sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207