MétaCan
Menu
Retour à la cohorte
Enregistrement W2943199773 · doi:10.1155/2019/6501785

Design and Dynamic Modelling of a Hybrid Power System for a House in Nigeria

2019· article· en· W2943199773 sur OpenAlexafffund
Lawrence Oriaghe Aghenta, M. Tariq Iqbal

Notice bibliographique

RevueInternational Journal of Photoenergy · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of Newfoundland
Mots-clésComputer scienceTransformerInverterMATLABVoltageElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the design and dynamic modelling of a hybrid power system for a house in Nigeria. Thermal modelling of the house under consideration is carried out using BEopt software to accurately study the heat loss through the walls, windows, doors, and roof of the house. The analysis of this thermal model is used to determine hourly load data. Design of an optimum hybrid power system for the house is done with HOMER Pro software. The hybrid power system is made up of a diesel generator and a stand-alone PV system. The proposed PV system consists of PV arrays, DC–DC boost converter, MPPT controller, single-phase full-bridge inverter, inverter voltage mode controller (PI controller), and single-phase step-up transformer. Dynamic simulation of the proposed PV system component of the hybrid power system is carried out in MATLAB/Simulink environment to study the power quality, harmonics, load impact, voltage transients, etc. of the system, and the simulation results are presented in the paper.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,219 · 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

Citations35
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of PhotoenergyMême sujetHybrid Renewable Energy SystemsTravaux en français237 207