Application of semitransparent photovoltaics in transportation infrastructure for energy savings and solar electricity production: Toward novel net‐zero energy tunnel design
Notice bibliographique
Résumé
Abstract Lighting subsystems account for up to 50% of the energy consumption of a typical tunnel. Day‐time lighting levels account for over two‐thirds of the total system lighting power; their periodic nature creates daily peaks in the tunnel's energy load profile. This paper studies the integration of semitransparent photovoltaic (STPV) cells into sunscreen structures installed above tunnel entrances to reduce tunnel lighting requirements and offset their day‐time lighting loads using energy generated from PVs. The electrical lighting load of a typical 1‐km length road tunnel with and without STPV sunscreen structures was modeled to establish the potential for energy savings. Using a daylighting and energy modeling plug‐in called DIVA, the transparencies and ratios of photovoltaics (PV) to glass of a STPV sunscreen that are in accordance with the luminance reduction code requirements were determined. Reduced lighting requirements over the whole tunnel length, including the threshold, transition, and interior lighting zones of the tunnel were considered, resulting in significant energy savings. The annual power production of the sections covered with STPV was then simulated using the PVsyst software. The integration of PV cells resulted in an annual energy production that reduced annual net‐energy use by up to 7% and with the potential to reduce electric lighting loads by up to 60% during the day‐time. Results also demonstrated that STPV sunscreens have the potential to meet luminance requirements if supplemented with an intelligent lighting control system.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».