MétaCan
Menu
Retour à la cohorte
Enregistrement W3093641434 · doi:10.3390/en13215574

Heat Generated Using Luminescent Solar Concentrators for Building Energy Applications

2020· article· en· W3093641434 sur OpenAlexafffund
Quinn Daigle, Paul G. O’Brien

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineChemistry
ThématiquePhotochemistry and Electron Transfer Studies
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRenewable energyPhotovoltaic systemSolar energyThermalRadiationMaterials scienceElectricity generationOpticsOptoelectronicsThermal energyElectricityEngineering physicsEnvironmental scienceProcess engineeringElectrical engineeringPower (physics)EngineeringPhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

Luminescent solar concentrators (LSCs) are a promising technology for integration and renewable energy generation in buildings because they are inexpensive, lightweight, aesthetically versatile, can concentrate both direct and diffuse light and offer wavelength-selective transparency. LSCs have been extensively investigated for applications involving photovoltaic electricity generation. However, little work has been done to investigate the use of thermal energy generated at the edges of LSCs, despite the potential for harnessing a broad range of solar thermal energy. In this work, Newton’s law of cooling is used to measure the thermal power generated at the edge of LSC modules subjected to solar-simulated radiation. Results show that the dye in single-panel LSC modules can generate 17.9 W/m2 under solar-simulated radiation with an intensity of 23.95 mW/cm2 over the spectral region from 360 to 1000 nm. Assuming a mean daily insolation of 5 kWh/m2, the dye in the single-panel LSC modules can generate ~100 kWh/m2 annually. If the surface area of a building is comparable to its floor space, thermal energy generated from LSCs on the buildings surface could be used to substantially reduce the buildings energy consumption.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,780

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 Opus0,023
Tête enseignante GPT0,251
Écart entre enseignants0,229 · 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'étudeExpérimental (laboratoire)
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

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPhotochemistry and Electron Transfer StudiesTravaux en français237 207