MétaCan
Menu
Retour à la cohorte
Enregistrement W3126447163 · doi:10.1109/epec48502.2020.9319920

Optimal Sizing of a Hybrid Power System for Driving a Passenger Boat in Bangladesh

2020· article· en· W3126447163 sur OpenAlexaff
Mohammad Abu Abdullah Al Mehedi, M. Tariq Iqbal

Notice bibliographique

Revue2020 IEEE Electric Power and Energy Conference (EPEC) · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSizingAutomotive engineeringDiesel generatorDiesel fuelRenewable energyBattery (electricity)Environmental scienceBattery capacityFuel efficiencyMarine engineeringPower (physics)Electrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Bangladesh is a land of rivers, canals, and lakes where water transportation is an essential means of transport. The country use boats as one of the leading resources of transportation in its widespread inland waterways. Most of the currently used boats use only diesel for fuel. Appropriate use of renewable energy sources, particularly solar energy with diesel generators, could reduce diesel consumption. In this paper, a typical boat energy requirement was calculated to be 42. 10kWh/day. A boat could be driven by a DC motor using electrical power generated using an onboard PV system, battery, and small-sized generator. The size of the vessel is length 12m, width 4. 8m, depth 0. 5m, and draft height 0. 04m with a carrying capacity of 20passenger for 8hours a day. The designed system consists of a 10.6 kWPV, 1.6kW rated small generator, onboard battery storage consists of 16 batteries, each rated 6V, 240Ah, and a 4SV DC motor rated 5kW300rpm with a speed controller. The paper includes system design details and sizing using HOMER Pro.

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: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,210
Écart entre enseignants0,199 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2020 IEEE Electric Power and Energy Conference (EPEC)Même sujetHybrid Renewable Energy SystemsTravaux en français237 207