MétaCan
Menu
Retour à la cohorte
Enregistrement W3146797162 · doi:10.3390/en14072018

Cleaning of Floating Photovoltaic Systems: A Critical Review on Approaches from Technical and Economic Perspectives

2021· review· en· W3146797162 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEnergies · 2021
Typereview
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemEnvironmental scienceEvaporationEnvironmental engineeringWater resourcesProcess engineeringEngineeringMeteorologyElectrical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

There are some environmental factors, such as ambient temperature, dust, etc., which cause a reduction in the efficiency of Photovoltaic (PV) systems. Installation of PV panels on the water surface, commonly known as Floating Photovoltaic (FPV) systems, is one solution to employ PV panels in a cooler environment, achieve higher efficiency, and reduce water evaporation. FPV systems open up new opportunities for scaling up solar generating capacity, especially in countries with high population density and valuable lands, as well as countries with high evaporation rates and water resources deficiency. Since the FPV system is an almost new concept, its cleaning techniques have not been comprehensively studied. While FPV systems are located on the surface of water resources and reservoirs, the water quality can limit the application of different cleaning techniques. Therefore, this paper investigates different techniques of FPV systems cleaning and categorizes them into water-based and water-free approaches. In addition, their cleaning frequencies, as well as economic aspects, are presented and discussed to determine their merits and demerits for using them in FPV systems.

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.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
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 Opus0,094
Tête enseignante GPT0,329
Écart entre enseignants0,235 · 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