A Simulation-Optimization Model for Solar PV Panel Selection Under Solar Irradiance and Load Uncertainty
Notice bibliographique
Résumé
In this reserach, a multi-objective model is presented considering simulated behavior of high-efficiency rooftop solar PV panels in factory, which are among the largest producers of green-house gases. The paper proposes a simulation-optimization approach is used to maximize the net present value (NPV) of economic benefits along with minimizing the payback period (PBP) of the investment, and maximizing solar energy consumption rate (SECR). In addition, the solar PV panels degradation and maintenance cost, as well as the uncertainty in solar irra-diance and demand load, are also considered. The study consists of two scenarios, in the first of which both electricity tariffs and feed-in-tariffs (FiT) are fixed by a long-term contract. The second scenario investigates the situation in which subsidies on electricity tariff are removed. The best type of panels are found in each scenario considering trade-off between objective functions. The preferred trade-off solution in the first scenario, with 2% increase in PBP, achieves more than 10% growth in NPV which is about $15000 in a year. In the second sce-nario, with only about 0.2% decrease in NPV and 3% increase in PBP, the preferred solution attains 9% increase in SECR.
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 | 0,000 |
| 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 ».