MétaCan
Menu
Retour à la cohorte
Enregistrement W3210233737 · doi:10.3390/inventions6040071

Parametric Open Source Cold-Frame Agrivoltaic Systems

2021· article· en· W3210233737 sur OpenAlexaff
Joshua M. Pearce

Notice bibliographique

RevueInventions · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhotovoltaic Systems and Sustainability
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemFrame (networking)Computer scienceGreenhouseAutomotive engineeringParametric statisticsRenewable energyEnvironmental scienceEngineeringElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

There is an intense need to optimize agrivoltaic systems. This article describes the invention of a new testing system: the parametric open source cold-frame agrivoltaic system (POSCAS). POSCAS is an adapted gardening cold-frame used in cold climates as it acts as a small greenhouse for agricultural production. POSCAS is designed to test partially transparent solar photovoltaic (PV) modules targeting the agrivoltaic market. It can both function as a traditional cold frame, but it can also be automated to function as a full-service greenhouse. The integrated PV module roof can be used to power the controls or it can be attached to a microinverter to produce power. POSCAS can be placed in an experimental array for testing agricultural and power production. It can be easily adapted for any type of partially transparent PV module. An array of POSCAS systems allows for the testing of agrivoltaic impacts from the percent transparency of the modules by varying the thickness of a thin film PV material or the density of silicon-based cells, and various forms of optical enhancement, anti-reflection coatings and solar light spectral shifting materials in the back sheet. All agrivoltaic variables can be customized to identify ideal PV designs for a given agricultural crop.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,022
Tête enseignante GPT0,263
Écart entre enseignants0,241 · 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'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

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInventionsMême sujetPhotovoltaic Systems and SustainabilityTravaux en français237 207