MétaCan
Menu
Retour à la cohorte
Enregistrement W3210665217 · doi:10.1109/jphotov.2021.3116918

Ellipsoidal Optical Cavities for Enhanced Thermophotovoltaics

2021· article· en· W3210665217 sur OpenAlexafffund
Nima Talebzadeh, Atousa Pirvaram, Paul G. OaBrien

Notice bibliographique

RevueIEEE Journal of Photovoltaics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueThermal Radiation and Cooling Technologies
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésThermophotovoltaicMaterials scienceCommon emitterOpticsPhotovoltaic systemOptoelectronicsPhysics

Résumé

récupéré en direct d'OpenAlex

Herein, we present an optical cavity in the form of a prolate ellipsoid that can greatly enhance the performance of solar thermophotovoltaic (STPV) systems. The geometrical parameters of the cavity can be designed to control the degree of photon recycling, the temperature of the emitter within the STPV system, gap distance and effective view factor between the PV cell and the emitter, and to minimize the emission losses. Numerical analysis shows the ellipsoidal optical cavity can be designed to achieve an effective view factor of 88.7% between the emitter and PV cell within an STPV system. Results show an efficiency of 5.62% in an STPV system with a GaSb PV cell and a black-body emitter under solar radiation at a concentration factor of 350X. Further, assuming the surface of the ellipsoidal optical cavity is capable of reflecting 99% of the radiation incident onto its surface, efficiencies of 15.54% can be attained when the solar concentration factor is 1400X. These results are attained for STPV systems without using selective absorbers, emitters or filters. The ellipsoidal optical cavity can be integrated into the design of advanced thermophotovoltaics (TPVs) systems and bring them closer to the high theoretical efficiencies TPV systems are capable of.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of PhotovoltaicsMême sujetThermal Radiation and Cooling TechnologiesTravaux en français237 207