MétaCan
Menu
Retour à la cohorte
Enregistrement W4295804251 · doi:10.20944/preprints202209.0174.v1

Open-source Photovoltaic - Electrical Vehicle Carport Designs

2022· preprint· en· W4295804251 sur OpenAlexaffabout
Nicholas Vandewetering, Koami Soulemane Hayibo, Joshua M. Pearce

Notice bibliographique

RevuePreprints.org · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemRoofSpan (engineering)Automotive engineeringEnvironmental scienceParking lotPhotovoltaicsRooftop photovoltaic power stationSolar energyComputer scienceElectrical engineeringEngineeringCivil engineeringVoltageMaximum power point tracking

Résumé

récupéré en direct d'OpenAlex

Solar powering the increasing fleet of electrical vehicles (EV) demands more surface area than may be available for photovoltaic (PV) powered buildings. Parking lot solar canopies can provide the needed area to charge EVs, but are substantially costlier than roof- or ground-mounted PV systems. To provide a lower-cost PV parking lot canopy to supply EV charging beneath them, this study provides a full mechanical and economic analysis on three novel PV canopy systems: (1) exclusively wood, single parking spot spanning system, (2) wood and aluminum double parking spot spanning system, and (3) wood and aluminum cantilevered system for curbside parking. All systems can be scalable to any amount of EV parking spots. The complete designs and bill of materials (BOM) of the canopies are provided along with basic instructions and are released with an open source license that will enable anyone to fabricate them. The results found single-span systems have cost savings of 82%-85%, double-span systems save 43%-50%, and cantilevered systems save 31%-40%. In the first operation year, the PV canopies can provide 157% of energy needed to charge the least efficient EV currently on the market if it is driven the average driving distance in London ON, Canada.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,072
Tête enseignante GPT0,302
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetElectric Vehicles and InfrastructureTravaux en français237 207