MétaCan
Menu
Retour à la cohorte
Enregistrement W4308518107 · doi:10.3390/technologies10060114

Open-Source Photovoltaic—Electrical Vehicle Carport Designs

2022· article· en· W4308518107 sur OpenAlexafffundabout
Nicholas Vandewetering, Koami Soulemane Hayibo, Joshua M. Pearce

Notice bibliographique

RevueTechnologies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotovoltaic systemRoofSpan (engineering)Automotive engineeringEnvironmental scienceParking lotRooftop 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 low-cost PV parking lot canopy to supply EV charging, in this study, we provide a full mechanical and economic analysis of three novel PV canopy systems: (1) an exclusively wood, single-parking-spot spanning system, (2) a wood and aluminum double-parking-spot spanning system, and (3) a wood and aluminum cantilevered system for curbside parking. All three systems can be scaled 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. Analysis results indicate that single-span systems provide cost savings of 82–85%, double-span systems save 43–50%, and cantilevered systems save 31–40%. In the first year of operation, PV canopies can provide 157% of the 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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,015
Tête enseignante GPT0,218
Écart entre enseignants0,203 · 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'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTechnologiesMême sujetElectric Vehicles and InfrastructureTravaux en français237 207