MétaCan
Menu
Retour à la cohorte
Enregistrement W4387710730 · doi:10.1016/j.renene.2023.119439

Optical characterization of accumulated dust particles and the sustainability of transmitted solar irradiance to photovoltaic cells

2023· article· en· W4387710730 sur OpenAlexfundno aff
Alaa Qaisieh, Bassam A. Abu-Nabah, Mohammad O. Hamdan, Abdul Hai Alami, Layla Khanfar, Laila Zaki

Notice bibliographique

RevueRenewable Energy · 2023
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Mechanical Engineering, University of AlbertaAmerican University of Sharjah
Mots-clésIrradianceSolar irradianceEnvironmental scienceWavelengthPhotovoltaic systemDominance (genetics)Atmospheric sciencesOpticsMaterials scienceOptoelectronicsPhysicsChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

This study aims at characterizing the optical properties of dust particles accumulated over time and its sole effect on transmitted solar irradiance. Several glass samples positioned at different orientations were kept in an outdoor environment allowing dust accumulation over a one-year cycle in Sharjah, UAE. A sample of each orientation was collected and examined on a weekly basis throughout the study period. The analysis of accumulated dust density and its effect on irradiance and optical spectrum transmissions through the glass samples is assessed for each sample orientation. Results showed dominance of some surfaces compared to others in terms of dust accumulation and reduction of transmitted optical spectrum against a wavelength range of 210–1029 nm. Throughout the study period of one year, the accumulated dust density and reduction of transmitted irradiance reached a maximum value of 22.6, 4.4, 16.8, 4.8, 6.0 g/m2 and 68.4, 12.3, 63.1, 12.1, 16.4 % for the 0° top, 0° bottom, 25° top, 25° bottom, and 90° surfaces, respectively. Moreover, the results were extended to estimate the reduction in available solar irradiance throughout the one-year study period. It was found that the estimated reduction reached as high as 67 % for the samples installed horizontally at 0° orientation.

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 enseignants0,004
Score d'incertitude au seuil0,007

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

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 Opus0,007
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRenewable EnergyMême sujetsolar cell performance optimizationTravaux en français237 207