MétaCan
Menu
Retour à la cohorte
Enregistrement W4387781793 · doi:10.3390/en16207162

Overview of DC/DC Converters for Concentrating Photovoltaics (CPVs)

2023· article· en· W4387781793 sur OpenAlexafffund
Philippe Camail, Bruno Allard, Maxime Darnon, Charles Joubert, Christian Martin, João Pedro F. Trovão

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEngineering
Thématiquesolar cell performance optimization
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesFundação para a Ciência e a TecnologiaInstitut National des Sciences Appliquées de LyonCentre National de la Recherche ScientifiqueFonds de recherche du Québec – Nature et technologiesUniversité Grenoble AlpesNatural Sciences and Engineering Research Council of CanadaUniversité de SherbrookeCanada Research ChairsIndian National Science Academy
Mots-clésPhotovoltaic systemConvertersPhotovoltaicsCost of electricity by sourceElectrical engineeringComputer sciencePower (physics)Electronic engineeringElectricity generationEngineeringVoltagePhysics

Résumé

récupéré en direct d'OpenAlex

With energy efficiencies close to two times higher than traditional photovoltaic (PV), concentrated photovoltaic (CPV) systems represent a promising solution for solar power generation. In the same way, the converging Levelized Cost of Energy (LCOE) of both technologies favors interest toward CPV systems. In order to assess more clearly the potential of this technology, an up-to-date evaluation of the power electronic conversion techniques used in CPV to increase the yielded energy is crucial. This assessment not only sheds light on the latest advancements, but also provides insights into design trade-offs, performance limitations, and potential areas for improvement in CPV systems. This work focuses on the DC/DC converters used as an intermediary stage of conversion between the panels and a central grid-tied inverter. Electrical and economical metrics are used to compare actual converters developed and presented in a comprehensive literature review.

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,033
Tête enseignante GPT0,255
Écart entre enseignants0,222 · 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
GenreSynthèse

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetsolar cell performance optimizationTravaux en français237 207