Investigation of photovoltaic roof fire-induced smoke spread under windeffect
Notice bibliographique
Résumé
Photovoltaic (PV) panels have been installed seven times more over the last decade. However, the number of fires caused by PV panels has also increased. Based on the forecast, PV power generation capacity is expected to exceed 1 TW in 2022, and 30% of PV installations are rooftops. A statistical prediction indicates that 27,166 fires will occur in 2021 and 28,900 fires will occur in 2022, with 8,670 of those fires occurring on solar roofs. In buildings, however, there are very few studies on the spread of PV fireinduced smoke, especially when it is accompanied by wind, which is essential for life safety. This study fills this research gap by proposing a new similarity law and a method for substituting pure helium gas for real fire smoke in order to study PV roof fireinduced smoke movement in the non-fireproof wind tunnel. As a result, the heat release rate (HRR) of PV fires, wind speed, and roof angle of the wind tunnel are tested. It is possible to substitute the HRR and smoke temperature for a certain volumetric flow rate and helium concentration. As a next step, the critical values are determined by a parametric study of HRR, wind speed, and roof angle. Based on the findings, three conclusions can be drawn: 1) a greater HRR results in greater smoke infiltration; 2) a lower wind speed causes stronger separation flow to blow smoke into the building via the leeward skylight; 3) flat roofs and 15 roofs are the most dangerous because of smoke infiltration; conversely, 60 roofs are the safest.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».