MétaCan
Menu
Retour à la cohorte
Enregistrement W4401855077 · doi:10.2172/2432497

PV Lifetime Project (2024 NREL Annual Report)

2024· report· en· W4401855077 sur OpenAlexaboutno aff
Chris Deline, Dirk Jordan, Bill Sekulic, Josh Parker, Byron McDanold, A. Anderberg

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Energy EfficiencySolar Energy Technologies OfficeSandia National LaboratoriesU.S. Department of EnergyOffice of Energy Efficiency and Renewable EnergyNational Renewable Energy Laboratory
Mots-clésPhotovoltaic systemIrradianceDegradation (telecommunications)Environmental scienceSolar irradianceMeteorologyAtmospheric sciencesElectrical engineeringPhysicsEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

DOE's PV Lifetime project was initiated in 2016 with the goal of accurately characterizing the early-life evolution of photovoltaic (PV) field performance.Different PV cell and module technologies result in different initial degradation rates due to effects like light-induced degradation (LID) and light & elevated temperature-induced degradation (LeTID).To accurately characterize the initial field degradation of maximum power (Pmp) requires the use of high-accuracy indoor IV curve measurements at standard test conditions.Therefore, PV modules involved in this study are removed from the field once or twice per year and brought indoors for measurement under constant temperature and irradiance conditions.Current samples deployed and monitored in this way include Jinko Solar (2016), Trina Solar (2016), Hanwha Q-Cells (2017), Panasonic (2018), LG (2018), Canadian Solar (2018), Mission Solar (2019).Modules from Sunpreme (2019), and LONGi (2020) have been deployed and were first reported on in the 2022 report.For this report, initial baseline measurements for two additional partners are included: REC (2023) and Solaria (2023).Overall annual degradation rates are as follows: our first modules to be deployed (Jinko and Trina) have annual median degradation rate between -0.35%/yr and -0.55%/yr, mainly concentrated in the first year.The QCells mono-PERC and multi-PERC modules have an annual degradation rate of -0.4%/yr and -0.3%/yr respectively, also concentrated in the first year of operation.Mission Solar, LG and LONGi modules are all displaying modest degradation, better than -0.25% / year.Indeed, Mission Solar fielded modules degraded less than their control modules which remain indoors and un-exposed.By comparison, the Sunpreme n-HIT bifacial modules are showing a rapid loss rate around -2%/yr, or almost -8% total to date.This is largely attributed to loss in front-side Isc, and this rapid loss has been corroborated by comparing against RdTools degradation analysis, using real-time field performance data.Several module types exhibit strong seasonal performance change, consistent with LeTID susceptibility.This is characterized by lower indoor IV measurement after prolonged hightemperature exposure, and a recovery during cooler temperatures.This can result in a sawtoothtype response when sequential indoor measurements are taken in the spring and again in the fall.These types of profiles are visible in Jinko, Trina and Mission Solar module types.It is possible that Canadian Solar multi-PERC also follows this trend, but the measurement timing has not lined up to confirm this possibility.An analysis was conducted on the initial module performance relative to their nameplate rating.Most module types had initial performance right at nameplate rating, or within 1%: Jinko, Trina, LONGi, Panasonic, QCells and REC N-peak (TOPCon).Other module types came in 2% -3% below nameplate: Mission Solar and Solaria.The REC 405 Pure Alpha came 3%-4% below nameplate, which is outside of its stated accuracy bounds.It wasn't all bad news -LG modules were measured at 2% above nameplate.Finally, the Sunpreme heterojunction modules had inconsistent measurements which made it difficult to make any statements on their nameplate accuracy.v This report is

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,028
Tête enseignante GPT0,325
Écart entre enseignants0,297 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207