MétaCan
Menu
Retour à la cohorte
Enregistrement W4401917004 · doi:10.18280/jesa.570422

Innovative Shade Mitigation Technique for Maximizing Solar Energy Efficiency in Roof-Mounted PV Systems

2024· article· en· W4401917004 sur OpenAlexaffvenue
Nawal Cheggaga, Khadidja Dahli, Mohamed Hammouda, Abdellah Benallal, Adrian Ilinca

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2024
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésRoofPhotovoltaic systemArchitectural engineeringEnvironmental sciencePhotovoltaic mounting systemSolar energyEfficient energy useEngineering physicsComputer scienceCivil engineeringEngineeringElectrical engineeringMaximum power point tracking

Résumé

récupéré en direct d'OpenAlex

Shading in photovoltaic (PV) systems can reduce power output, cause hot spots, efficiency
\nlosses, maintenance needs, and impact economic returns. Traditional shading solutions for
\nPV systems are complex and expensive, requiring advanced sensors, imaging
\ntechnologies, and complicated algorithms. This study presents a cost-effective, simple
\nmethod that does not rely on sensors, cameras, or complex systems. It involves a site
\nassessment to identify shading sources and precise shadow length calculations using
\nastronomical equations. By combining site analysis with tracking mechanisms, the system
\nproactively avoids shading with minimal energy loss, only 2.7% of the generated energy.
\nUnlike other techniques that react to shading, this approach focuses on predicting and preventing
\nshading, ensuring optimal performance. A prototype of the system demonstrated
\nefficient sun tracking and shading avoidance. This innovative approach improves PV
\nefficiency, reduces costs, and promotes adoption due to its simplicity and scalability.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,273
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207