A comprehensive performance evaluation of bifacial photovoltaic modules: insights from a year-long experimental study conducted in the Canadian climate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bifacial photovoltaic (PV) modules, capable of capturing solar energy from both sides of the cells, are becoming increasingly popular as their manufacturing costs approach those of traditional monofacial modules. Accurate estimation of their power generation capacity is essential for optimizing their use. This study evaluates a power production model for bifacial PV modules using local irradiance data from Razon+ in Sherbrooke, Canada, and Solcast irradiance data derived from satellite imagery and weather models. The model's performance was assessed throughout the year, with particular attention to the impact of snow coverage during winter. To address computational efficiency, the study evaluated ray tracing and a 2D view factor model, selecting the more time-efficient method. Experimental validation showed that, using local irradiance data, the model achieved Normalized Root Mean Square Errors (NRMSE) of 18.77%, 4.94%, 3.93%, and 6.22% for winter, spring, summer, and fall, respectively. With Solcast data, the NRMSEs were 22.76%, 15.32%, 14.72%, and 17.78% for the corresponding seasons. While the model performed satisfactorily in spring, summer, and fall, it was less accurate in winter. To enhance winter accuracy, the model incorporated snow coverage, using snow depth as a metric to detect snow on the front surface. This adjustment improved the accuracy by 51.1%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 découle