MétaCan
Menu
Retour à la cohorte
Enregistrement W4402452648 · doi:10.11159/eee24.105

Innovative Integration Of Solar & Wind Energy For Future Automotive Propulsion Systems

2024· article· en· W4402452648 sur OpenAlexvenueno aff
Cristian Helera, Dan Alexandru Stoichescu

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPropulsionAutomotive industryWind powerAerospace engineeringSolar energyAutomotive engineeringComputer scienceEngineeringSystems engineeringEnvironmental scienceAeronauticsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

As the automotive industry development to achieve a sustainable future, the incorporation of renewable energy sources such as solar and wind power into automotive propulsion systems emerges as a promising solution.This scientific article delves into the efficient utilization of solar and wind energy in automotive applications, presenting a sustainable approach to future mobility.Extensive discussions follow on the individual integration of solar and wind energy in automotive systems, exploring existing technologies, their advantages, and limitations.The article places a significant focus on the combined integration of solar and wind energy in automotive propulsion systems.It explores innovative architectures and technologies designed to maximize energy generation, enhance system efficiency, and extend the driving range of vehicles.Furthermore, the article evaluates the performance of integrated solar and wind energy systems in automotive applications, comparing their effectiveness to traditional propulsion systems through empirical data and analysis [1][2][3][4][5][6][7][8][9][10][11][12][13]. Results:The experimental results conducted with wind turbines mounted on the car reveal promising insights:

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,203 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207