MétaCan
Menu
Retour à la cohorte
Enregistrement W4402715716 · doi:10.3390/technologies12090167

Open-Source Hardware Design of Modular Solar DC Nanogrid

2024· article· en· W4402715716 sur OpenAlexaff
Md Motakabbir Rahman, Sara Imran Khan, Joshua M. Pearce

Notice bibliographique

RevueTechnologies · 2024
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésModular designPhotovoltaic systemGridComputer scienceController (irrigation)EngineeringElectrical engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

The technical feasibility of solar photovoltaic (PV) direct current (DC) nanogrids is well established, but the components of nanogrids are primarily commercially focused on alternating current (AC)-based systems. Thus, DC converter-based designs at the system level require personnel with high degree of technical knowledge, which results in high costs. To enable a democratization of the technology by reducing the costs, this study provides a novel modular plug-and-play open-source DC nanogrid. The system can be customized according to consumer requirements, enabling the supply of various voltage levels to accommodate different device voltage needs. The step-by-step design process of the converter, controller, data logger, and assembly of the complete system is provided. A time-domain simulation and stability analysis of the designed system were conducted in MATLAB/Simulink (version 2024b) as well as experimental validation. The results show that transforming the nanogrid from a distribution network to a device makes it suitable for various user-specific applications, such as remotely supplying power to campsites, emergency vehicles like ambulances, and small houses lacking grid electricity. The modular DC nanogrid includes all the features available in a DC distribution network, as well as data logging, which enhances the user experience and promotes the use of solar-powered DC grid systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,032
Tête enseignante GPT0,267
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnologiesMême sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207