MétaCan
Menu
Retour à la cohorte
Enregistrement W4405440608 · doi:10.1109/icaige62696.2024.10776746

Investigating Optimal Tracking Intervals for Solar Tracking Systems to Enhance Efficiency and Performance

2024· article· en· W4405440608 sur OpenAlexaff
Khadidja Dahli, Adrian Ilinca, Abdellah Benallal, Nawel Cheggaga

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensUniversité du Québec à RimouskiÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésTracking (education)Computer scienceTracking systemArtificial intelligenceKalman filter

Résumé

récupéré en direct d'OpenAlex

Conventional solar trackers continuously adjust solar panels to optimize energy production, a process that can consume significant energy, potentially surpassing the energy gained. This research examines the most effective tracking interval for solar tracking systems to mitigate this issue. Through testing with intervals ranging from 5 minutes to 5 hours, it was determined that setting tracking intervals no shorter than 1 hour and no longer than 2 hours and 30 minutes is recommended to achieve a balance between energy efficiency and production. Additionally, this study suggests that elevation and azimuth angles should not be tracked using the same time periods; instead, a 2-hour interval for elevation tracking and a 3-hour interval for azimuth angle tracking are advised for optimal performance. The proposed discrete tracking method consumes less than 0.15% of the energy produced, thereby enhancing energy efficiency, reducing unnecessary energy consumption, and improving the overall reliability and lifespan of solar tracking systems. This approach has the potential to significantly impact the future of solar power by enhancing the efficiency and reliability of solar tracking systems, thereby increasing the viability and appeal of solar energy as a primary renewable resource.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,001
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 Opus0,030
Tête enseignante GPT0,298
Écart entre enseignants0,268 · 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
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSolar Radiation and PhotovoltaicsTravaux en français237 207