MétaCan
Menu
Retour à la cohorte
Enregistrement W4407919452 · doi:10.1016/j.procs.2025.01.334

Single-Axis Solar Tracking Systems: A Comprehensive Design and Performance Study

2025· article· en· W4407919452 sur OpenAlexaff
Modestus O. Okwu, Oghenegueke P Eruero, Nura Tijjani Abubakar, B. A. Edward, B.U. Oreko, Omonigho B. Otanocha, O.F. Orikpete, C. Maware, Kanana Ezekiel, Carlo Ori, Lagouge K. Tartibu

Notice bibliographique

RevueProcedia Computer Science · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensNSCAD University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTracking (education)Tracking systemSimulationArtificial intelligenceKalman filter

Résumé

récupéré en direct d'OpenAlex

Abundant solar resources and increasing electricity demand make solar energy a promising renewable energy source in Sub-Saharan Africa. However, conventional stationary Photovoltaic (PV) systems face challenges in efficiently capturing solar irradiation. To address this limitation, the implementation of solar tracking systems becomes essential, as they optimize the energy output of PV systems by dynamically adjusting the orientation of the panels to align with the sun’s rays. This study presents a comprehensive design and performance evaluation of single-axis solar tracking systems in Delta State, Nigeria. The investigation focused on the energy provision efficiency of these systems, revealing that the single-axis tracker reached peak performance at year-end, providing 9.333 kWh of available solar energy and 9.296 kWh of user-available energy. Over the year, the system delivered a total of 100.625 kWh of available solar energy and 96.483 kWh of user-available energy. These findings highlight the significant role of solar tracking systems in maximizing energy harvest and underscore their potential for improving energy sustainability in Sub-Saharan Africa.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,257
Écart entre enseignants0,221 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetSolar Radiation and PhotovoltaicsTravaux en français237 207