Vertical Bifacial Photovoltaic System Model Validation: Study With Field Data, Various Orientations, and Latitudes
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
Accurate modeling of photovoltaic (PV) systems is critical for the design, financial analysis, and monitoring of solar PV plants. For bifacial PV applications, models must additionally offer robust rear-side irradiance algorithms. However, bifacial PV irradiance models have yet to be sufficiently validated for east–west vertically oriented systems, where direct beam solar irradiation swaps at solar noon. Here, we validate five bifacial irradiance models with field data collected in Golden, CO, USA (40°N) and Fairbanks, AK, USA (65°N) for east–west vertical, north–south vertical, and south-tilted arrays. There is no clear best performer among subhourly models; Bifacial_radiance, bifacialVF, the System Advisor Model, and dual-sided energy tracer (DUET) comparably predict seasonal and daily changes in PV production, with root-mean-squared error (RMSE) falling in the range of 11–28% depending on the location and system orientation. PVSyst (v7.4.8), limited by hourly resolution, demonstrates RMSE in the range of 33–45%. The primary causes of high RMSE are similar for all models; using an irradiance cutoff of >100 W/m<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup>, using clear-sky filtering, and removing time stamps with snow, lowers model RMSE to 4–13% for subhourly models and 12–25% for PVSyst. Regular meteorological station servicing is found to further decrease model RMSE by up to 3% abs. in Alaska. Finally, we model bifacial PV systems in over 250 locations between 15 and 85°N, finding that deviations between model-predicted annual insolation tend to be 2–3× higher for vertical PV systems than south-facing fixed-tilt systems. We discuss potential methods for improving vertical PV modeling and provide recommendations for high-quality field data collection in northern environments.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 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