The Impact of Spectral Irradiance Aggregation Into Kato Bands and PV-Bands on Estimates of Photovoltaic Spectral Effects
Notice bibliographique
Résumé
Full-resolution spectral irradiance data can comprise upwards of 2000–3000 data points at a single time step. Given that photovoltaic (PV) modeling is regularly performed with subhourly time resolutions over multiyear periods, incorporating spectral effects can become challenging both in terms of file sizes and computational burden. For this reason, spectral irradiances are sometimes aggregated into a limited number of wavelength bands (or wavebands), such as the 32-band grouping known as Kato bands that is used in the IEC 61853 series of standards on “PV module performance testing and energy rating.” To test the impact of such aggregation, measured, and modeled spectral irradiance data from two sites in the United States—Tempe, Arizona and Golden, Colorado—are used to assess the impact on PV spectral effect estimates of aggregating spectral irradiances into Kato bands and into two other sets of wavebands known as PV-bands. Calculations using the aggregated spectra are compared with those using the full-resolution spectra, for crystalline silicon and cadmium telluride modules. Each of the three sets of wavebands yields negligible errors of less than 0.1% in the spectral derate factor, which characterizes long-term spectral effects. This indicates that both Kato bands and PV-bands should be sufficient for the purposes of PV energy rating. Meanwhile, a recent version of PV-bands performs best for evaluating the instantaneous spectral mismatch factor, leading to errors of less than 0.2% across all time steps for both sites and PV module technologies, while instantaneous errors for Kato bands reach magnitudes of up to 1.4%.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».