An Experimental Platform for Quantifying the Impact of Snow Accumulation on Pyranometer Measurements for PV Applications in Eastern Canada
Notice bibliographique
Résumé
The measurement of irradiance is essential for evaluating weather conditions and its various applications in fields such as hydrology, energy, and particularly for the estimation of photovoltaic system performance. In snowy environments, the reliability of irradiance measurements performed by pyranometers is even more critical, as it can be affected by snow accumulation on the domes of the measurement instruments. In this paper, we present the experimental platform of the 3IT Institute, located in Quebec in eastern region of Canada, used to quantify the impact of accumulated snow on four pyranometers from EKO: three unheated MS-60S models and one heated MS-80SH model, positioned differently around a photovoltaic power plant. The total irradiance (kWh/m<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup>) measured per day by the four pyranometers was analyzed over 17 days from December 2024 to January 2025, while a laser-based snow depth sensor (SDMS-40) simultaneously measured the amount of snow accumulated on the ground. For snow depth values ranging from 0 to 14 cm, an average measurement discrepancy ranging from 11.8% to 73.2% was quantified by comparing the measurements made by the different pyranometers to the heated one, used as the reference value. The details of the experimentation and the measurement results presented in this paper could help in making decisions regarding technological choices and the positioning of instruments for irradiance measurement in snowy 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».