MétaCan
Menu
Retour à la cohorte
Enregistrement W4417503272 · doi:10.3390/solar6010001

Fire Behaviour of Building-Integrated Photovoltaic Claddings Under Different Cavity Conditions: Glass Failure to Ignition

2025· article· en· W4417503272 sur OpenAlexafffund
Yoon Ko, Dana Duong, Reidar Stølen, Janne Siren Fjærestad

Notice bibliographique

RevueSolar · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council CanadaGjensidigestiftelsenNorges Forskningsråd
Mots-clésIgnition systemCladding (metalworking)Photovoltaic systemBreakageFire testCavity wallFlammability

Résumé

récupéré en direct d'OpenAlex

This study investigates the fire behaviour of building-integrated photovoltaic (PV) claddings, focusing on the progression from glass failure to ignition under different cavity conditions. Experimental tests were conducted on two common PV cladding types: bifacial dual-glass (GG) and monofacial glass–plastic (GP) modules. Results revealed that GP modules exhibited faster burning and higher peak heat release rates (HRR), reaching up to 600 kW, while GG modules burned more slowly with peak HRR between 50 and 100 kW. Cavity conditions, including depth, ventilation, and operational energization, were found to be vital in determining glass breakage, occurring between 400 and 550 °C, and cavity ignition and subsequent flame spread. The relationship between cavity fire dynamics and glass breakage suggests the importance of system design, particularly regarding cavity ventilation and flame barriers, for mitigating upward fire propagation. These results establish a basis for advancing numerical fire models through integration of critical parameters such as material properties, glass breakage, cavity ignition, and cavity configuration. This approach supports comprehensive real-scale analysis to guide the development of effective design recommendations, ultimately improving fire safety in PV-integrated construction.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,733
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,254
Écart entre enseignants0,247 · 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.

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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSolarMême sujetFire dynamics and safety researchTravaux en français237 207