MétaCan
Menu
Retour à la cohorte
Enregistrement W6983723985

Novel seasonal application of low-level solar concentration to contribute to net-zero buildings

2022· dissertation· en· W6983723985 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMspace (University of Manitoba) · 2022
Typedissertation
Langueen
DomaineEngineering
ThématiqueSolar Energy Systems and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolar energySolar trackerTracking (education)ExclosureTracking systemAlbedo (alchemy)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Due to excessive fossil fuels consumption, the concentration of carbon dioxide is predicted to be approximately 500 ppm by 2050, impacting global biodiversity for generations. Increasing the percentage of recent solar energy use—sun, wind, hydro, and biomass—to address our global energy needs is of fundamental importance. With buildings representing nearly 38% of global emissions, solar energy can contribute to reduce impact: increasing the productive use of solar insolation from building grounds using reflective tracking mirrors, referred to as Sunflower, is a critical component. To this effect, a Sunflower model is developed from first principles to evaluate the productive use of low-level solar magnification from building grounds and rooftops. This model predicts the solar insolation incident onto a user chosen target with many Sunflowers to contribute to net-zero buildings. The model inputs are flexible, for example, change in number of Sunflower mirrors and their target specifications, including seasonal relocation to optimally reduce energy demand in a building, are part of user inputs. The model utilizes a single ray-tracing method to evaluate the solar irradiation redirected onto the building using low-cost solar tracking mirrors. This model developed in Python is based on solar angles and weather data to calculate the redirected hourly solar flux onto a chosen target. Using NREL’s Solartrace program based on the Monti-Carlo method, model results are validated within an error of 2.35%. The Sunflower model is then applied to predict the displaced energy in an outdoor pool heating application. The pool heating approach using Sunflower bypasses second law inefficiencies as the pool is heated by the irradiations directly from sun without the use of an intermediate thermal fluid. Multiple case scenarios are established to evaluate the optimal mirror angles to increase the solar intensity for a given seasonal configuration. The Sunflower model predictions for applications in Winnipeg, Manitoba (Latitude 49.9o) using 10 Sunflowers shows that seasonal pool heating load can be reduced by 67%, with a yearly GHG savings of 5.1 tons of CO2eq. For this case, the average yearly solar intensity ratio for a single Sunflower with a horizontal target is 1.81, and averages 1.50 during summer months when solar insolation is higher. For a similar application in the remote community of Arviat, Nunavut (Latitude 61.1o), currently depending on diesel fuel, pool water heating requirements can be reduced by 40% using 15 Sunflowers.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,609
Score d'incertitude au seuil1,000

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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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