AgriPV i Ås – en modellbasert simulering av energiproduksjon og plantevekst
Bibliographic record
Abstract
Agricultural photovoltaics (agriPV) er et konsept som kombinerer solenergiproduksjon med landbruk for å optimalisere arealbruken og øke ressurseffektiviteten. I et agriPV-system kan solenergi produseres, samtidig som planter, korn eller grønnsaker til matkonsum eller dyrefôr dyrkes i samme anlegg.\n\nHøsten 2023 skal det installeres et testanlegg for agriPV på Kjerringjordet i Ås. Anlegget skal bestå av tre rader med 20 vertikale, tosidige solcellemoduler med vekst av timotei-gress under solcellepanelene. Målet med studien er å finne optimal radavstand og oppsett for solcellepanelene for maksimal energiproduksjon og plantevekst. Fire ulike oppsett med forskjellig orientering av modulene og fire ulike radavstander, valgt basert på vanlig bredde for landbruksmaskiner, er undersøkt.\n\nI studien er det gjennomført en modellbasert simulering av energiproduksjon og plantevekst ved bruk av programvaren Rhinoceros og underprogramvaren Grasshopper. Modellen inkluderer de fysiske komponentene i systemet, inkludert solcellepaneler, festeutstyr og omkringliggende terreng. Komponenter fra programtilleggene Ladybug og Honeybee benyttes for analyse av geometri og meteorologiske data. Simuleringene inkluderer blant annet albedo-reflektert diffus stråling og strålesporing, samt nær- og fjernskygge. Energisimuleringer er basert på teori fra standarden SN-NSPEK 3031:2020 fra Standard Norge og plantemodellen valgt er Canadian Timothy Model (CATIMO).\n\nResultatene viser at valg av oppsett og orientering ikke gir store differanser i energiproduksjon. Ved 13 meter radavstand er årlige simulerte verdier for oppsett 1.1, 1.2, 2.1 og 2.2 henholdsvis 25854,4, 25607,4, 25732,2 og 25728,7 kWh. Øvrige simuleringer viser at både energi- og gressproduksjon er proporsjonal med radavstand, hvor gressproduksjonen var 89,1, 94,3, 95,7 og 96,8 % av mulig produksjon på området for henholdsvis radavstand 4, 9, 13 og 20 meter. For testanlegget vil 20 meter radavstand anbefales basert på resultatene, men for større anlegg eller ved utvidelse av testanlegget kan kortere radavstander være mer lønnsomt for total produksjon. Månedlige energisimuleringer viser at produksjonen er høyest i sommerhalvåret, hvor juli måned gir høyest produksjon.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".