Fuzzy set-based uncertainty analysis of HVAC&R systems: a simulation study
Notice bibliographique
Résumé
The accuracy of model predictions plays an important role in model-based applications. However, mathematical models exhibit more or less uncertainties. In this study, a full-scale dynamic model of a two-zone variable air volume heating, ventilation, air-conditioning and refrigeration (VAV-HVAC&R) system is considered. A fuzzy set-based uncertainty analysis method is employed to study the effects of uncertain parameters on HVAC&R system modelling and describe the associated inaccuracies in HVAC&R system model predictions. In this study, uncertain parameters, i.e. zone cooling loads, heat transfer coefficient, chilled water and condenser water mass flow rate and water temperature at condenser inlet are considered and treated as fuzzy parameters. The extended transformation approach is used to evaluate the uncertainties in the model outputs including time history of the zone temperature, discharge air temperature, temperature of chilled water and condenser water. The upper and lower bounds of these outputs are determined for each a-cut level, and the probability distributions of the outputs are presented. Practical applications: Compared to monitoring of real systems, model-based simulation provides an easier, faster and cheaper substitute to gather operating information and evaluate operating performance of HVAC&R systems. However, simulation results obtained from traditional methods by which model equations are solved with predetermined values cannot accurately represent the possible responses of the system. Thus investigating the probability distributions of the simulation results under parameter uncertainties is very important to ensure the accuracy of the model predictions. The fuzzy set-based uncertainty analysis method presented here helps in identifying the upper and lower bounds of model outputs by quantifying the range within which the responses fall under parameter uncertainties. Also, the contributions of individual uncertain parameters to the uncertainties of model outputs help in identifying the impact parameters.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».