MétaCan
Menu
Retour à la cohorte
Enregistrement W2093392975 · doi:10.1115/1.2770754

Comparison of the Performance of a Forced-Air and a Radiant Floor Residential Heating System Connected to Solar Collectors

2007· article· en· W2093392975 sur OpenAlexaff
Kamel Haddad, Julia Purdy, Aziz Laouadi

Notice bibliographique

RevueJournal of Solar Energy Engineering · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésRadiant heatingSolar energyEnvironmental scienceRadiant energyBuilding envelopeMeteorologyThermalEngineeringElectrical engineeringOpticsRadiationPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

A detailed building energy analysis tool is used to model the performance of a forced-air system and a radiant floor system. These two systems use a low-temperature tank to store solar energy from a solar collector array. An electrically heated tank at a higher temperature is used to provide any additional heat needed to meet the space heating load. The simulation models developed are then used to compare the performance of the forced-air and radiant floor systems based on maintaining the same operative temperature inside the space. It is found that the portion of the heating load that comes from solar energy is higher in the case of the radiant system. This portion from solar energy increases even further when the operating temperature of the radiant floor is lowered. The results also show that the energy performance of the radiant floor relative to the forced-air system improves for houses with higher envelope R-values and infiltration rates. Given the many different interacting factors that influence the performance of the solar-assisted systems studied, it is very important to use detailed simulation models to help assess which system is more energy efficient for a particular application.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Solar Energy EngineeringMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207