MétaCan
Menu
Retour à la cohorte
Enregistrement W2162165743 · doi:10.3390/su4081711

Energy Costs of Energy Savings in Buildings: A Review

2012· review· en· W2162165743 sur OpenAlexaff
Yvan Dutil, Daniel R. Rousse

Notice bibliographique

RevueSustainability · 2012
Typereview
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Efficient energy useEnergy (signal processing)YardstickArchitectural engineeringEnvironmental economicsClearanceEmbodied energyRisk analysis (engineering)Object (grammar)Production (economics)Computer scienceOperations managementEngineeringBusinessEconomicsMicroeconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

It is often claimed that the cheapest energy is the one you do not need to produce. Nevertheless, this claim could somehow be unsubstantiated. In this article, the authors try to shed some light on this issue by using the concept of energy return on investment (EROI) as a yardstick. This choice brings semantic issues because in this paper the EROI is used in a different context than that of energy production. Indeed, while watts and negawatts share the same physical unit, they are not the same object, which brings some ambiguities in the interpretation of EROI. These are cleared by a refined definition of EROI and an adapted nomenclature. This review studies the research in the energy efficiency of building operation, which is one of the most investigated topics in energy efficiency. This study focuses on the impact of insulation and high efficiency windows as means to exemplify the concepts that are introduced. These results were normalized for climate, life time of the building, and construction material. In many cases, energy efficiency measures imply a very high EROI. Nevertheless, in some circumstances, this is not the case and it might be more profitable to produce the required energy than to try to save it.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,266
Écart entre enseignants0,254 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207