MétaCan
Menu
Retour à la cohorte
Enregistrement W2313564774 · doi:10.1115/es2008-54255

Modelling of the Net Zero Energy Town House in Toronto Using TRNSYS, and an Analysis of the Impact Using Thermal Mass

2008· article· en· W2313564774 sur OpenAlexafffundabout
Omar Siddiqui, Alan S. Fung, Humphrey Tse, Dahai Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTRNSYSZero-energy buildingThermal massBuilding envelopeEnvironmental scienceWork (physics)ThermalDynamic insulationBrickThermal insulationMeteorologyEngineeringNuclear engineeringCivil engineeringVacuum insulated panelEnergy consumptionMaterials scienceMechanical engineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

A detailed model of the Net Zero Energy Town House in Toronto is developed in TRNSYS, incorporating a ground source heat pump integrated with an in floor radiant heating system. In order to minimize the heating and cooling loads, the building envelope is well insulated with the exterior walls having an R-60 insulation value. Much of the work done previously on the use of thermal mass in buildings has been experimental in nature and has focussed mainly on conventional brick construction in hot climates such as Asia and Africa. This research will analyze the impact of using thermal mass with a building envelope that is highly insulated, and of a light construction, such as that used in Low Energy or Net Zero housing. Furthermore, this analysis would also evaluate the impact of using thermal mass in a cold climate such as that found in Canada. The simulations showed that, for colder climates, thermal mass can replace some of the insulation and still provide superior results. Also the impact of thermal mass was found to be more significant during the winter season than summer for Toronto.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,984

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 Opus0,025
Tête enseignante GPT0,232
Écart entre enseignants0,207 · 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.

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

Citations9
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort OptimizationTravaux en français237 207