MétaCan
Menu
Retour à la cohorte
Enregistrement W2589059572 · doi:10.1016/j.aej.2017.01.033

Inclusive analysis and performance evaluation of solar domestic hot water system (a case study)

2017· article· en· W2589059572 sur OpenAlexafffundabout
Mohamed Ghorab, Evgueniy Entchev, Libing Yang

Notice bibliographique

RevueAlexandria Engineering Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensNatural Resources Canada
Organismes subventionnairesOffice of Energy Research and DevelopmentNatural Resources Canada
Mots-clésEnvironmental scienceGreenhouse gasEnvironmental engineeringRoofEnergy performanceSolar energyEngineeringGreenhouseEnergy consumptionMeteorologyCivil engineeringGeographyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In recent years Solar Domestic Hot Water systems have increased significantly their market share. In order to better understand the real-life performance of SDHW systems, a single detached house was selected for extensive monitoring. Two solar panels were installed on the house roof to provide thermal energy to the Domestic Hot Water (DHW) system. The house was equipped with data logging system and remotely monitored with performance data collected and analyzed over one year. The paper presents the inclusive analysis and performance evaluation of SDHW system, including DHW recirculation loop, under Canadian weather conditions for average family occupancy (two adults and two kids) with daily average DHW, draws of 246 L. Moreover, the study is carried out a significant recommendation to improve the SDHW performance, decrease the gas energy consumption and reduce greenhouse gas (GHG) emissions. The SDHW performance depends mainly on DHW flow rate, draw time and duration, city water temperature, DHW recirculation loop control strategy and system layout. The performance analysis results show that 91.5% of the collected solar energy is transferred to the DHW heating load through the solar tank. The contribution to DHW heating load is about 69.4% from natural gas and 30.6% from solar. The recirculation loop is responsible for close to 34.9%, of DHW total energy.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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

Citations34
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAlexandria Engineering JournalMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207