A Thermodynamic Investigation of Commercial Kitchen Operations and the Implementation of a Waste Heat Recovery System
Notice bibliographique
Résumé
A modeling tool was developed capable of evaluating the thermal performance of a commercial building, for the purpose of objectively quantifying the impacts of both operational changes and technological retrofits. The modeling tool was created using a steady state energy balance approach, discretized into half hour time steps to capture the time varying characteristics of the rate of heat transfer through the building envelope, the ventilation systems, appliance heat gains, heat generated by electricity consumption, solar energy transfer and space heating through exhaust gas energy recovery with the TEG POWER system. Several experimental facilities were used to validate the modeling tool, and to provide inputs to the case studies presented. Data from two separate commercial baking operations was collected, and was shown to be in agreement with the model predictions with a 7% error. Several energy conservation measures were simulated, including switching to idealized methods of exhaust ventilation, sealing and insulating appliances, shutting down appliances during unoccupied hours, and the inclusion of exhaust gas energy harvesting. Implementing all four conservation measures at a single restaurant had the effect of reducing electricity consumption by 14% or approximately 17,700 kWh (64 GJ), and reducing natural gas consumption by 60% or approximately 18,200 m3 (608 GJ) annually. In contrast, proceeding directly to the energy harvesting solution, and bypassing other conservation measures, only allowed for 20% of the total potential energy savings to be realized. If the concepts identified are implemented across 2000 comparable restaurants in Ontario, there is a potential to reduced electricity consumption by 44.4 million kWh and natural gas consumption by 33.7 million cubic meters annually. The measures would effectively eliminate 65,500 metric tonnes of CO2 emissions every year.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».