MétaCan
Menu
Retour à la cohorte
Enregistrement W2895487637 · doi:10.1080/19401493.2018.1523950

Control-oriented model of a solar community with seasonal thermal energy storage: development, calibration and validation

2018· article· en· W2895487637 sur OpenAlexafffund
Étienne Saloux, José A. Candanedo

Notice bibliographique

RevueJournal of Building Performance Simulation · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueGeothermal Energy Systems and Applications
Établissements canadiensNatural Resources Canada
Organismes subventionnairesOffice of Energy Research and DevelopmentNatural Resources Canada
Mots-clésModel predictive controlCalibrationBoreholeThermal energy storageSolar energyKey (lock)EngineeringControl (management)ThermalEnvironmental scienceControl engineeringComputer scienceMeteorologyGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

The development of a control-oriented model of a solar community with seasonal storage (the Drake Landing Solar Community) is investigated. The proposed approach, intended to facilitate the development and testing of control strategies and targeting an actual predictive control implementation, is based on grey-box models, and enables the prediction of the system state (temperatures at key locations). This paper discusses the concept of state update procedure (whereby the system state is periodically corrected with measurements), which plays a fundamental role for control purposes. Firstly, the DLSC is presented and both operation and monitoring system are described. Secondly, a simplified model is developed for each sub-system: district and solar loops, short-term (water tanks) and seasonal (borehole) thermal energy storage, and existing operation rules are encoded. Finally, the model is calibrated and validated by using measurements at 10-min intervals over two years of operation (2015–2016, 2016–2017) and accurately predicts the system performance.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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'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

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Building Performance SimulationMême sujetGeothermal Energy Systems and ApplicationsTravaux en français237 207