MétaCan
Menu
← Retour à la cohorte
Enregistrement W2911087063 · doi:10.1115/imece2018-88307

Using Forecasted Daily Maximum Temperatures to Control a Chiller Thermal Storage System

2018· article· en· W2911087063 sur OpenAlexafffundabout
Christopher Baldwin, Cynthia A. Cruickshank

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChillerCooling loadEnvironmental scienceASHRAE 90.1Thermal energy storagePeak demandAir conditioningPeak loadChiller boiler systemAutomotive engineeringWater chillerMeteorologyEngineeringElectricityElectrical engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Residential buildings in Canada and the United States are responsible for approximately 20% of secondary energy consumption. Over the past 25 years, air conditioning has seen the single largest increase of any residential end use. This load currently places a significant peak load on the electrical grid during later afternoon periods during the cooling season. One method to reduce or eliminate this peak load being placed in the grid is the use of a chiller coupled with a thermal storage system. The chiller operates during off-peak periods, predominately over-night to charge the thermal storage tank, and the stored cooling potential is realized to meet the cooling loads during peak periods. In previous studies, the use of a chiller has seen a reduction in annual operating costs, however a significant increase in energy occurs as a result of decreased performance of the chiller. To improve system performance, a new control scheme was developed, which uses the forecasted daily high for the next day to predict the cooling load for the day during peak periods for the day. The predicted cooling load is then used as the set-point for the cold thermal storage tank, allowing the peak cooling load to be met using stored cooling potential. This control scheme was implemented into a modelled house located in each of the 7 major ASHRAE zones, with a storage tank with a previously found optimal tank volume. Across each of the locations, a reduction in annual utility costs and overall energy required to meet the building loads observed, with the total cost savings between 0.3% and 1.5% and total electricity required to meet the cooling demand decreasing by as much as 10.2%.

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: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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

Citations0
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort Optimization→Travaux en français237 207→