MétaCan
Menu
← Retour à la cohorte
Enregistrement W2974868095

Adaptable Thermal Storage Façade Design to Optimize Energy Use

2019· article· en· W2974868095 sur OpenAlexfundno aff
Ilaria Salerno

Notice bibliographique

RevuePolyPublie (École Polytechnique de Montréal) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPolytechnique Montréal
Mots-clésHumanitiesPolitical scienceArtPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les changements récents liés à la conception et au fonctionnement du système électrique ont créé la nécessité d'avoir une demande énergétique plus flexible.L'objectif de ce mémoire est de proposer des méthodes pour minimiser le coût de la consommation énergétique de l'utilisateur dans une ville intelligente.La démarche mise en oeuvre utilise le flux thermique dans une unité résidentielle / commerciale / institutionnelle faisant partie d'un grand bâtiment.Ce flux est composé de l'énergie que l'unité doit acheter au réseau électrique et de l'énergie dépendant des caractéristiques du bâtiment et des activités à l'intérieur : l'orientation de la façade, l'emplacement du bâtiment, le type de construction, la latitude de la ville et les conditions météorologiques.Ce mémoire vise à intégrer tous ces facteurs pour améliorer l'efficacité énergétique des bâtiments et, de cette façon, de toute une ville ou district.Plus précisément, cette recherche se concentre sur la première couche d'une système multi-couches, soit : l'unité.Tous les modèles proposés dans la présente étude peuvent gérer différents types d'unités, i.e., une habitation, un bureau, une classe, etc. . .Nous présentons trois modèles qui minimisent le coût final et la consommation d'électricité d'une unité ; pour faire cela, nous n'utilisons pas des dispositifs additionnels, tels les batteries, mais nous nous appuyons sur la structure même du bâtiment.Tout d'abord, nous montrons comment caractériser chaque orientation des unités, grâce au calcul des gains d'énergie solaire.Ensuite, nous présentons le modèle standard qui considère le chauffage, le refroidissement et l'éclairage d'une unité.Enfin, nous modélisons une technologie de façade avec une double peau en vue d'améliorer le phénomène naturel du stockage thermique d'une unité.Nous appelons ce second modèle ''Passive house model".Par la suite, nous présentons une amélioration du système pour contrôler les gains solaires : la technologie de façade dynamique.Ce dernier modèle permet de réduire les pics de consommation d'électricité, et présente des avantages pour le fournisseur d'énergie.Nous validons les modèles en comparant le système SM avec SIMEB energy software.Pour cette raison, nous adaptons le modèle SM: il agira seulement pour reproduire le profil de consommation d'énergie d'une unité (pas d'optimisation).Nous validions une unité avec caractéristiques similaires pour chaque orientation, pendant l'hiver et l'été.Ensuite, nous comparons les profiles de consommation obtenues avec le modèl SM et SIMEB.Nous utilisons cette calibration aussi pour fixer les paramètres des modèles.Nous présentons les résultats et discutons de l'importance de l'orientation de l'unité, des avantages de la technologie Passive house, de la variation du coût par rapport à la température vi à l'intérieur de l'unité et des avantages d'avoir une façade dynamique.

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 enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,184
Écart entre enseignants0,174 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolyPublie (École Polytechnique de Montréal)→Même sujetBuilding Energy and Comfort Optimization→Travaux en français237 207→