MétaCan
Menu
Retour à la cohorte
Enregistrement W3011091968 · doi:10.1155/2020/4381495

Evaluating the Energy Efficiency of PCM‐Integrated Lightweight Steel‐Framed Building in Eight Different Cities of Warm Summer Humid Continental Climate

2020· article· en· W3011091968 sur OpenAlexaboutno aff
Baurzhan Jangeldinov, Shazim Ali Memon, Jong Kim, Marzhan Kabdrakhmanova

Notice bibliographique

RevueAdvances in Materials Science and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesNazarbayev UniversityOak Ridge Associated Universities
Mots-clésVolume (thermodynamics)Climate zonesEnvironmental scienceMaterials scienceFossil fuelEnergy consumptionThermal energy storagePhase-change materialEfficient energy useClimate changeThermalMeteorologyClimatologyWaste managementEngineeringGeographyGeologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Phase change materials have been applied to a building framework to decrease energy and fossil fuel consumption as well as make the building sector more sustainable. Lightweight structures are attractive and increasingly being used in residential buildings. Hence, in this research, the energy efficiency and thermal performance of buildings located in eight various cities (Helsinki, Kiev, Saint Petersburg, Moscow, Stockholm, Toronto, Montreal, and Kiev) of warm summer humid continental climate (Dfb) were evaluated. The impact of heating and cooling energy savings pattern on the selection of optimum phase change material for each city has been demonstrated. In addition, the impact of volume of PCM, precisely the effect of varying and constant volume, on energy savings was assessed for the lightweight steel‐framed building. Simulations were performed in EnergyPlus by applying eleven melting temperature ranges of PCM. Test results demonstrated that energy savings were higher in the swing season and the maximum temperature reduced during these months was 3.3°C. Heating and cooling energy savings were found to strongly influence the selection of optimum PCM. In cities where cooling energy savings were the highest, the optimum PCMs were PCMs 24‐26 while in cities where heating energy savings were the highest, the optimum PCM was found to be PCM 21. For constant volume, the performance of optimum PCM raised when the surface area was enlarged, while the thickness of PCM was reduced. Overall, the application of PCM into lightweight steel‐framed residential structure located in warm summer humid continental climate region is a feasible option.

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)0,000
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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,035
Tête enseignante GPT0,312
Écart entre enseignants0,277 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and EngineeringMême sujetPhase Change Materials ResearchTravaux en français237 207