MétaCan
Menu
Retour à la cohorte
Enregistrement W3026418273 · doi:10.1115/1.4047255

Introducing a Novel Air Handling Unit Based on Focusing on Turbulent Exhaust Air Energy-Exergy Recovery Potential

2020· article· en· W3026418273 sur OpenAlexaboutno aff
Yuanzhou Zheng, Rasool Kalbasi, Arash Karimipour, Peng Liu, Quang‐Vu Bach

Notice bibliographique

RevueJournal of Energy Resources Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésExergyEnvironmental scienceEnergy consumptionFan coil unitEfficient energy useExergy efficiencyEnergy analysisClimate zonesEnergy conservationHeat exchangerWaste managementEnvironmental engineeringEnergy (signal processing)EngineeringMechanical engineeringGeographyElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A novel air handling unit (AHU) aimed at reducing energy consumption was introduced in this study. In the proposed novel AHU, the heating coil is completely removed, and therefore, no heating coil energy demand is needed. The novel AHU used primary energy recovery as well as secondary one to utilize the return air energy and exergy. Through the first energy recovery unit, the return air exergy was recovered, while in the secondary heat exchanger, return air energy was recycled. Results showed that using the novel AHU leads to a reduction in energy consumption as well as the exergy losses. Three climate zones of A, B, and C were selected to assess the novel AHU performance. From the first law viewpoint, at zone B, using novel AHU has priority over other zones, while in the second law analysis, utilizing the novel AHU at zones B and C is more beneficial. Based on the first law analysis, owing to using novel AHU, energy consumption reduced up to 55.2% at Penang climate zone. Second law analysis revealed that utilizing the novel AHU decreased the irreversibility up to 51.4% in the Vancouver climate region.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,731
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,181
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 tête enseignante, pas un consensus.

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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207