MétaCan
Menu
Retour à la cohorte
Enregistrement W3037125659 · doi:10.1080/23744731.2020.1787083

Techno-economic analysis of air-source heat pump (ASHP) technology for single-detached home heating applications in Canada

2020· article· en· W3037125659 sur OpenAlexafffundabout
Artur Udovichenko, Lexuan Zhong

Notice bibliographique

RevueScience and Technology for the Built Environment · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGreenhouse gasEnvironmental scienceRenewable energyCarbon footprintEnvironmental economicsHeat pumpMeteorologyEngineeringHeat exchangerEconomics

Résumé

récupéré en direct d'OpenAlex

The air-source heat pump (ASHP) is a popular system that does not see much use in cold-climates despite its high potential in low carbon footprint. This study was designed to evaluate the techno-economic feasibility of its application to single-detached homes in Canada. First, a set of support vector regression (SVR) models was developed by a housing database for prediction of the exposed surface areas of homes in five Canadian cities: Vancouver, Toronto, Montreal, Edmonton, and Yellowknife. The predicted areas were then used to estimate the heat demands of all homes. As a result, the technical evaluation was conducted by comparison of the heat loss rate with the heat supply rate of ASHPs. Annual energy consumption was calculated using a bin method for furnace-alone and furnace/ASHP hybrid systems. Seasonal operating costs and greenhouse gases (GHG) emissions were estimated by utility costs and emissions factors for each city. Our findings show that Vancouver, Toronto, and Montreal are technically feasible to adopt the ASHP technology for economic and low GHG emission benefits. Although currently Edmonton and Yellowknife could not theoretically gain ASHP’s benefits, the ASHP technology is still a promising technology to be implemented in the future if renewable energy infrastructures are established.

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)0,001
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 enseignants0,048
Score d'incertitude au seuil0,217

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,180
Écart entre enseignants0,173 · 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

Citations26
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScience and Technology for the Built EnvironmentMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207