MétaCan
Menu
Retour à la cohorte
Enregistrement W3082509915

Optimal Distributed Generation Alocation to Find Optimal Voltage Profile With MinimumDG Investment Cost in a Smart Neighborhood

2020· article· en· W3082509915 sur OpenAlexaboutno aff
Mohammadreza Fathi

Notice bibliographique

RevueJournal of Chemical Biology & Pharmaceutical Chemistry · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenewable energyUpgradeArchitectural engineeringRetrofittingEfficient energy useProcess (computing)Energy engineeringZero-energy buildingInvestment (military)EngineeringEnvironmental economicsComputer scienceRisk analysis (engineering)BusinessEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When talking about the effect of renewable energy, our thinking can be exemplified by an action of “placing an icing on the cake”. We must have a good building, to which we add renewable energy sources. The authors however, reverse the traditional design process and starting an integrated design process, we ask the question – how can we design an affordable, energy efficient building that the effect of the renewable energy sources is reinforced? We start with a system that must fulfill several technical requirements and one of the synergies in the design process will be to effectively incorporate the renewable energy sources. Changing the paradigm of design is the result of actual construction development in countries like Canada, USA and Japan and while we are looking at this trend from the scientific point of view, we are also be able to illustrate the science behind the next generation of the construction retrofitting with practical examples from these three counties. In effect, this short note becomes a conceptual progress report on energy efficiency in thermal upgrade of buildings. Keywords: energy efficiency; building automatic control; energy use under field conditions; two-stage construction process; cost-benefit evaluation; deep retrofit of residential buildings

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,264
Écart entre enseignants0,241 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Biology & Pharmaceutical ChemistryMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207