MétaCan
Menu
Retour à la cohorte
Enregistrement W3083902242 · doi:10.1109/tia.2020.3022742

An Enhanced Optimal PV and Battery Sizing Model for Zero Energy Buildings Considering Environmental Impacts

2020· article· en· W3083902242 sur OpenAlexaff
Mahdi Mehrtash, Florin Capitanescu, Per Heiselberg, Thomas Gibon, Alexandre Bertrand

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFonds National de la Recherche Luxembourg
Mots-clésPhotovoltaic systemMathematical optimizationZero-energy buildingRenewable energyInteger programmingLinear programmingComputer scienceSizingBattery (electricity)ElectricityEngineeringReliability engineeringMathematicsElectrical engineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

The important focus of the energy strategy of the European Union relies on the concept of zero energy building (ZEB), which is, by definition, a building that roughly produces yearly as much renewable energy as it consumes. This article proposes an enhanced mixed-integer nonlinear programming model for optimal sizing of photovoltaic (PV) and battery energy storage systems to comply with the definition of a ZEB. A salient novel feature of the proposed model is that it factors in the environmental impacts, computed through rigorous life cycle assessment methodology, of buying electricity from the grid and manufacturing battery and PV systems. Furthermore, an adjustable parameter is introduced to make the model adaptive from the perspective of the building owner's willingness-to-pay for environmental impacts. The proposed model is then rigorously reformulated, managing to accumulate its nonlinearity in only one constraint per time interval. Eventually, the reformulated model is linearized to a mixed-integer linear programming model using the McCormick relaxation technique. The case study conducted on archetypal buildings in Luxembourg reveals that the proposed McCormick-based linear model is able to provide high accuracy results with reasonable computational effort.

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 enseignants0,592
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,252
Écart entre enseignants0,233 · 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

Citations62
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207