MétaCan
Menu
Retour à la cohorte
Enregistrement W3138812026 · doi:10.1109/tste.2020.3024202

A New Bi-Objective Approach for Optimal Sizing of Electrical and Thermal Devices in Zero Energy Buildings Considering Environmental Impacts

2020· article· en· W3138812026 sur OpenAlexaff
Mahdi Mehrtash, Florin Capitanescu, Per Heiselberg, Thomas Gibon

Notice bibliographique

RevueIEEE Transactions on Sustainable Energy · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSizingThermalZero-energy buildingEnergy (signal processing)Zero (linguistics)Electric potential energyEnvironmental scienceComputer scienceAutomotive engineeringElectrical engineeringEngineeringEnergy conservationPhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

This paper proposes a new bi-objective optimization model, trading-off cost and environmental impacts, for sizing the key electrical and thermal devices in a zero energy building (ZEB), i.e., a building that roughly generates as much renewable energy as it consumes annually. A salient novel feature is the consideration of the environmental impacts, computed through a rigorous life cycle assessment approach, of buying electricity from the grid and manufacturing devices. Furthermore, an enhancement of the proposed model, as compared to the existing models, is to prioritize storing the ZEB excess of energy rather than selling it to the grid. The proposed solution approach of the initial mixed-integer nonlinear programming model relies on McCormick relaxation linearization to obtain a more tractable mixed-integer linear model. An augmented ε-constraint method is applied to solve the obtained bi-objective model. Finally, considering the building owners' willingness-to-pay for environmental impacts, a decision-making criterion is proposed to select the optimal size of the devices among all non-dominated solutions of the Pareto front.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil0,931

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 Opus0,007
Tête enseignante GPT0,184
Écart entre enseignants0,178 · 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'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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Sustainable EnergyMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207