MétaCan
Menu
Retour à la cohorte
Enregistrement W3150999108 · doi:10.1051/e3sconf/202124606004

Simulation based assessment on representativeness of a new performance rating procedure for cold climate air source heat pumps

2021· article· en· W3150999108 sur OpenAlexaffabout
Alex Lachance, Justin Tamasauskas, Stéphanie Breton, Solange Prud’homme

Notice bibliographique

RevueE3S Web of Conferences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésRepresentativeness heuristicEnvironmental scienceCold climateSubarctic climateRange (aeronautics)Reliability engineeringMeteorologyComputer scienceEngineeringStatisticsEcology

Résumé

récupéré en direct d'OpenAlex

Cold climate air-to-air heat pumps (CCHP) offer a strong potential for energy use reductions in Canadian homes. Proper selection of the unit is critical in order to take advantage of the improved efficiency and increased heat capacity at low ambient temperatures and ability to modulate to meet a wide range of heating loads. A new performance rating procedure (CSA EXP07) was developed to better represent the seasonal energy efficiency of CCHP systems versus current test procedures that do not always accurately characterize the response to dynamic loads in a colder climate zones, thus resulting in inaccurate equipment rating. To validate the representativeness of the new performance rating procedure and quantify the potential over-or underestimation of energy savings using current performance rating procedures, a CCHP data-driven model is developed and simulated in a code-compliant single-detached Canadian home for different climate regions: Marine, Cold-Humid, Cold-Dry, Very-Cold and Subarctic. These energy models then serve as the basis for comparing the seasonal heating coefficient of performance of a CCHP system, which can be compared to the current and newly proposed performance rating procedure.

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: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil0,341

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 Opus0,031
Tête enseignante GPT0,303
Écart entre enseignants0,272 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207