MétaCan
Menu
Retour à la cohorte
Enregistrement W3153525851 · doi:10.1146/annurev-resource-111920-124353

A Systematic Review of Energy Efficiency Home Retrofit Evaluation Studies

2022· review· en· W3153525851 sur OpenAlexaff
Lauren Giandomenico, Maya Papineau, Nicholas Rivers

Notice bibliographique

RevueAnnual Review of Resource Economics · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of OttawaCarleton University
Organismes subventionnairesnon disponible
Mots-clésSample (material)ElectricityEnergy consumptionEfficient energy useConsumption (sociology)Energy conservationDoorsEnvironmental economicsEnvironmental scienceOperations managementAgricultural economicsBusinessEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

We systematically review studies evaluating the energy savings and cost-effectiveness of residential energy efficiency retrofit programs. We review 39 evaluations of 23 residential retrofit programs that were evaluated between 1984 and 2021. Our sample is restricted to program evaluations that used postretrofit household energy billing or consumption data from 140,977 retrofitted households. We report four primary findings. First, none of the studies in our sample reported deep energy savings (e.g., 50% or greater) from retrofit programs. The mean reduction in measured electricity and/or fuel consumption due to energy efficiency retrofits for all programs included in our sample was roughly 7.2%. However, because many households use both fuel and electricity, total household energy savings from the retrofit programs evaluated in our sample are probably smaller. Second, reported program savings decreased as the internal validity of study design increased. Third, as measured by realized savings and cost-effectiveness, the most promising retrofits were insulation and programmable thermostats, whereas the least promising retrofits were storm windows and doors. Fourth, programs with high reported savings and low costs of conserved energy served low-income, fuel-heated households exclusively.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,291
Écart entre enseignants0,263 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Resource EconomicsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207