MétaCan
Menu
Retour à la cohorte
Enregistrement W3204459194 · doi:10.1115/fedsm2021-65589

Impact of Urban Microclimate on Air Conditioning Energy Consumption Using Different Convective Heat Transfer Coefficient Correlations Available in Building Energy Simulation Tools

2021· article· en· W3204459194 sur OpenAlexaff
Sambhaji T. Kadam, Ibrahim Hassan, Liangzhu Wang, Mohammad Azizur Rahman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRoofEnergy consumptionContext (archaeology)Environmental scienceBuilding energy simulationMicroclimateHVACHeat transfer coefficientCorrelation coefficientConvective heat transferConvectionCooling loadUrban heat islandHeat transferMeteorologyAir conditioningCivil engineeringStatisticsEngineeringEnergy performanceMathematicsMechanicsGeologyGeographyMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Rapid urbanization resulted in the drastic expansion of the built infrastructure in urban areas. This eventually led to an increase in energy consumption in the residential and commercial sectors. An appropriate selection of the convective heat transfer coefficient correlation at the design stage is of vital importance as it directly affects the cooling load of the building and consequently buildings’ energy demand. In this context, the comparative analysis of existing convective heat transfer coefficient correlations (CHTCs) used in building simulation programs such as EnergyPlus, ESP-r, IES, IDA, and TAS, are assessed. These correlations are tested against the data of Liu et al.’s [1]. It is observed that some of CHTCs correlations show lower error and others exhibit a significant deviation. In the case of the CHTCs used EnergyPlus, it is observed that the TARP algorithm shows overall better prediction ability for windward, leeward, and roof surface. On the other hand, in the case of the ESP-r, different correlations show a good prediction ability for different surfaces. For windward surface: MoWiTT; for leeward surface: MoWiTT and McAdams; and for roof surface: Liu and Harris show closer prediction with an error of less than 30% among other correlations. The correlation used in IES, IDA, and TAS shows a large deviation for windward, leeward, and roof surfaces under considered input. Based on this analysis, it can be concluded that the choice of such CHTCs uses in the BES tool can lead to the significantly higher energy consumption of the building and hence need the expertise to make the appropriate selection.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,267
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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'admission1
Résumé présentoui

Explorer davantage

Même sujetWind and Air Flow StudiesTravaux en français237 207