INFLUENCING FACTORS ON COOLING DEMAND OF HIGH-RISE BUILDINGS IN HOT/HUMID CLIMATES: A REVIEW
Notice bibliographique
Résumé
A significant amount of energy is consumed on cooling buildings in countries that experience hot/humid climates. The increasing demand for high-rise buildings, with their inherent air conditioning systems, adds extra requirements to electricity grids or local district cooling systems. Thus, this work is structured to identify the influencing factors of cooling energy demand in high-rise buildings that are geographically restricted to countries of these climates. The influence of the factor is quantified as its contribution to cooling energy savings when manipulated or optimized. It is found that the average annual cooling reductions are 12%, 24.7%, 18.3%, and 20% with ranges of 3%-27%, 2.6%-60%, 5.6%-30%, and 11%-29% for building typology, envelope, system, and operation factors, respectively. Environmental factors lack quantification in the literature, although they are considered, however their effect is not quantified. In general, most studies considered building typology and building envelope factors which are related to building design, while few studies considered building operation and building system factors. The aforementioned factors and their importance lead to suggestions of conducting more studies on building operational and building system factors as they significantly contribute in cooling energy savings. Since Urban Heat Island (UHI) can cause a change of a city's microclimate which may double the cooling demand, it is listed as one of the essential environmental factors. This review has shown various aspects that are vital in studying building cooling load demand and its related energy performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».