MétaCan
Menu
Retour à la cohorte
Enregistrement W4210402169 · doi:10.3390/su14031356

Energy Systems and Energy Sharing in Traditional and Sustainable Archetypes of Urban Developments

2022· article· en· W4210402169 sur OpenAlexaff
Caroline Hachem-Vermette, Kuljeet Singh

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Prince Edward IslandUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Energy consumptionEnvironmental economicsEnergy planningSustainable developmentArchetypeEfficient energy useEnergy (signal processing)Architectural engineeringCivil engineeringComputer scienceRenewable energyGeographyEngineeringMathematicsEconomicsStatisticsEcology

Résumé

récupéré en direct d'OpenAlex

Diverse factors influence the energy profile of an urban development including density, shape of buildings and their types, energy demand, and available energy resources. A systematic investigation of the energy characteristics of urban areas, involves the determination of representative archetypes of urban developments. This study presents a comparison of energy performance and resources between two categories of traditionally built urban development building clusters (BCs) in the North American urban context, and neighborhood units (NUs) designed with various sustainable principles and considerations. The study presents a methodology to optimize the mix of energy resources of individual building clusters and neighborhoods, as well as the optimization of energy sharing among the individual urban units of each category. Optimal energy sharing is determined based on the best combination of energy deficit and energy surplus of various clusters and neighborhoods. The study shows that in general neighborhood units encompassing diverse building uses and designed to allow different amenities within a walking distance perform better than commonly built building clusters with low usage diversity. Highly diverse neighborhoods that combine large commercial areas to high density residential buildings can generate up to 84% of their annual electrical and up to 37% of their annual thermal consumption. PV generation accounts for major part of the electrical energy generation of both individual urban units (BCs and NUs) and combination of these units. This can reach up to 92% of the total energy consumption of some combinations of NUs, while the remaining energy requirement is fulfilled by wind and waste to energy (3.4% and 4.9%, respectively). On the other hand, the study shows that thermal energy is mostly supplied by alternative energy sources, since building surfaces prioritize the accommodation of PV modules.

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 enseignants0,195
Score d'incertitude au seuil0,414

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 Opus0,008
Tête enseignante GPT0,185
Écart entre enseignants0,177 · 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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207