MétaCan
Menu
Retour à la cohorte
Enregistrement W4210640095 · doi:10.1080/19401493.2021.2019309

Regulating window operations using HVAC terminal devices’ control sequences: a simulation-based investigation

2022· article· en· W4210640095 sur OpenAlexafffund
Weihao Liu, H. Burak Gunay, Mohamed Ouf

Notice bibliographique

RevueJournal of Building Performance Simulation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensConcordia UniversityCarleton University
Organismes subventionnairesNational Research Council Canada
Mots-clésThermostatHVACWindow (computing)Closing (real estate)Efficient energy useTerminal (telecommunication)Control (management)Indoor air qualityEnergy (signal processing)EngineeringSimulationComputer scienceAutomotive engineeringReal-time computingAir conditioningOperating systemMechanical engineeringTelecommunicationsElectrical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Mixed-mode ventilation is a design feature to improve building energy efficiency and indoor air quality. However, in practice, it does not always achieve better performance, largely due to inappropriate window operations. The research effort is also limited when exploring approaches to regulate manually operable windows. The present study found that the unregulated window operations could increase the heating load up to 21% and cooling load by 22% relative to identical buildings with fixed windows in a cold climate. To regulate the manually operable windows, we investigated the effectiveness of employing HVAC terminal devices’ by improving the control sequences. The control sequences could apply setbacks on thermostat setpoints to nudge occupants to undertake window opening and closing actions. The control sequences were tested by the building performance simulation (BPS), and 3-16% of energy reductions could be achieved when control sequences encouraged occupants to undertake energy-efficient window use behaviours.

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 enseignants0,008
Score d'incertitude au seuil0,017

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,255
Écart entre enseignants0,234 · 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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Building Performance SimulationMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207