MétaCan
Menu
Retour à la cohorte
Enregistrement W4212995986 · doi:10.24018/ejeng.2019.4.12.1640

A Comparison of Solar Photovoltaic and Solar Thermal Collector for Residential Water Heating and Space Heating System

2019· article· en· W4212995986 sur OpenAlexfundaboutno aff
Md. Habibur Rahaman

Notice bibliographique

RevueEuropean Journal of Engineering and Technology Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of Newfoundland
Mots-clésPhotovoltaic systemPhotovoltaic thermal hybrid solar collectorStorage heaterThermal energy storageSolar energySizingEnvironmental scienceStorage water heaterSolar air conditioningProcess engineeringElectricityPassive solar building designHeat pumpAutomotive engineeringEngineeringElectrical engineeringMechanical engineeringWater heaterChemistryHeat exchangerPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Almost all single-family detached houses in Canada consume enormous electrical energy for space heating and domestic hot water (DHW) purposes. There are many possibilities to design an energy-efficient house. A solar water heating system can be used for domestic water and space heating. Water temperature can be kept constant always by connecting a heat pump or oil burner to the main tank because solar energy is intermittent. The sizing of solar photovoltaic and collector, tank, heat pump are essential to design an effective system based on the system energy consumption. The existing house is just a conventional house where space and water heating are provided by the grid electricity only. In this research, two possible ways of thermal energy storage systems have been designed for a residential single-family house with solar collector and solar photovoltaic. It is proved that the proposed PV based energy storage system is highly suitable considering lower cost, high output power, flexibility, and easy installation.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,462
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,256
Écart entre enseignants0,240 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Engineering and Technology ResearchMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207