MétaCan
Menu
Retour à la cohorte
Enregistrement W4307548691 · doi:10.3390/su142113885

Cooling Degree Days for Quick Energy Consumption Estimation in the GCC Countries

2022· article· en· W4307548691 sur OpenAlexaff
Hayder Salem, Khalil Khanafer, Mohammad T. Alshammari, Ahmad R. Sedaghat, Salah Mahdi

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensCoquitlam College
Organismes subventionnairesnon disponible
Mots-clésHeating degree dayCooling loadTariffDegree (music)Energy consumptionEstimationValue (mathematics)Environmental scienceConsumption (sociology)EngineeringAgricultural economicsGeographyBusinessEconomicsMathematicsStatisticsMechanical engineeringAir conditioningElectrical engineering

Résumé

récupéré en direct d'OpenAlex

One of the most useful and simplified approaches in assessing building energy estimates is the degree days method. The heating and cooling requirements can be easily compared for different locations as well as system trends. In this paper, the cooling degree day values for the capitals of the Gulf Cooperation Council (GCC) are presented. Degree day values at different base temperatures are also produced for these locations. These values are useful for engineers and policy makers for evaluating energy demands and their cost for these countries. A typical two-story residential building is considered here and its yearly cooling load is evaluated. The total cooling energy is compared based on the energy cost of the respective GCC countries. The results presented in this investigation illustrated that the cooling load, based on the cooling degree days (CDDs) at a 23 °C base temperature, agrees well with the detailed hourly cooling load simulated by eQuest software. Additionally, the highest CDDs value of 2589 was observed in the city of Doha and the lowest value of 2037 was seen in Riyadh city. The lowest cooling cost of USD 492 corresponds to Muscat, while the highest value of USD 1672 belong to Abu Dubai, partially due to a higher tariff of 0.081 USD/kWh.

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: aucune
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,298

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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,228 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207