MétaCan
Menu
Retour à la cohorte
Enregistrement W4313654627 · doi:10.11591/ijpeds.v14.i1.pp378-383

Low-cost energy conservation measures power saving impact on electronic appliances usage

2023· article· en· W4313654627 sur OpenAlexaff
Ruchi Tyagi, Shaikh Shamser Ali, Suresh Vishwaakarma

Notice bibliographique

RevueInternational Journal of Power Electronics and Drive Systems/International Journal of Electrical and Computer Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueGreen IT and Sustainability
Établissements canadiensBC Hydro (Canada)
Organismes subventionnairesnon disponible
Mots-clésEnergy conservationAir conditioningCarbon footprintComputer scienceEnvironmental scienceEnvironmental economicsEnergy (signal processing)Efficient energy useReliability engineeringAutomotive engineeringGreenhouse gasEngineeringStatisticsElectrical engineeringEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

<span lang="EN-US">Energy conservation measures use less energy to reduce costs and the environmental impact without compromising the consumer’s comfort level. Low-cost energy conservation measures play a critical role in power saving on the usage of electronic devices. The paper compares two different facilities using air-conditioning applications to study the impacts of low-cost energy conservation measures (LCECM) in real-time operations. The effect was recorded at both facilities by lowering the air-conditioning running time and increasing its set temperature ensuring that there was no compromise in occupants’ comfort level. As per international performance measurement and verification (IPMV) protocol A, data analysis was done using pre- and post-experiment readings. IPMVP output was analyzed more by running a <br /> t-Test in the SPSS software. Results indicated energy conservation with a cumulative impact on carbon footprint, environment, and cost of importing fossil fuel. The limitations of this study are that the energy conservation measurements were made with limited facilities and respondents' restrictions.</span>

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,163
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,222
Écart entre enseignants0,217 · 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.

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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Power Electronics and Drive Systems/International Journal of Electrical and Computer EngineeringMême sujetGreen IT and SustainabilityTravaux en français237 207