MétaCan
Menu
Retour à la cohorte
Enregistrement W4322208333 · doi:10.1016/j.cles.2023.100060

Detailed profiling of high-rise building energy consumption in extremely hot and humid climate

2023· article· en· W4322208333 sur OpenAlexaff
Athar Kamal, Sambhaji T. Kadam, Danlin Hou, Ibrahim Hassan, Liangzhu Wang, Nurettin Sezer, Mohammad Azizur Rahman

Notice bibliographique

RevueCleaner Energy Systems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensConcordia University
Organismes subventionnairesQatar National Research Fund
Mots-clésApartmentEnvironmental scienceEnergy consumptionCooling loadClimate zonesOccupancyConsumption (sociology)Architectural engineeringCivil engineeringEngineeringGeographyAir conditioningPhysical geographyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The extremely hot and humid nature of the Gulf Cooperation Council necessitates cooling. There is a dearth of literature that addresses the energy consumption profile of high-rise buildings in this climate, which is important for the fair distribution of costs among end users according to their usage. This study aims to address the literature gap by studying the cooling requirements of a representative tall residential building in an extremely hot and humid climate. Sensitivity analysis of 14 building characteristics against annual cooling load reveals that Window-to-Wall-Ratio (WWR) and orientation parameters sway anywhere between the most significant and the least significant attributes, respectively. From the analysis, a significant discrepancy in cooling consumption has been observed between the first and top floors, with an average of around 140% more. Furthermore, sensitivity analysis revealed that equipment power density is a dominating factor at the apartment level, while the floor number dominates in the whole building. A parametric analysis indicates that building rotation can increase or decrease energy consumption up to 4.0 kWh/m2/month or 5.6 kWh/m2/month, depending on the apartment's location. This study would facilitate especially the planning stage of the buildings in a whole district and operation-related decisions of the corresponding district cooling plant in the hot and humid climate.

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 enseignants0,029
Score d'incertitude au seuil0,808

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 Opus0,015
Tête enseignante GPT0,212
Écart entre enseignants0,196 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCleaner Energy SystemsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207