Building energy simulation and its application for building performance optimization: A review of methods, tools, and case studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As one of the most important and advanced technology for carbon-mitigation in the building sector, building performance simulation (BPS) has played an increasingly important role with the powerful support of building energy modelling (BEM) technology for energy-efficient designs, operations, and retrofitting of buildings. Owing to its deep integration of multi-disciplinary approaches, the researchers, as well as tool developers and practitioners, are facing opportunities and challenges during the application of BEM at multiple scales and stages, e.g., building/system/community levels and planning/design/operation stages. By reviewing recent studies, this paper aims to provide a clear picture of how BEM performs in solving different research questions on varied scales of building phase and spatial resolution, with a focus on the objectives and frameworks, modelling methods and tools, applicability and transferability. To guide future applications of BEM for performance-driven building energy management, we classified the current research trends and future research opportunities into five topics that span through different stages and levels: (1) Simulation for performance-driven design for new building and retrofit design, (2) Model-based operational performance optimization, (3) Integrated simulation using data measurements for digital twin, (4) Building simulation supporting urban energy planning, and (5) Modelling of building-to-grid interaction for demand response. Additionally, future research recommendations are discussed, covering potential applications of BEM through integration with occupancy and behaviour modelling, integration with machine learning, quantification of model uncertainties, and linking to building monitoring systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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