How Building Energy Use Reacted to Variable Occupancy Pre- and Post- COVID-19 Pandemic—Sensitivity Analysis of 35 Commercial Buildings in Canada
Notice bibliographique
Résumé
The COVID-19 pandemic and global shutdown and work-from-home order for non-essential businesses and employees led to a substantial decline in energy usage in the commercial building sector. However, the magnitude of decline was not equivalent to what would be expected for unoccupied spaces. The energy performance of low/unoccupied commercial buildings, particularly in the context of new minimum requirements to maintain indoor air quality, is an intriguing research question. In this study, we developed a numerical model that measures electricity usage sensitivity to occupancy (ESTO) where we compare the business-as-usual energy performance with unoccupied energy performance. Two years of COVID-time (in addition to a pre-COVID control year) hourly energy use (electricity (plug loads, lighting, and fans), heating, and cooling) using data from 35 commercial buildings (i.e., buildings with HVAC and other building systems typical of commercial rather than residential buildings) are analyzed to quantify those changes. A change point model is used to assess thermal load intensities, change point temperature, and off-season unoccupied baseloads. Finally, we suggest a generic framework for building scoring based on selected performance parameters. Results indicate that the suggested scoring system is robust and replicable and is reliable for ranking buildings within a given portfolio from best- to worst- performing, thus prioritizing buildings that are best candidates for retrofits.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».