Self-Sufficiency Building Energy Modelling from Urban to Block-Scale with PV Technology
Notice bibliographique
Résumé
Decarbonisation policies are often implemented in cities through the promotion of rooftop solar resources.However, urban solar assessments need to identify favourable locations and appropriate sizing to effectively support these strategies.This research aims to estimate the potential for photovoltaic (PV) systems in a dense urban context, as a basis for future policy support.The downtown district of Toronto, Ontario (Canada) is examined as a case study using the 2030 online platform.This work adopts a multi-scalar methodology to model the potential of roof-mounted PV systems for the main residential archetypes.An urban-scale GIS-LiDAR assessment, informed by environmental criteria, is followed by a block-level optimization using URBANopt, which considers energy and economic parameters.The rooftop GIS-based analysis estimates that up to 20% of electricity consumption for detached houses could be satisfied, primarily in the summer, and 5% for apartment buildings.Optimization with URBANopt shows that solar collective configurations can provide significant benefits to users, primarily in terms of economics.When optimization is performed by clusters for each block, the benefits over single-building analysis are evident, particularly in reducing lifecycle costs.In the selected case study, polycrystalline panels with net metering can achieve self-sufficiency levels ranging from 18% to 41% for residential blocks.This study confirms that solar PV systems can increase local production, reduce grid energy dependency, and support energy communities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».