Energy Audits and Energy Modeling as a Tool towards Reducing Energy Consumption in Buildings: The Cases of Two Multi-Unit Residential Buildings (MURBs) in Toronto
Notice bibliographique
Résumé
This research is based on an energy audit of two multi-unit residential buildings (MURBs) located in Toronto, Canada. Energy consumption (gas and electricity) data were extracted from the energy bills of the two buildings for a consecutive period of three years. The data were then normalized to account for variations in weather conditions. Conclusions were drawn from correlation analyses between kWh, cooling degree days (CDDs), and heating degree days (HDDs), which were then compared to the energy consumption benchmarks of MURBs within the GTA. An energy simulation using e-Quest v.3.64 was performed, utilizing the advantages of the e-Quest building modeling tool to create a virtual 3D model of the audited buildings. A baseline model was constructed to reflect the actual buildings and was used to simulate the outcomes and calculate the projected energy savings from window replacements with a higher energy efficiency than the existing ones. The simulation results revealed that triple low-E glazing outperformed single- and double-glass windows, achieving reductions of 38% and 34% in gas consumption, respectively. The building envelope simulations showed that enhancing insulation reduced gas consumption by 4%, while an insulation upgrade demonstrated no discernible savings. Reducing the window area by 20% (north/south sides) led to a 6% decrease in gas consumption, while a 30% reduction resulted in approximately 9% of energy savings.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».