Cloud-based Smart Dual Fuel Switching System (SDFSS) of Hybrid Residential HVAC System for Simultaneous Reduction of Energy Cost and Greenhouse Gas Emission
Notice bibliographique
Résumé
A proper heating, ventilation, and air conditioning (HVAC) demand management system plays a prominent role in managing energy intake and taking a significant step towards sustainable housing with the goal of achieving net-zero emissions. Through experiments and simulations, this study investigated the viability of a recently developed adaptive cloud-based Smart Dual Fuel Switching Systems (SDFSSs) controller for residential hybrid HVAC systems. These systems consider various temporal parameters such as weather condition, building thermal demand, fuel price structure, and equipment capabilities into account to optimize space heating system operation, thereby lowering operating costs and greenhouse gas (GHG) emissions. Results show that by integrating SDFSS with existing ASHP technology, GHG emissions could be reduced by over 80 to 90% by 2030 with carbon pricing of $170/tonne. The results of this study could form a modelling and policy framework for different communities and regions. SDFSS would facilitate progressively and cost-effectively transitioning from existing fossil fuel-dominated heating systems to the low-carbon alternative of electric heat pumps powered by clean electricity. Due to the SDFSS’ responsiveness to the random and intermittent nature of renewable energy supply, hybrid heating systems equipped with SDFSS would facilitate wider penetration of renewable energy. Consequently, net-zero emissions could easily be achieved at a greatly accelerated pace before 2050.
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 | 0,000 |
| 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) | 0,002 | 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 ».