Estimating the impact of building retrofit measures on the operational greenhouse emissions of medium office buildings – A case study in Ontario, Canada
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
The aim of this study is to evaluate the impact of using hourly Marginal Emission Factors (MEF) for electricity consumption instead of annual Average Emission Factors (AEF) to estimate the operational GHG emission reductions of building retrofit measures in medium office buildings in Ontario, Canada. Considering the availability of MEFs, three cities located in different climate zones within the province of Ontario were selected for this study, i.e. Toronto (CZ5), Ottawa (CZ6), and Timmins (CZ7A). Operational carbon emissions were calculated by multiplying an emission factor by the annual consumption of each energy source required by the building, as specified in common carbon accounting methods such as the GHG Protocol and ISO 14064. Results show that the retrofit measures that have the highest potential to reduce operational GHG emissions of medium office buildings located in Ontario are: replacing the HVAC system, replacing windows, and reducing air leakage rate. The obtained results also indicate that the annual electricity MEF can be significantly higher than the AEF reported in the National Inventory Reports. This means that indirect emissions are significantly underestimated when using AEFs, compared to MEFs. Additionally, in cases where natural gas is used as primary heating fuel, the use of AEF overestimates the percentage of GHG emission reduction associated with fuel switching by up to 23% compared to cases where MEFs are used.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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