A methodical approach for the design of thermal energy storage systems in buildings: An eight‐step methodology
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
Abstract Recent research focuses on optimal design of thermal energy storage (TES) systems for various plants and processes, using advanced optimization techniques. There is a wide range of TES technologies for diverse thermal applications, each with unique technical and economic characteristics. Matching an application with the most suitable TES system remains challenging. This study proposes an eight‐step design methodology guiding the process from describing the thermal process to defining the most appropriate TES based on constraints and requirements. The steps include specifying the thermal process, system design parameters, storage characteristics, integration parameters, key performance indicators, optimization method, tools, and design robustness. Seven already‐designed TES systems are evaluated to assess the methodology's effectiveness, where the design procedures have been adapted to the proposed steps. Case studies involve various applications with both sensible and latent TES systems, demonstrating the applicability of the proposed design procedure. A significant diversity exists among the design cases regarding the design objective, input, design, and output parameters. Nevertheless, the design procedure in each case can be deconstructed into the outlined design steps. The last design step has been excluded from all case studies due to insufficient information regarding the robustness of the design process. The paper demonstrates how a methodical approach can be applied to examine the TES design and the integration. The design steps proposed in this study can serve as a foundation for developing a more systematic approach for designing TES systems in future works, resulting in simplifying the design process.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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