MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399207259 · doi:10.1109/ice2t58637.2023.10540541

Thermal Comfort and Energy Analysis of Fan Coil Unit Cooling Systems in Tropical Buildings

2023· article· en· W4399207259 sur OpenAlexaff
M.M.S. Dezfouli, Kushsairy Kadir, Alireza Dehghani-Sanij, Sh. Rostami, R. Suhairi, M. A. Mohd Azmi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFan coil unitThermal comfortHumidityEnvironmental scienceCooling loadRelative humidityMeteorologyAirflowEvaporative coolerElectromagnetic coilData loggerAir conditioningElectrical engineeringEngineeringMechanical engineeringComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Overcooling is a frequent occurrence in Malaysian buildings, particularly in libraries and classrooms. This study evaluates the thermal comfort of a fan coil unit (FCU) installed in a case study room in Malaysia’s hot and humid climate to detect the problem. On the basis of measurement factors such as temperature, humidity, and airflow, a data acquisition system consisting of sensors and a data logger was selected and installed in the case study room. The measurement data were collected from 8:00 a.m. to 5:00 p.m. for the duration of one week. The cooling load distribution of the case study room was detected from measurement data analysis. 52% of the overall cooling load (9.4 kW) was related to latent loads and 48% to sensible loads. Measuring results indicate that the seminar room’s temperature and relative humidity under the FCU application were 24.3 °C and 77.1%, respectively, values that did not correspond to the thermal comfort level (25 °C and 50% humidity). As a result, it was determined that if room humidity is set to 50%, the room temperature will reach 17 °C, leading to the space being over-cooled. An optimised FCU has been built to achieve the ideal interior atmosphere. Compared to the current FCU, the improved FCU consumes 1.40 times more energy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,205
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort Optimization→Travaux en français237 207→