MétaCan
Menu
Retour à la cohorte
Enregistrement W4401710519 · doi:10.1186/s40517-024-00308-3

A review of district energy technology with subsurface thermal storage integration

2024· review· en· W4401710519 sur OpenAlexaff
Nicholas Fry, Philip Adebayo, Roman Shor, Aggrey Mwesigye

Notice bibliographique

RevueGeothermal Energy · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésThermal energy storageComputer scienceThermalEnvironmental scienceSystems engineeringEngineeringMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Renewable energies, such as solar and wind, traditionally suffer from temporal incongruity. Society’s energy demand peaks occur at different times of day than the electricity generation potential of a photovoltaic panel or, often, a wind turbine. Heat demand, in particular, is subject to a significant mismatch between the availability of heat (in the summer) and the need for heat (in the winter). Thus, a future energy system design should incorporate underground thermal energy storage (UTES) to avoid this temporal mismatch and emphasize thermal applications. Such a basis of design would introduce new methods of energy arbitrage, encourage the adoption of geothermal systems, and decrease the carbon intensity of society. UTES techniques are becoming increasingly sophisticated. These methods of storage can range from simple seasonal storage for residential structures in a grouted borehole array (BTES), to aquifer thermal energy storage (ATES), deep reservoir storage (RTES) in basins, among others. The method that each of these techniques shares is the use of the earth as a storage medium. UTES can also be characterized for electricity production, but this work largely explores applications in heating and cooling, further limited in scope to sensible heat storage (SHS). Heating and cooling processes—residential, commercial, and industrial—make up large fractions of energy demand in North America. This is also true of other locales. With the increasing concerns of climate change, exacerbated by anthropogenic greenhouse gas emissions, developers and municipal planners are strategizing to decarbonize building heating and cooling at district scales. This review covers the integration of UTES techniques with thermal energy network (TEN) technology across large districts. Though storage has long been in use for conventional district heating networks, designs are rapidly innovating, indicating broader applications of UTES integration with a TEN is advantageous from both an efficiency and economic perspective. This rapid innovation indicates the need for the integrated review offered in this paper.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeothermal EnergyMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207