MétaCan
Menu
Retour à la cohorte
Enregistrement W4402930294 · doi:10.3390/en17194839

Assessing the Potential of Phase-Change Materials in Energy Retrofitting of Existing Buildings in a Mediterranean Climate

2024· article· en· W4402930294 sur OpenAlexfundno aff
Roberto Stasi, F. Ruggiero, Umberto Berardi

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistero dell’Istruzione, dell’Università e della Ricerca
Mots-clésRetrofittingClimate changeMediterranean climateEnvironmental scienceEnergy (signal processing)Phase (matter)Architectural engineeringCivil engineeringEngineeringGeographyGeologyStructural engineeringArchaeologyPhysics

Résumé

récupéré en direct d'OpenAlex

The European Community has prioritized reducing energy consumption and improving energy efficiency in the building sector, along with ensuring increasingly high standards of thermal comfort, as key goals over recent decades. Given the impact of climate change, the rising frequency of extreme weather events, and the rapid shifts in peak demand during both winter and summer, buildings must efficiently respond to sudden and extreme temperature fluctuations while maintaining optimal indoor comfort. Phase-change materials (PCMs), which can adapt their thermophysical properties in response to external conditions, may offer a solution for enhancing building resilience to climate change. This paper evaluates the benefits of integrating various PCMs with plasterboard in the energy retrofit of a multi-family complex in a Mediterranean climate. The study examines the application of a PCM with a melting temperature of 25 °C at three different thicknesses (74.2 mm, 37.1 mm, and 20.8 mm) to external walls, ceilings, and both walls and ceilings simultaneously. Among the various applications, using the PCM on walls alone maximized heating savings as thickness increased (26.6%), while ceiling application maximized cooling energy savings (17.5%). Combined solutions offered the most balanced seasonal benefits, leading to the greatest overall energy reductions (24.1%).

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,108
Tête enseignante GPT0,376
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPhase Change Materials ResearchTravaux en français237 207