MétaCan
Menu
Retour à la cohorte
Enregistrement W4404635902 · doi:10.1016/j.enbuild.2024.115087

Implementation of next-generation occupant-centric sequences of operation in an office building using supervisory control

2024· article· en· W4404635902 sur OpenAlexafffund
Brodie W. Hobson, Andre A. Markus, Jayson Bursill, H. Burak Gunay, Darwish Darwazeh, Zheng O’Neill

Notice bibliographique

RevueEnergy and Buildings · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensNational Research Council CanadaSurrey Memorial HospitalCarleton University
Organismes subventionnairesNational Research Council Canada
Mots-clésSupervisory controlControl (management)EngineeringArchitectural engineeringComputer scienceAutomotive engineeringControl engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

ASHRAE RP-1747 is a CO 2 -based demand-controlled ventilation (DCV) approach which uses trim and respond logic to dynamically adjust variable air volume (VAV) terminal units’ minimum airflow setpoints based on zones’ ventilation requirements . While simulation results and laboratory testing have estimated the impact on heating, ventilation, and air conditioning (HVAC) systems compared to traditional ventilation, there have been limited applications of RP-1747 in occupied, real-world buildings to date. This paper introduces a real-world implementation of RP-1747 DCV in an institutional office building over an eight-month period, using a supervisory control approach. During this implementation, a complementary temperature setback approach was also developed and employed in the case study building. These changes to the sequences of operation, as well as corrections to other sub-optimal sequences of operation discovered during implementation, resulted in a 36 ± 2 % and 2 ± 6 % reduction in heating and cooling energy use, respectively, while improving per person ventilation rates in the case study. The results aim to contribute to the body of literature on this emerging DCV approach and provide anecdotal evidence of its benefits and interactions with other control logic in a real-world application, while also demonstrating the benefits of supervisory control when implementing complex process control functions.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,232
Score d'incertitude au seuil0,488

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,036
Tête enseignante GPT0,265
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy and BuildingsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207