A review on energy practices and indoor environmental quality (IEQ) of airports
Notice bibliographique
Résumé
Airports are key infrastructure facilities bridging the building and transportation sectors. Their operations are expected to keep growing exponentially in the coming years, which could increase their energy consumption. Therefore, reducing energy consumption is crucial in line with decarbonization and sustainability goals of airports. This study provides a review on energy efficiency for airport facilities, focusing on, (1) energy and environmental benchmarking, (2) renewable energy sources, their associated risks, economic, and environmental impacts, (3) energy conservation strategies, (4) control strategies for airport operational systems, and (5) recommended indoor environmental quality (IEQ) conditions by international standards. Findings suggest that using single indicators for benchmarking assessment can be misleading, and comprehensive frameworks are suggested for accurate comparisons. Additionally, photovoltaic (PV) systems are the common integration of renewables in airports, while wind, geothermal, and biomass offer alternative energy solutions; each with specific challenges. Energy conservation strategies for airports included systems such as radiant floors and displacement ventilation (DV), façade improvements, and advanced hybrid HVAC solutions. Control strategies mostly focused on fuzzy logic control (FLC) and model predictive control (MPC). Furthermore, it was found that there exist gaps in addressing diverse comfort requirements within the airport population and spaces in existing IEQ standards. This study offers valuable insights and demonstrations of energy efficiency and IEQ improvement strategies that are suitable for airport facilities, given their unique nature. Findings can be leveraged by airport managers to achieve decarbonization goals, reduce energy costs, and enhance sustainability.
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 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 | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».