Exposure-based smart ventilation and occupancy control for optimizing ventilation energy consumption and long-range airborne transmission of COVID-19 in school environments
Notice bibliographique
Résumé
Abstract Mechanical ventilation is an effective measure to control indoor long-range airborne transmission of COVID-19, but it often leads to substantial energy expenditure. This study introduces a novel exposure-based smart ventilation and occupancy control strategy to reduce infection risk and save energy in school environments that are typically characterized by fixed occupants and long exposure time. This exposure-based approach allows the quanta concentration to vary over time rather than keeping it constantly below certain thresholds. This enables us to: (1) adjust ventilation and occupant schedule to facilitate passive cooling/heating potential in response to outdoor weather conditions; (2) consider the interaction between ventilation and occupant schedule to maximize their benefits in reducing infection risk and energy consumption. Taking a typical classroom as a base case, ventilation and occupant schedule are optimized individually and jointly through Genetic Algorithm, to control infection risk, minimize energy consumption, maintain thermal comfort, and promise sufficient schooling time. Our results show that the most energy-efficient strategy is the concurrent optimization of both occupant schedule and ventilation, achieving an energy reduction of up to ∼60% compared to traditional constant ventilation methods. Solely optimizing occupant schedule is the least energy-efficient strategy, yielding an energy reduction ratio (over base case) of only half of the most efficient strategy. Our study reveals the possibility of optimizing occupant schedule and ventilation to balance building energy consumption and transmission control. The viability of these control strategies has been proven across various climate zones and seasons in China, highlighting their broad applicability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».