A Collection of 85 Datasets of Buildings and Building Clusters Performing Demand Response – Common Exercise IEA EBC Annex 82
Notice bibliographique
Résumé
This open-access dataset contains 85 simulation datasets of buildings and clusters of buildings performing demand response. These datasets have been generated within the framework of a common exercise of the IEA EBC Annex 82 project: Energy Flexible Buildings Towards Resilient Low Carbon Energy Systems (https://annex82.iea-ebc.org/). Each dataset is placed inside a dedicated folder with a corresponding case ID. Each dataset contains a metadata file and one or several nomenclature files providing information about the content of the dataset and the characteristics of the case building cluster, and how this data has been generated. The datasets contain time series of building- and energy-related monitoring variables (e.g., total power demand, grid incentive signal, outdoor temperature, etc.) for reference (ref) scenarios (no demand response activations) and flexible (flex) scenarios (demand response activations). These datasets are analyzed in a dedicated scientific publication. More information can be found in the “Dataset_description” file. The Python file "dataset_treatment_and_analysis.py" is a script that runs a validity verification of the entire collection of datasets and, if all datasets are valid, generates a series of plots with the data from the different datasets. This Python script can be used as a basis to develop further data treatment and analysis processes. For questions and comments, please contact Hicham Johra: hicham.johra@sintef.no
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,021 |
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 ».