Greening Vancouver through Energy Benchmarking : a brief overview of the City’s Benchmarking initiative
Notice bibliographique
Résumé
This study uses multi-unit residential buildings’ (MURBs) utility data collected from False Creek South residents to evaluate the initial steps of the City of Vancouver’s energy benchmarking initiative. The aim of this report is to highlight some of the benefits of benchmarking, initiate an example of preliminary utility analysis on MURBs and provide feedback on the data collection process outlined by the City’s draft benchmarking guide. Aggregated electricity-use and water consumption data from 18 buildings was obtained through BC Hydro and City of Vancouver. Through benchmarking, we were able to visualize and calculate total electricity and water consumption for entire buildings and building complexes, as well as identify yearly and seasonal trends in electricity and water use respectively. Only a four-month natural gas dataset (Fortis BC) was available to us for a single building. This was used to propose an estimate of greenhouse gas emissions during summer/fall months and compare the emissions of two buildings with different heating systems. In addition, we were able to provide a preliminary analysis of heat loss in MURBs using thermal imaging. This could be incorporated in the City’s benchmarking initiative as a visual reference to understanding heat loss, as well as encourage building retrofits for improved efficiency and reduced greenhouse gas emissions. Eventually, all of the preliminary analysis of energy, water and gas consumption along with heat loss information would be beneficial as a stepping stone in updating energy policies and creating new energy efficient incentives in the City’s target of reducing energy use and greenhouse gas emissions in existing buildings by 20% over 2007 levels. For improving the benchmarking data collection and process, we recommend: ● Clarifying utility terminology ● Re-organizing the data collection steps ● Modifying data request forms ● Advising utility companies on the City’s benchmarking initiative to facilitate the data collection process for building managers/owners ● Offering an Energy Star Portfolio Manager tutorial ● Incorporating thermal imaging to observe and keep track of building performances through heat loss
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».