MétaCan
Menu
Retour à la cohorte
Enregistrement W7018271509

Design considerations for thermal energy storage systems in subarctic climate.

2021· other· en· W7018271509 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspaceINRS (National Institute for Scientific Research (Canada)) · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBoreholeHeat pumpThermalHeat exchangerThermal energy storageCoefficient of performanceSubarctic climateThermal energy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Borehole thermal energy storage system (BTES) is a mature technology to provide heating needs of buildings. It can thus contribute to the transition to sustainable green energies in northern Canada. Its efficiency strongly depends on the design and the subsurface conditions in which it is implemented. This study presents a sensitivity analysis of the main parameters influencing BTES operating in the subsurface near freezing conditions. Numerical simulations were performed in FEFLOW to estimate the average heat pump coefficient of performance (COP) of 68 different scenarios of a BTES with 25 borehole heat exchangers (BHE). An initial scenario was constructed and the COP was averaged during heat extraction periods. Then, 17 parameters were varied at constant steps (10% and 30% of their initial value) and their averaged COP was compared to the base case scenario. Results highlight parameters that need to be accurately estimated and optimized in order to maximize BTES efficiency. Thermal power injection/extraction, surface/volume ratio, BHE spacing, BTES layout compared to local groundwater direction and subsurface thermal properties are the parameters with the highest influence on the operating temperature. BTES initial scenario averages a COP of 2.92 over 4 years of operation. Worst-case scenario shows a mean COP of 2.74, whereas best-case scenario averages a COP of 3.05. This leads to a 13 GJ (+5.3%) energy gain difference between the worst and the best-case scenario over ~5.6 years of operation of heat extraction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,099
Tête enseignante GPT0,337
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaceINRS (National Institute for Scientific Research (Canada))Travaux en français237 207