MétaCan
Menu
Retour à la cohorte
Enregistrement W7047234483

Estudi dels factors claus per a l'estalvi energètic assolit a la UPC

2017· dissertation· ca· W7047234483 sur OpenAlexaboutno aff

Notice bibliographique

RevueRECERCAT (Consorci de Serveis Universitaris de Catalunya) · 2017
Typedissertation
Langueca
DomainePhysics and Astronomy
ThématiqueLightning and Electromagnetic Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Base (topology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Els objectius climàtics de la UE per al 2020 han estat el marc de referència i la base del Pla UPC 2020 de sostenibilitat energètica, que té la missió d’assolir una universitat de baixa intensitat energètica i baixa emissió de carboni i, alhora, experimentar la innovació als campus. Aquest treball s’emmarca dins d’aquest Pla, i estudia els factors clau per a l’estalvi energètic assolit a la Universitat Politècnica de Catalunya, en aplicació del Pla d’estalvi energètic (2011-2014). Els factors clau són: la millora en la contractació energètica, l’optimització de les potències i la reducció del consum. D’entre aquests factors, l’objecte d’estudi d’aquest treball se centra principalment en l’evolució dels consums de la UPC pel que fa als subministraments d’electricitat, gas i aigua entre els anys 2012-2016. En primer lloc, es resumeixen les accions i els projectes d’estalvi energètic duts a terme a la UPC des de 2007, any en què es va iniciar la monitorització dels consums mitjançant el sistema d'informació de recursos energètics i aigua (SIRENA), fins a l’actualitat. Tot seguit, es descriuen els conceptes principals que intervenen en la facturació del cost dels diferents subministraments (electricitat, gas i aigua) de la Universitat. Per tal d’estudiar l’evolució del consum i la despesa econòmica en subministraments energètics i d’aigua, s’han analitzat les dades de facturació de tots els campus de la UPC corresponents al període d’estudi, a partir de les quals s’han elaborat diferents gràfics que han permès obtenir una visió dels consums i la despesa des de perspectives diverses. La metodologia d’anàlisi de dades es basa en els estudis i les publicacions anteriors, com ara els informes SIRENA, sobretot per determinar alguns dels indicadors que s’han emprat. El conjunt de dades han estat extretes i proporcionades per diverses fonts: el Servei d’Infraestructures de la UPC, el sistema d’informació SIRENA i dades estadístiques del Gabinet de Planificació Avaluació i Qualitat (GPAQ) de la UPC. Els resultats es mostren tant a nivell global de la UPC com per cada campus. Així, s’ha observat que més del 70% del consum, tant d’energia com d’aigua, i de la despesa de la Universitat, es concentra en tres campus: campus Nord i campus Sud (Barcelona), i campus Terrassa, en ordre descendent. El pes específic que representen sobre el conjunt de la UPC, ha motivat un estudi més detallat del consum elèctric d’aquests tres campus, identificant els edificis i les instal·lacions que componen cada campus, així com el consum mensual al llarg d’un any. La manca de disponibilitat d’algunes dades, ha limitat l’anàlisi i l’obtenció de resultats més concloents, tot i això el treball ha permès identificar aquells aspectes que cal millorar i ha posat en evidència que és necessari d’establir indicadors adients que permetin determinar, registrar i avaluar el consum dels diferents campus de la Universitat, i conseqüentment la despesa econòmica corresponent, per detectar on cal incidir a fi d’aconseguir un major estalvi energètic.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · 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'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRECERCAT (Consorci de Serveis Universitaris de Catalunya)Même sujetLightning and Electromagnetic PhenomenaTravaux en français237 207