MétaCan
Menu
Retour à la cohorte
Enregistrement W7132627182

Cold thermal energy storage for buildings: a feasibility study

2020· article· en· W7132627182 sur OpenAlexfundvenueaboutno aff
M. Ghobadi, A. Laouadi, A. Galasiu

Notice bibliographique

RevueNPARC · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesInfrastructure Canada
Mots-clésCold storageCold winterCold climateHeat transferMultiphysicsThermal energy storageFreezing pointEnergy recoveryThermal energy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study, we examined the feasibility of using cold ice as a medium to store the cold energy in the cold season and use it during the hot season in locations which experience both cold and hot seasons. We studied a cylindrical storage tank, two meters in diameter and two meters in length, wrapped with conventional insulation providing R-50. We assumed that the contained ice reaches -25 ℃ during the winter time and it was assumed to be exposed to the warm temperature of 18 ℃ for six months prior to being required for cooling. We used COMSOL Multiphysics to model the heat transfer in a three dimensional configuration. The results showed that 40 percent of the stored cold energy would be depleted during the six month period prior to the hot season. It would take 43 days for the ice in the tank to reach the melting point after consuming the sensible stored cold, and the melting process begins after that. The remaining energy is able to provide the cooling energy for almost full 24 days for an R-2000 2-story detached house located in Ottawa, Ontario.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,300
Écart entre enseignants0,228 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetPhase Change Materials ResearchTravaux en français237 207