Bibliographic record
Abstract
Le secteur de l'immobilier résidentiel est un grand consommateur d'électricité. Dans les pays froids comme le Canada, les systèmes de chauffage contribuent pour une large part à la demande énergétique totale des bâtiments. Des solutions intelligentes et efficaces pour réduire la consommation d'énergie des bâtiments sont constamment explorées dans des domaines de recherche multidisciplinaires. Cette thèse porte sur le développement et l'analyse d'une stratégie de commande par modèle prédictif (CMP) central pour le confort et la gestion de l'énergie. Dans ce projet, les simulations des bâtiments sont effectuées à l'aide d'un logiciel de simulation bien établi TRNSYS (Transient System Simulation Tool) alors que les contrôleurs sont conçus dans MATLAB à l'aide de routines de calcul standard. La thèse est conceptuellement divisée en deux parties.Une étude analytique basée sur la simulation de deux systèmes de chauffage résidentiels canadiens typiques, à savoir les systèmes de chauffage par plinthes électriques (BB) et les systèmes de chauffage par plancher hydronique (RFH), est présentée dans la première partie. L'étude se concentre sur la modélisation et la caractérisation des systèmes de chauffage RFH et BB, en soulignant les différences entre leurs dynamiques de chauffage respectives et leurs effets sur la performance. Un CMP en boucle fermée est conçu et mis en œuvre pour le contrôle de la température intérieure. Divers scénarios de contrôle sont simulés pour étudier les performances individuelles et coopératives des deux systèmes de chauffage.Deux nouveaux systèmes CMP sont proposés pour concevoir un système de chauffage collaboratif utilisant RFH et BB. Ces systèmes de contrôle coopératifs, à savoir les approches Séquentielle et Simultanée, ont le même objectif d'améliorer les performances du RFH à réaction lente en maintenant la température à l'intérieur des limites prédéfinies tout en réduisant le coût énergétique. Dans l'approche Séquentielle, des CMP distincts effectuent successivement les optimisations pour RFH et BB, alors que pour l'approche Simultanée, un seul CMP optimise les deux systèmes de chauffage. L'optimisation CMP prend également en compte une unité de stockage d'énergie thermique, intégrée au système RFH, pour une utilisation optimale de l'énergie basée sur des taux de temps d'utilisation variables.Le système de HVAC fait partie intégrante du système de gestion de l'énergie du bâtiment. Dans la deuxième partie de la thèse, un nouveau système de gestion de l'énergie du bâtiment centralisé basé sur la CMP est proposé. La nouvelle configuration résidentielle utilisée ici est équipée d'un système solaire photovoltaïque (PV) et d'une unité de stockage à batterie. Ici, une pompe à chaleur multi-split air-air (HP) est utilisée comme système de chauffage principal. La plinthe électrique (BB) de chaque zone sert de système secondaire. Le CMP est simultanément responsable du contrôle des entrées de chauffage des unités HP et BB pour la gestion du confort, ainsi que du contrôle du flux d'énergie entre le PV, la batterie domestique et le système de réseau bidirectionnel. Des taux de temps d'utilisation variables sont pris en compte pour le calcul du coût de l'énergie et le tarif de production est pris en compte pour la vente d'énergie au réseau. La stratégie de CMP est encore modifiée pour incorporer un véhicule électrique (VE). Le VE est considéré comme une extension l'unité de stockage à batterie disponible par intermittence. Les incertitudes liées à l'horaire de disponibilité des VE, aux décharges domicile-travail-domicile et à l'état de charge de la batterie sont prises en compte. Une analyse d'incertitude basée sur la méthode de Monte Carlo est présentée pour estimer la fiabilité des performances du CMP par rapport aux perturbations introduites dans le système. Les performances du CMP sont étudiées en tenant compte de la communication VE vers domicile, dans un exemple de scénario de simulation
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".