کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4918895 | 1428938 | 2017 | 32 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Uncertainty quantification for Energy Savings Performance Contracting: Application to an office building
ترجمه فارسی عنوان
اندازه گیری عدم قطعیت برای سازگاری با صرفه جویی در انرژی: کاربرد در ساختمان اداری
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تجزیه و تحلیل میزان حساسیت، انتشار ناسازگاری، گسترش هرج و مرج چندجملهای، تضمین عملکرد انرژی
ترجمه چکیده
اول، تجزیه و تحلیل حساسیت به کاربران اجازه می دهد تا ورودی های تاثیرگذار ترین مدل خود را شناسایی و اولویت بندی کنند. سپس ورودی های غیر نفوذ می تواند به ارزش اسمی آنها، بدون تاثیر نتایج. باقی مانده از پارامترها امکان ارزیابی مقادیر کمی از جمله شاخص های سوبل را فراهم می کند که اطلاعات مفیدی را در مورد واریانس مدل ارائه می دهند. روش های مختلف برای چنین محاسباتی مناسب هستند اما عموما به طراحی نمونه خاصی متکی هستند. کاهش مدل متا بر اساس توسعه چندجملهای هرج و مرج می تواند به عنوان یک روش پس پردازش استفاده شود و به نظر می رسد بهترین مصالح بین دقت و زمان محاسبات برای مطالعه موردی ما است. این رویکرد همچنین شامل استفاده از تابع چگالی احتمالی و توزیع تجمعی برای محاسبه فواصل اطمینان و احتمال بروز یک مقدار آستانه است. در نهایت، اهمیت استفاده از متغیرهای تنظیم برای در نظر گرفتن پارامترهای متغیر زمان نیز مورد بحث قرار گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی
First, sensitivity analysis allows users to identify and prioritize the most influential inputs of their model. Non-influential inputs can then be fixed to their nominal values, without impacting the results. The remaining set of parameters makes it possible to assess quantitative measures such as Sobol' indices which give useful information on the model variance. Different methods are suitable for such calculations but generally rely on specific sample design. Meta-model reduction based on Polynomial Chaos Expansion can be used as a post-processing method and appears to be the best compromise between accuracy and computation time for our case study. This approach also involves the use of probability density function and cumulative distribution to calculate confidence intervals and probability to exceed a threshold value. At last, the importance of using adjustment variables to take into account time-varying parameters is also discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 152, 1 October 2017, Pages 61-72
Journal: Energy and Buildings - Volume 152, 1 October 2017, Pages 61-72
نویسندگان
Ghjuvan Antone Faggianelli, Laurent Mora, Rania Merheb,