Energy-efficient retrofitting with incomplete building information: a data-driven approach

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: id:"swepub:oai:DiVA.org:umu-204512" > Energy-efficient re...

1 av 1
Föregående post
Nästa post
Till träfflistan

Feng, KailunUmeå universitet,Institutionen för tillämpad fysik och elektronik (författare)

Energy-efficient retrofitting with incomplete building information : a data-driven approach

Artikel/kapitelEngelska2022

Förlag, utgivningsår, omfång ...

2022-08-31
EDP Sciences,2022
electronicrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:umu-204512
https://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-204512URI
https://doi.org/10.1051/e3sconf/202235601003DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:kon swepub-publicationtype

Anmärkningar

The high-performance insulations and energy-efficient HVAC have been widely employed as energy-efficient retrofitting for building renovation. Building performance simulation (BPS) based on physical models is a popular method to estimate expected energy savings for building retrofitting. However, many buildings, especially the older building constructed several decades ago, do not have full access to complete information for a BPS method. To address this challenge, this paper proposes a data-driven approach to support the decision-making of building retrofitting under incomplete information. The data-driven approach is constructed by integrating backpropagation neural networks (BRBNN), fuzzy C-means clustering (FCM), principal component analysis (PCA), and trimmed scores regression (TSR). It is motivated by the available big data sources from real-life building performance datasets to directly model the retrofitting performances without generally missing information, and simultaneously impute the case-specific incomplete information. This empirical study is conducted on real-life buildings in Sweden. The result indicates that the approach can model the performance ranges of energy-efficient retrofitting for family houses with more than 90% confidence. The developed approach provides a tool to predict the performance of individual buildings from different retrofitting measures, enabling supportive decision-making for building owners with inaccessible complete building information, to compare alternative retrofitting measures.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

Lu, Weizhuo,Professor,1974-Umeå universitet,Institutionen för tillämpad fysik och elektronik(Swepub:umu)welu0004 (författare)
Penaka, Santhan ReddyUmeå universitet,Institutionen för tillämpad fysik och elektronik(Swepub:umu)sare0075 (författare)
Eklund, ErikUmeå Municipality, Sweden (författare)
Andersson, Staffan,1952-Umeå universitet,Institutionen för tillämpad fysik och elektronik(Swepub:umu)stan0001 (författare)
Olofsson, Thomas,1968-Umeå universitet,Institutionen för tillämpad fysik och elektronik(Swepub:umu)thol0001 (författare)
Umeå universitetInstitutionen för tillämpad fysik och elektronik (creator_code:org_t)

Sammanhörande titlar

Ingår i:E3S web of conferences: EDP Sciences

Internetlänk

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Feng, Kailun; Lu, Weizhuo, Pro ...; Penaka, Santhan ...; Eklund, Erik; Andersson, Staff ...; Olofsson, Thomas ...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Samhällsbyggnads ...; och Husbyggnad

Artiklar i publikationen: E3S web of confe ...

Av lärosätet: Umeå universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se