MODELOWANIE MATEMATYCZNE I SYSTEM STEROWANIA BUDYNKIEM NIEMAL ZEROENERGETYCZNYM
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 8 Nr 2 (2018)
-
MODELOWANIE STANÓW PRZEJŚCIOWYCH MASZYN PRĄDU PRZEMIENNEGO Z UWZGLĘDNIENIEM EFEKTÓW DRUGIEGO RZĘDU
Olga Korolova, Juan de la Torre Cubillo, Bernd Ponick4-8
-
ANALIZA PRZECIWRÓWNOLEGŁEGO OBWODU MEMRYSTOROWEGO
Valeri Mladenov, Stoyan Kirilov9-14
-
ZAAWANSOWANY MODEL MEMRYSTORA ZE MODYFIKOWANYM OKNEM BIOLEK ORAZ EKSPONENTĄ ZALEŻNĄ OD NAPIĘCIA
Valeri Mladenov, Stoyan Kirilov15-20
-
MODELOWANIE MATEMATYCZNE I SYSTEM STEROWANIA BUDYNKIEM NIEMAL ZEROENERGETYCZNYM
Ildar A. Sultanguzin, Hannes Toepfer, Ivan D. Kalyakin, Alexandr V. Govorin, Ekaterina V. Zhigulina, Sergey Yu. Kurzanov, Yury V. Yavorovsky21-24
-
CZĘSTOTLIWOŚCIOWY KONWERTER PWM ZE STEROWANIEM W OTWARTEJ PĘTLI
Malte John, Axel Mertens25-29
-
POLE MAGNETYCZNE WSPÓŁOSIOWYCH KWADRATOWYCH CEWEK ZAMKNIĘTYCH W MATERIALE O WYSOKIEJ PERMEANCJI
Anamarija Juhas, Neda Pekaric Nad, Hannes H. Toepfer30-34
-
ROZPROSZONA METODA DO SYMULACJI STANÓW PRZEJŚCIOWYCH DYNAMICZNIE UWZGLĘDNIAJĄCA DODATKOWE WYNIKI AUTONOMICZNYCH AGENTÓW PROGRAMOWYCH
Matthias Jüttner, Sebastian Grabmaier, Jonas Rohloff, Desirée Vögeli, Wolfgang M. Rucker, Peter Göhner, Michael Weyrich35-38
-
MULTISENSORY DLA BIOSENSORÓW PEŁNOKOMÓRKOWYCH
Ingo Tobehn-Steinhäuser, Margarita Günther, Stefan Görlandt, Steffen Herbst, Heike Wünscher, Thomas Ortlepp, Gerald Gerlach39-41
-
NARZĘDZIA DO PORÓWNANIA WYNIKÓW PRACY ALGORYTMÓW SORTOWANIA
Larysa Gumeniuk, Vladimir Lotysh, Pavlo Gumeniuk42-45
-
ZMODYFIKOWANA, UZUPEŁNIONA TAKSONOMIA USTEREK W TOLERUJĄCYCH AWARIE SYSTEMACH CZASU RZECZYWISTEGO
Volodymyr Mosorov, Taras Panskyi, Sebastian Biedron46-49
-
ZASTOSOWANIE NADMIAROWOŚCI W PROTOKOLE LEACH
Volodymyr Mosorov, Sebastian Biedron, Taras Panskyi50-53
-
ANALIZA OBRAZÓW MEDYCZNYCH I STEREOSKOPOWYCH W SYSTEMIE E-MEDICUS
Tomasz Rymarczyk54-57
-
ANALIZA SKUTECZNOŚCI WYBRANYCH METOD SEGMENTACJI STRUKTUR ANATOMICZNYCH MÓZGU
Róża Dzierżak, Magdalena Michalska58-61
-
ANALIZA WŁAŚCIWOŚCI METROLOGICZNYCH SIATEK BRAGGA ZE STAŁYM I ZMIENNYM OKRESEM
Tomasz Zieliński, Piotr Kisała62-67
-
BADANIA PORÓWNAWCZE SPRAWNOŚCI UKŁADÓW DC/DC Z TRANZYSTORAMI SI IGBT ORAZ TRANZYSTORAMI SIC TYPU MOSFET
Karol Fatyga, Łukasz Kwaśny, Bartłomiej Stefańczak68-71
-
PROPOZYCJA ZARZĄDZANIA JAKOŚCIĄ NAPIĘCIA Z WYKORZYSTANIEM PODOBCIĄŻENIOWEGO PRZEŁĄCZNIKA ZACZEPÓW TRANSFORMATORA I KOMPENSATORA STATCOM
Bartłomiej Mroczek, Karol Fatyga72-78
-
OCENA RUCHU PALIWA W PROCESIE SPALANIA NA PODSTAWIE OBRAZU CYFROWEGO
Łukasz Pater79-82
-
NIELINIOWA ANALIZA SIECI ZBIERAJĄCYCH ENERGIĘ W ZAKRESIE RADIOWYM O WYSOKIM WSPÓŁCZYNNIKU DOBROCI Q
Christian Merz, Gerald Kupris83-86
Archiwum
-
Tom 10 Nr 4
2020-12-20 16
-
Tom 10 Nr 3
2020-09-30 22
-
Tom 10 Nr 2
2020-06-30 16
-
Tom 10 Nr 1
2020-03-30 19
-
Tom 9 Nr 4
2019-12-16 20
-
Tom 9 Nr 3
2019-09-26 20
-
Tom 9 Nr 2
2019-06-21 16
-
Tom 9 Nr 1
2019-03-03 13
-
Tom 8 Nr 4
2018-12-16 16
-
Tom 8 Nr 3
2018-09-25 16
-
Tom 8 Nr 2
2018-05-30 18
-
Tom 8 Nr 1
2018-02-28 18
-
Tom 7 Nr 4
2017-12-21 23
-
Tom 7 Nr 3
2017-09-30 24
-
Tom 7 Nr 2
2017-06-30 27
-
Tom 7 Nr 1
2017-03-03 33
-
Tom 6 Nr 4
2016-12-22 16
-
Tom 6 Nr 3
2016-08-08 18
-
Tom 6 Nr 2
2016-05-10 16
-
Tom 6 Nr 1
2016-02-04 16
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W artykule rozważono trzy różne typy matematycznego modelu budynku o niemal zerowym zużyciu energii. Pierwszy model pozwala zoptymalizować strukturę i definicję kluczowych parametrów budynku energooszczędnego. Drugi model jest niezbędny do zaprojektowania domu pasywnego wykorzystującego odnawialne źródła energii. Trzeci model powinien być stosowany do godzinowego monitorowania i monitorowania systemu energetycznego budynku o niskim zużyciu energii przez cały rok.
Słowa kluczowe:
Bibliografia
Bacher P., Madsen H., Nielsen H.A., Perers B.: Short-term heat load forecasting for single family houses. Energy and Buildings 38/2006, 63–71.
Bacher P., Madsen H., Nielsen H.A.: Online short-term solar power forecasting. Solar Energy 83/2009, 1772–1783.
Cemesova A. et al.: PassivBIM: Enhancing interoperability between BIM and low energy design software. Automation in Construction 57/2015, 17–32.
Fabrizio E. et al.: A model to design and optimize multi-energy systems in buildings at the design concept stage. Renewable Energy 35/2010, 644–655.
Fan Ch. et al.: Temporal knowledge discovery in big BAS data for building energy management. Energy and Buildings 109/2015, 75–89.
Feist V.: Die Hauptlagen nach der Projektierung der passiven Häuser. Konti Print, Moscow 2015.
Halvgaard R. et al.: Model predictive control for a smart solar tank based on weather and consumption forecasts. Energy Procedia 30/2012, 270–278.
Michailidis I.T. et al.: Proactive control for solar energy exploitation: A german high-inertia building case study. Applied Energy 155/2015, 409–420.
Oti A.H. et al.: A framework for the utilization of Building Management System data in building information models for building design and operation. Automation in Construction 72/2016, 195–210.
Sultanguzin I., Kalyakin I., Govorin A., et.al.: Optimization of the energy efficient active house. 3 Ingenieurtag 2016. Neseff-Netzwerktreffen 2016. Tagungsband. Branden-burgische Technische Universität. Cottbus-Senftenberg. 14-15 November 2016, 8–12.
Sultanguzin I.A., Isaev M.V., Kurzanov S.Yu.: Optimizing the production of coke, coal chemicals, and steel on the basis of environmental and energy criteria. Metallurgist 54/2011, 600–607.
Toepfer H., Goetze M., Chervakova E., Hutschenreuther T.: On the Use of Wireless Sensors Within a Traffic Monitoring System. Proceedings of the International Academic Forum AMO–SPITSE–NESEFF. Smolensk Publishing “Universum”, Moscow–Smolensk 2016.
Torunski E. et al.: A review of smart environments for energy savings. Procedia Computer Science 10/2012, 205–214.
Wang Y., Kuckelkorn J., Liu Y.: State of art review on methodologies for control strategies in low energy buildings in the period from 2006 to 2016. Energy & Buildings 147/2017, 27–40.
Zhou K. et al.: Big data driven smart energy management: From big data to big insights. Renewable and Sustainable Energy Reviews 56/2016, 215–225.
##plugins.themes.bootstrap3.article.details##
Abstract views: 425
Downloads: 393
Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
