Suite

Quel est le format de la colonne GEOMETRY de la base de données Natural Earth SQLite ?


J'ai besoin d'extraire les coordonnées des points de limite de polygone afin de dessiner une carte dans mon application. Est-ce que quelqu'un sait quel est le format de la colonne "GÉOMÉTRIE" dans cette base de données ? Cela ne ressemble pas au format .SHP, mais à autre chose.

Je suis à la recherche d'une documentation ou d'une explication sur les données binaires, afin que je puisse l'utiliser.

Ceci est un exemple sqlite : https://github.com/nvkelso/natural-earth-vector/blob/master/packages/natural_earth_vector.sqlite


Oh, je pense que je l'ai trouvé par moi-même. C'est un "format binaire bien connu". Quelle ironie.

http://en.wikipedia.org/wiki/Well-known_text#Well-known_binary

J'ai utilisé avec succès la bibliothèque de programmation http://geophp.net/ pour opérer sur ces données géométriques.


Le moyen le plus efficace et le plus pratique de stocker des valeurs temporelles (HH:MM) dans Oracle, ce qui les rend facilement consultables

J'ai un ensemble d'heures de début et de fin que je dois stocker dans une base de données Oracle. Je dois les stocker de manière à les rendre facilement consultables (c'est-à-dire qu'une recherche typique consiste à trouver toutes les lignes où une valeur temporelle, telle que 9h30, se situe entre l'heure de début et l'heure de fin). Dans SQL Server, j'utiliserais simplement un champ de type de données TIME, mais Oracle ne semble pas avoir d'équivalent.

J'ai vu un certain nombre de blogs et de forums qui recommandent d'utiliser simplement un champ DATE et d'effectuer des conversions avec TO_CHAR puis de comparer, ou de stocker les valeurs de temps sous forme de champs varchar (4 / HHMM) ou varchar (6 / HHMMSS). Les deux semblent inutilement inefficaces.

Existe-t-il un moyen meilleur ou plus efficace d'accomplir cela dans Oracle ?


1. Introduction

L'un des moyens les plus difficiles, mais en fin de compte les plus gratifiants, de développer un programme de premier cycle consiste à viser les grandes réalisations conceptuelles d'un domaine, en supprimant l'essentiel et en véhiculant les idées fondamentales d'une manière qui révèle leur beauté, leur universalité et leur pertinence contemporaine. Cela a été fait pour de nombreux domaines des sciences et des sciences humaines, et les cours d'introduction dans ces domaines se sont stabilisés et ont résisté à l'épreuve du temps. Sommes-nous à une époque où cela peut être fait pour la science des données ?

Nous avons abordé cette question avec un optimisme prudent à Berkeley. La mise en garde découle de la conviction que le champ d'application approprié pour l'enseignement de la science des données est très large. En effet, nous considérons la science des données comme une forme d'arts libéraux pour le 21e siècle - un mélange des disciplines informatiques et inférentielles qui ont fleuri au cours du 20e siècle et une approche de la science et de la technologie qui permet des enquêtes empiriques à une échelle et une portée sans précédent. Compte tenu de ce vaste mandat, le défi de percevoir et de distiller un noyau curriculaire semble au mieux intimidant.

Et pourtant, nous sommes optimistes. Nous considérons la science des données comme un phénomène qui a pris forme lentement et régulièrement au cours du siècle dernier, avec la floraison de ses différentes parties découlant d'une racine commune. En effet, pendant la gestation des disciplines computationnelles et inférentielles au début du 20e siècle, des individus tels que John von Neumann, Andrey Kolmogorov, Alan Turing, Jerzy Neyman, Norbert Wiener et Abraham Wald ont mélangé les traditions déductive et inductive des mathématiques pour concevoir des formulations rigoureuses de concepts tels que « algorithme », « probabilité », « inférence », « rétroaction », « incertitude », « modèle » et « risque ». demande. La portée de ces développements s'est encore élargie entre les mains d'individus tels que David Blackwell, Claude Shannon et Herbert Robbins, dont les travaux ont ouvert de nouvelles perspectives sur l'économie, les communications et la psychologie.

Au fur et à mesure que le 20e siècle avançait, l'unité a commencé à être moins apparente. À partir des fondements d'origine, de nouvelles disciplines académiques majeures ont émergé - informatique, théorie du contrôle, théorie de l'information, traitement du signal et statistiques mathématiques - chacune se concentrant sur des aspects particuliers de l'ensemble des défis associés à l'information, à l'inférence et aux décisions. Alors que von Neumann, Kolmogorov et d'autres auraient probablement résisté à être étiquetés avec une seule de ces étiquettes disciplinaires, les chercheurs ultérieurs ont généralement poursuivi leur carrière entièrement dans une seule discipline.

La science des données a réuni les fils d'origine. La science des données se concentre sur des problèmes du monde réel impliquant des données et des décisions. Que ces problèmes ne soient généralement pas du ressort d'une seule discipline est quelque chose que les étudiants sont prêts à accepter sans trop de débat. Ils peuvent apprécier la nécessité d'aller au-delà du simple traitement des données et faire appel à un ensemble d'idées plus large : la spécification d'objectifs inférentiels, le développement de modèles visant à saisir la manière dont les données ont pu survenir, la création d'algorithmes qui sont sensibles aux modèles et aux objectifs, une compréhension des mécanismes de rétroaction qui affectent les données et l'interprétation des résultats, les préoccupations concernant l'incertitude et les risques, et les préoccupations concernant les implications humaines de l'analyse automatisée des données et de la prise de décision. À Berkeley, nous avons inventé une expression — « pensée informatique et pensée inférentielle » — pour capturer un aspect important de notre vision d'un programme d'études en science des données. La « pensée informatique » est l'objectif d'un cours d'introduction à l'informatique moderne, où l'accent est mis sur les notions d'abstraction, de modularité et d'efficacité. La « pensée inférentielle » est l'objectif d'un cours d'introduction aux statistiques moderne, axé sur des idées telles que les populations, l'échantillonnage, le théorème de Bayes, la causalité et la robustesse. La juxtaposition des deux rassemble nombre des réalisations conceptuelles du siècle dernier dont il a été question plus haut.

De plus, une telle juxtaposition profite des styles complémentaires de résolution de problèmes associés à l'informatique et aux statistiques. L'informatique est associée à un esprit « constructeur ». Les étudiants qui écrivent des programmes informatiques se sentent responsabilisés. Ils ne se contentent pas d'apprendre un formalisme, mais ils créent des artefacts fonctionnels. Les statistiques, quant à elles, incarnent un esprit « collaborateur ». Les statisticiens apprennent à s'intégrer dans des équipes avec des experts du domaine et contribuent au flux conceptuel d'un projet. La combinaison de ces deux styles est une caractéristique naturelle et souhaitable d'un programme de science des données qui vise à mélanger le calcul et l'inférence.

Dans la conception de notre programme, nous avons également inclus les « implications dans le monde réel » comme troisième étape fondamentale, pour souligner le fait que, bien que la science des données puisse avoir ses racines dans le formalisme mathématique, il s'agit essentiellement d'une entreprise du monde réel. Ici aussi, d'importants précurseurs historiques nous ont inspirés. Des individus tels que John Tukey et Leo Breiman, formés comme mathématiciens, en sont venus à souligner la nature exploratoire et ouverte de l'analyse des données et la nécessité d'essayer des choses sur des données du monde réel. Cette perspective complétait la perspective mathématique formelle qui dominait les communautés de recherche universitaire, mettant au premier plan des notions difficiles à formaliser, mais essentielles, telles que la visualisation, l'interprétabilité et la critique. Une autre référence historique clé est le chercheur en bases de données Jim Gray, dont les travaux fondamentaux sur les systèmes d'indexation et d'interrogation de collections de données massives et évolutives l'ont amené à envisager un « quatrième paradigme » émergent d'une science hautement collaborative et à forte intensité de données. Enfin, un autre fil conducteur historique puissant qui nous a influencé vient des sciences sociales, où le contextuel la nature des données et de l'enquête empirique est un thème majeur. Nous avons été influencés par les travaux des sociologues Sheila Jasanoff et Donna Haraway, et une inspiration particulière a été l'écriture d'Ursula Franklin, dont le vaste commentaire sur la technologie en tant que système complexe est illustré par ce qui suit : "Les technologies sont développées et utilisé dans un contexte social, économique et politique particulier. Ils surgissent d'une structure sociale, ils s'y greffent, et ils peuvent la renforcer ou la détruire, souvent de manière ni prévue ni prévisible » (Franklin, 1999). Nous avons donc cherché à donner le ton du respect des conséquences, prévues et imprévues, dans notre enseignement de la science des données.

Il y avait en effet une conséquence imprévue intéressante qui s'est produite lorsque nous avons commencé à enseigner les nouveaux cours. Nous avons découvert que, quelle que soit la notion de « monde réel » pour nous, les étudiants avaient leurs propres idées. Les étudiants viennent à notre programme avec leurs propres questions et passions, fournissant un exemple frappant de la notion de "contexte". ce être. Une formation en science des données peut viser à donner aux étudiants les moyens non seulement de résoudre les problèmes des autres, mais de résoudre leurs propres problèmes. Un programme de science des données peut leur permettre de trouver des données pertinentes pour leurs questions et de fournir des analyses convaincantes de ces données. Le mot « convaincre » est important ici : un bon scientifique des données doit être capable de se convaincre non seulement d'une analyse, mais doit également être capable de convaincre les autres.

En bref, nos objectifs d'apprentissage pour le nouveau programme étaient multiples et interdisciplinaires : nous voulions que les étudiants comprennent comment formuler des problèmes inférentiels significatifs, collecter des données pertinentes pour ces problèmes, construire des pipelines d'analyse de données qui permettent de résoudre les problèmes à un gamme d'échelles, faire des analyses convaincantes et faire des affirmations ou des recommandations politiques qui ont du poids. De plus, tout au long de ce processus, nous voulions que les étudiants soient attentifs aux contextes sociaux, culturels et éthiques des problèmes qu'ils formulent et visent à résoudre, et nous voulions donner aux étudiants les moyens de poursuivre leur propre perspective unique en tant que scientifiques des données. Ces objectifs font écho à bon nombre de ceux proposés dans les efforts récents pour réformer les programmes d'études de premier cycle en statistique (Cobb, 2015). Ils ont également certains éléments en commun avec des propositions qui construisent de nouveaux programmes de science des données en s'inspirant soigneusement des programmes existants en informatique, en statistiques et en mathématiques, tout en offrant une expérience avec des données du monde réel (De Veaux, 2017). Mais notre accent est différent, et là où nous nous alignons particulièrement sur ces derniers auteurs, c'est lorsqu'ils déclarent : "Nous pensons que de nombreux cours traditionnellement proposés dans les offres d'informatique, de statistiques et de mathématiques devraient être repensés pour la majeure en science des données dans l'intérêt de l'efficacité et la synergie potentielle qu'offriraient les cours intégrés » (p.17). Une refonte en profondeur est précisément ce dans quoi nous nous sommes engagés à Berkeley.

Pour transformer des desiderata de haut niveau en une séquence de classe réelle, nous avons trouvé utile de repartir de zéro. Nous nous sommes d'abord concentrés sur les étudiants de première année et nous avons évité de faire des hypothèses fortes sur les connaissances mathématiques ou les compétences en programmation. Notre pensée était que si « la pensée informatique et la pensée inférentielle » est une nouvelle force puissante sur le paysage universitaire, alors sa puissance devrait être évidente sans beaucoup de fond ou de formalisme. Les cours ultérieurs renforcent et élargissent ensuite le matériel en revisitant bon nombre des mêmes problèmes auxquels les étudiants ont été exposés dans leur premier cours en utilisant des outils mathématiques et informatiques plus développés et des cadres contextuels.


TANTALIS - Colis arpentés

TA_SURVEY_PARCELS_SVW Contient la représentation spatiale (polygone) de toutes les parcelles de terrain principales et de subdivision actives qui sont ou ont été du ressort de la Colombie-Britannique. Programme de gestion des terres de la Couronne. La vue a été créée pour fournir une vue simplifiée de ces données à partir des informations sur les parcelles d'arpentage dans le système opérationnel Tantalis. Les parcelles principales et de subdivision sont les deux types de parcelles (identifiées par l'attribut PARCEL_TYPE) qui conviennent généralement au transfert de propriété

Données et ressources

Pour une utilisation dans des visionneuses telles que les outils ESRI, utilisez ce lien tronqué.

Pour une utilisation dans des visionneuses telles que Google Earth Cliquez ici pour savoir comment procéder.

Étendue de l'ensemble de données

Informations Complémentaires

Les informations sur les parcelles arpentées représentées dans cette vue peuvent être utilisées à diverses fins, y compris, mais sans s'y limiter : les processus de planification de l'utilisation des terres (par exemple, Forest Stewardship Planning) les processus statutaires (par exemple, la notification gratuite des mineurs en vertu de la Mineral Tenure Act) et le bois processus d'examen des approvisionnements. Les parcelles arpentées représentées dans cette vue sont un sous-ensemble des types de tenure de la Couronne détenues dans le système d'enregistrement des terres de la Couronne (Tantalis).

80% précis. À l'exception des limites non arpentées (numérisées), les données cadastrales sont saisies à une échelle de 1:1.


Initiatives et organisations internationales pour une meilleure exploitation de l'OT en cas de catastrophe

La Charte internationale pour l'espace et les catastrophes majeures fournit des données satellitaires pour les activités d'intervention et de surveillance à la suite de catastrophes naturelles majeures (par exemple, inondations, tremblements de terre et volcans) ou causées par l'homme (telles que les marées noires). La charte internationale a été initiée en 1999 et est devenue opérationnelle le 1er novembre 2000, avec plus de 600 activations depuis lors (http://disastercharter.org/).

La charte est activée par des utilisateurs autorisés (représentants d'une organisation nationale de protection civile) qui mobilisent les agences spatiales pour obtenir et relayer rapidement les données d'observation de la Terre de plus de 60 satellites sur la catastrophe en cours (il y a eu 67 activations de tremblements de terre à ce jour au cours des deux dernières décennies ). Cela peut être particulièrement important pour fournir des données commerciales à haute résolution et en temps opportun qui seraient autrement très coûteux à charger pour une acquisition rapide. L'accent est mis sur la phase de réponse initiale d'une catastrophe avec une durée d'activation limitée, plutôt que sur toute phase ultérieure du cycle qui peut être utile pour d'autres aspects de la gestion des risques de catastrophe (GRC).

Une organisation importante qui cherche à coordonner l'exploitation des données satellitaires au profit de la société est le Comité des satellites d'observation de la Terre (CEOS), créé à l'origine en 1984 (https://ceos.org). Ce forum international rassemble la plupart des agences spatiales avec un important programme d'OT afin d'optimiser l'échange et l'utilisation des données de télédétection pour la prospérité durable de l'humanité (Percivall et al. 2013). Une partie particulièrement pertinente de CEOS est le groupe de travail sur les catastrophes qui a coordonné les phases pilotes et de démonstration de projets à risques multiples (par exemple, Pritchard et al. 2018), et dont l'un est axé sur les risques sismiques. Leur objectif est d'élargir la base d'utilisateurs de l'OT et de s'engager avec des utilisateurs non experts, en promouvant l'adoption de données et de produits satellitaires dans le processus de prise de décision pour la réduction des risques de catastrophe.

Un autre partenariat international est le Groupe d'observation de la Terre (GEO) qui a un objectif similaire d'exploiter l'OT pour mieux éclairer les décisions au profit de l'humanité (www.earthobservations.org). Le réseau mondial, lancé en 2003, réunit des gouvernements, des organismes de recherche et des entreprises avec des fournisseurs de données pour cibler le développement durable et une gestion environnementale saine. Une initiative particulièrement pertinente a été l'organisation de « supersites » (Geohazard Supersites and Natural Laboratories–GSNL) qui cherchent à accroître l'ouverture des observations satellitaires et des données in situ sur des sites cibles particuliers, tels que le laboratoire naturel de la faille de San Andreas et la mer de Marmara (Istanbul) où des tremblements de terre majeurs devraient être probables dans un avenir proche (Parsons et al. 2004).


Cardinalité d'ensemble dénombrable à un

Observons que $B = cup_ phi^<-1>()$ ( $phi^<-1>()subseteq B$ pour chaque $cin C$ et pour $b in B, phi(b) in C,$ donc $b in phi^<-1>()$ ) et cette union est disjointe puisque $phi^<-1>()cap phi^<-1>() = emptyset$ pour $c eq d.$ Puisque chaque $phi^<-1>()$ est dénombrable, il est soit fini, soit équipotent à $mathbb$ dans les deux cas il y a une injection $f_c : phi^<-1>()à mathbb$ pour chaque $cin C$ . Définir $f : Bà mathbb imes C, f(d) = (f_c(d), c)$ pour $d in phi^<-1>(), c in C.$ Remarquons que $f$ est une injection. En effet, pour tout $d eq ein B,$ on a deux cas : $1) d , e in phi^<-1>(), c in C$ ou $2) din phi^<-1>(), e in phi^<-1>(), g eq h in C.$ Dans le cas $1), $ puisque $d eq e$ et $f_c$ est une injection, $f_c(d) eq f_c(e),$ donc $f(e ) = (f_c(e), e) eq (f_c(d), c) = f(d).$ Maintenant dans le cas $2), f(d) = (f_g(d), g) eq (f_h (e), h)$ as $g eq h.$ Donc $f$ est une injection donc $|B|leq |mathbb||C| = aleph_0|C|.$


La plate-forme de données pour les applications intelligentes d'aujourd'hui

Propulsé par la technologie graphique native, Neo4j stocke et gère les données dans leur état plus naturel et connecté, en maintenant des relations de données qui fournissent des requêtes ultra-rapides, un contexte plus approfondi pour l'analyse et un modèle de données modifiable sans douleur.

Le leader de la technologie graphique

Performances, fiabilité et intégrité sans compromis

Créateur et leader de la catégorie des bases de données graphiques, Neo4j continue d'étendre les limites de la technologie graphique, en aidant la plus grande communauté active de 220 000 développeurs, data scientists et architectes qui travaillent à résoudre les problèmes de données les plus complexes et les plus précieux au monde.

INNOVATION APPRENTISSAGE MACHINE

Révéler un contexte plus riche pour générer des informations plus approfondies

Les analystes et les scientifiques des données peuvent incorporer des structures de réseau pour en déduire un sens, augmenter la précision du ML et piloter l'IA contextuelle, en faisant de meilleures prédictions avec les données dont ils disposent déjà.

Neo4j est alimenté par notre vaste bibliothèque d'algorithmes prêts pour la production et des workflows d'apprentissage automatique avancés et révolutionnaires que l'on ne trouve nulle part ailleurs.

Testé au combat pour la performance

Le plus fiable. Le plus sécurisé. Le plus déployé.

Neo4j est la seule base de données de graphes d'entreprise qui combine un stockage de graphes natif, une sécurité avancée, une architecture évolutive optimisée pour la vitesse et la conformité ACID pour assurer la prévisibilité et l'intégrité des requêtes basées sur les relations. C'est pourquoi il est déployé par des centaines d'entreprises Fortune 500, d'agences gouvernementales et d'ONG.


1 réponse 1

Je ne connais aucune implémentation printf qui le fasse.Notez que POSIX ne garantit même pas le fonctionnement de printf '%E ' 123 car la prise en charge des formats à virgule flottante est facultative.

Avec plusieurs implémentations printf, vous pouvez utiliser %'f pour afficher des milliers de séparateurs dans les locales qui en ont un :

Avec le printf intégré de ksh93 , vous pouvez également utiliser %#d pour K/M/G. suffixes et %#i pour les Ki/Mi/Gi :

(notez cependant que vous ne pouvez pas changer la précision et que le passage de Ki à Mi par exemple est à 1000 Ki, pas à 1024 Ki ce qui peut surprendre si vous êtes habitué au format GNU (comme dans GNU ls -lh ). Il est également limité à entier nombres jusqu'à 2 63 -1 (8Ei - 1)).

Quant à savoir comment l'implémenter à la main, avec zsh :

Notez que dans zsh comme dans de nombreux autres langages, les opérations impliquant des flottants sont effectuées en arithmétique à virgule flottante (avec le type double de votre processeur) tandis que celles impliquant des entiers uniquement sont effectuées en arithmétique d'entiers (avec le type long de votre processeur). Cela a des implications comme :

(bien que ce ne soit pas spécifique à cette fonction eng)

Ou en tant que fonction shell POSIX utilisant POSIX bc , permettant ainsi une précision arbitraire :

(avec un décalage de 1e-15 pour compenser les erreurs d'arrondi lors du calcul de log10(n) pour l'exposant pour des valeurs de n comme 0,001)

Ici, le premier argument étant pris comme le échelle:

Notez que bc lui-même ne comprend pas la notation d'ingénierie, vous devez écrire :


Exemples d'applications sur banc d'essai de simulations régionales

Pour démontrer les fonctionnalités et les capacités des simulations régionales basées sur le cloud, des workflows de calcul sont décrits pour deux études de banc d'essai qui utilisent des composants du cadre SimCenter. L'un est un scénario de tremblement de terre pour la région de la baie de San Francisco, et le second est un scénario d'ouragan pour la région d'Atlantic City sur la côte du New Jersey. Des bancs d'essai supplémentaires, dont un portant sur le risque de tremblement de terre pour un système de distribution d'eau à Memphis, sont également en cours de développement.

Scénario de tremblement de terre dans la région de la baie de San Francisco

La région de la baie de San Francisco comprend trois grandes villes, San Francisco, Oakland et San Jose, qui, avec les communautés environnantes, comptent une population d'environ 7,7 millions d'habitants. L'aléa sismique dans la région de la baie de San Francisco est dominé par les failles de San Andreas et Hayward qui chevauchent la région. La faille de San Andreas est située juste à l'ouest de San Francisco et est capable d'un séisme de magnitude Mw 8, tel que l'événement Mw &# x223C7.8 qui s'est produit en 1906. La faille de Hayward, qui remonte le bord est de la Bay Area, est capable d'un séisme de magnitude Mw 7, tel que l'événement Mw 𢏆.7 qui s'est produit en 1868. Récemment, l'USGS a terminé une étude de scénario de tremblement de terre pour un événement Mw 7 sur la faille Hayward, qui a fourni une opportunité comparer les méthodes d'évaluation régionales existantes avec le flux de travail informatique de SimCenter.

Les outils de flux de travail SimCenter ont été appliqués pour évaluer les performances de bâtiments de 1,84 M dans la région de la baie de San Francisco en raison d'une rupture sismique de Mw 7,0 sur la faille Hayward. L'évaluation probabiliste des conséquences des tremblements de terre avec une résolution au niveau du bâtiment (parcelle) à cette échelle n'est réalisable qu'en utilisant des ressources informatiques hautes performances, ce qui est facilité par le workflow régional de SimCenter pour l'estimation des risques et des pertes (rWHALE, Elhaddad et al., 2019). Le banc d'essai se concentre sur l'évaluation de la réponse, des dommages, des coûts de réparation et des délais de réparation pour tous les bâtiments de 1,84 M de la simulation.

Inventaire des bâtiments

Cette étude a utilisé un inventaire au niveau des parcelles des bâtiments de la région de la baie qui a été développé par UrbanSim (Waddell, 2002) à l'aide de ressources publiques telles que le portail de données de la ville et du comté de San Francisco (DataSF, 2020) et les bases de données des évaluateurs fiscaux. La base de données comprend les emplacements (latitude, longitude), les surfaces de plancher totales, le nombre d'étages, l'année de construction et le type d'occupation pour chaque bâtiment. Les informations disponibles sur l'emplacement et la géométrie du bâtiment ont été affinées en fusionnant la base de données UrbanSim avec les données Microsoft Building Footprint accessibles au public (Microsoft, 2020) pour la zone du banc d'essai. Ces données ont été utilisées pour renseigner deux attributs supplémentaires, le coût de remplacement et le type de structure, sur la base d'un ensemble de règles qui prend en compte les pratiques de conception locales et la tarification de l'immobilier. Pour plus de détails sur la base de données et l'ensemble de règles, voir Elhaddad et al. (2019).

Événement sismique

Les mouvements du sol pour le séisme de Mw 7,0 à Hayward ont été simulés par Rodgers et al. (2019) au Lawrence Livermore National Lab (LLNL) en utilisant le code aux différences finies SW4 (Petersson et Sjogreen, 2017). SW4 résout les équations élasto-dynamiques du mouvement dans le domaine temporel pour un solide 3D. Une surface de rupture de 77 × de 13 km a été projetée sur la géométrie de la faille dans le modèle géologique et sismique 3D pour la région de la baie (USGS, 2018) avec un hypocentre près du saillant de San Leandro. Les formes d'onde ont été échantillonnées en trois dimensions sur une grille de 2 km sur la surface de 120 × 80 km d'un corps solide de 35 km de profondeur. Les formes d'onde résultantes capturent les secousses du sol de manière fiable sur le domaine de fréquence 0𠄵 Hz pour les sites avec une vitesse d'onde de cisaillement caractéristique supérieure à 500 m/s. Les calculs ont été exécutés à l'aide de plus de 8 000 nœuds (� 000 processeurs) sur le cluster Cori Phase-II (NERSC, 2020).

Les résultats bruts à 2301 points de grille ont été traités par le SimCenter et convertis au format de fichier JSON utilisé par nos applications de workflow. Ces données fournissent des ensembles de sismogrammes à trois composantes pour des points de grille espacés tous les 2 km dans toute la région d'étude. Les mouvements du sol sont attribués aux bâtiments à l'aide d'un algorithme de recherche du plus proche voisin, où les quatre points de grille les plus proches sont identifiés pour chaque bâtiment et un ensemble de 25 sismogrammes sont attribués par échantillonnage aléatoire pondéré de l'ensemble d'historiques temporels à partir des points de grille les plus proches. Le poids de chaque point de la grille est inversement proportionnel à sa distance au carré du bâtiment.

Simulation de réponse

La réponse non linéaire des bâtiments aux secousses du sol est simulée à l'aide d'OpenSees (OpenSees 2020) et d'une application, MDOF-LU, qui génère un modèle d'analyse structurelle idéal basé sur le type de structure, la hauteur, la surface du plan, l'année de construction et le type de occupation. L'application MDOF-LU est basée sur une méthode développée par Lu et al. (2014) qui utilise les configurations de bâtiment du manuel technique sur les tremblements de terre HAZUS et les descriptions de courbes de capacité correspondantes pour définir un modèle d'éléments finis à colonnes de cisaillement non linéaires à plusieurs étages avec des masses localisées.

Chacun des modèles de bâtiment de 1,84 M est analysé pour 25 paires de mouvements du sol 2D, où les rapports de dérive d'étage de pointe et les accélérations de plancher de pointe sont enregistrés pour les analyses ultérieures des dommages et des pertes. Les approximations et les incertitudes dans le modèle structurel et le comportement sont considérées en traitant la rigidité initiale et le taux d'amortissement comme des variables aléatoires avec un coefficient de variation de 0,1. Ces incertitudes sont propagées à travers l'analyse en utilisant différentes réalisations des paramètres de rigidité et d'amortissement pour chacune des 25 analyses dynamiques non linéaires pour chaque bâtiment.

Évaluation de la performance

L'évaluation des performances du bâtiment a été réalisée au niveau de l'étage à l'aide de PELICUN (Zsarn༼zay et Deierlein, 2020), où les dommages et les pertes sont calculés avec des fonctions de fragilité au niveau de l'étage basées sur la dérive maximale de l'étage et les demandes d'accélération au sol. Les fonctions de fragilité des dommages et des pertes basées sur l'histoire sont dérivées des fonctions de dommages et de pertes au niveau du bâtiment correspondantes du modèle de tremblement de terre HAZUS (FEMA, 2018a) sur la base des données caractéristiques de chaque bâtiment (par exemple, l'année de construction, le type de structure, le type d'occupation ). Les états limites de sécurité d'effondrement sont évalués directement à partir des demandes de dérive d'étage, où un effondrement d'un ou plusieurs étages est considéré comme un effondrement partiel de l'ensemble du bâtiment. La dérive de l'étage et les accélérations du plancher de 25 analyses non linéaires de chaque bâtiment sont utilisées pour définir des distributions lognormales multivariées des dérives et accélérations maximales pour chaque étage du bâtiment, et la dispersion dans les demandes de dérive et d'accélération est gonflée de 0,22 pour tenir compte de incertitudes de modélisation supplémentaires non prises en compte dans les analyses dynamiques non linéaires. En utilisant les distributions des demandes de tremblement de terre et les fonctions de dommages et de pertes, PELICUN génère 20 000 réalisations de dommages et de pertes pour chaque bâtiment et stocke les statistiques des données de performance résultantes qui sont pertinentes pour l'évaluation à l'échelle régionale. Les résultats sont générés sous forme de fichiers HDF5 (Hierarchical Data Format) qui peuvent être traités et visualisés via MatLab, Python, Jupyter notebooks ou convertis au format CSV.

Défis informatiques

Bien que les applications utilisées dans ce banc d'essai et rWHALE soient disponibles sur plusieurs plates-formes, les analyses sur les ordinateurs de bureau sont généralement limitées à de petits tests avant de commencer l'ensemble des calculs sur un ordinateur en cluster hautes performances. Pour la perspective, les analyses pour cette étude de 1,84 M bâtiments (chacun représenté par un modèle MDOF non-linéaire simplifié analysé pour 25 mouvements de sol avec OpenSees, et par la suite 20 000 réalisations de dommages/pertes avec PELICUN) ont nécessité environ 16 h de temps de calcul sur 12 800 Cœurs Intel Knights Landing sur Stampede2 (TACC, 2020), mis à disposition par DesignSafe. Le personnel du SimCenter et de DesignSafe ont collaboré pour développer et affiner les détails de rWHALE afin de maximiser les performances. En particulier, (1) la taille et le nombre de fichiers, les opérations sur les fichiers et l'utilisation de la mémoire doivent être contrôlés, et (2) les versions et les caractéristiques spéciales du matériel, les outils externes, les compilateurs et les dépendances doivent être pris en compte dans allouer des ressources et d'autres décisions dans le traitement des analyses.

Le flux de travail du banc d'essai SimCenter offre la possibilité de tester et d'améliorer rWHALE dans le but ultime de permettre aux chercheurs d'exécuter de telles simulations sans avoir à se soucier des détails de l'environnement informatique haute performance. La simulation est contrôlée par des fichiers texte de données et de configuration, préparés au format de fichier JSON. Le fichier de données par défaut comprend les informations sur le bâtiment et les données de mouvement du sol. Le fichier de configuration affecte des applications de workflow aux différentes tâches du workflow et définit un petit nombre de paramètres (tels que le nombre d'échantillons générés) pour configurer les applications de workflow. Les chercheurs peuvent personnaliser leurs simulations en téléchargeant et en modifiant ces fichiers. Actuellement, rWHALE est contrôlé soit via l'interface Web de DesignSafe, soit via un terminal après s'être connecté à Stampede2 (TACC, 2020).

Résultats illustratifs

Un exemple des pertes résultantes calculées pour le scénario Hayward Mw 7,0 est illustré à la figure 6. La zone de couleur représente les taux de perte pour chaque bâtiment, calculés comme les coûts de réparation moyens normalisés par la valeur de remplacement du bâtiment. La figure montre également une comparaison avec les taux de perte rapportés dans le scénario de tremblement de terre USGS Mw 7.0 Haywired (Hudnut et al., 2018). L'exposition et les pertes dans le scénario Haywired ont été calculées à l'aide du logiciel HAZUS. Bien qu'il soit instructif de comparer les résultats entre les deux études, il existe des différences dans les données d'entrée, la portée et les objectifs des études qu'il est important de garder à l'esprit. Comme l'objectif principal du banc d'essai SimCenter était d'assembler et d'exercer le flux de travail informatique, les modèles et les résultats de l'étude SimCenter sont préliminaires, basés sur des informations facilement disponibles et mis en œuvre par une petite équipe sur quelques mois. Cela contraste avec l'étude pluriannuelle de plusieurs chercheurs Haywired, dont l'objectif est d'éclairer la planification et la préparation aux tremblements de terre pour la région de la baie de San Francisco.

Figure 6. Comparaison des ratios de sinistralité des bâtiments du banc d'essai de San Francisco—SimCenter (la gauche), USGS-Haywired (droite).

Les deux études étaient basées sur des ruptures de faille Hayward Mw 7.0 simulées à l'aide du logiciel SW4 par le groupe de recherche LLNL, cependant, les histoires temporelles de mouvement du sol sont différentes pour les deux études. Les épicentres des deux scénarios sismiques sont proches (East Oakland et San Leandro pour Haywired et SimCenter, respectivement), mais d'autres caractéristiques de rupture sont différentes et les mouvements du sol SimCenter ont été simulés avec des versions plus récentes du moteur SW4 et du modèle géophysique USGS du Région de la Baie. En général, les mouvements du sol utilisés dans l'étude SimCenter sont moins sévères que ceux utilisés dans l'étude Haywired précédente, et ils sont en meilleur accord avec les attentes basées sur les données des tremblements de terre passés.

L'étude Haywired s'étend sur une zone comprenant les comtés de Monterey, Sacramento et Sonoma, tandis que le banc d'essai SimCenter est limité aux six comtés centraux de Santa Clara à Marin. En raison de la couverture plus large, l'étude Haywired avait une population totale de bâtiments plus importante (3,04 M), mais le nombre de bâtiments dans les six comtés centraux de l'étude Haywired (1,71 M) est comparable au nombre de la base de données SimCenter (1,84 M ). Il existe cependant de grandes différences dans la superficie totale (dans les six comtés centraux) et la valeur d'inventaire (valeurs de remplacement) entre les bases de données d'exposition des bâtiments, ce qui rend les comparaisons des pertes totales entre les deux études discutables.

Afin de réduire l'influence des différences de valeurs d'exposition des bâtiments dans les deux études, la comparaison se limite aux ratios de dommages et de sinistres dans les six départements centraux. Le taux de sinistre moyen sur l'ensemble du parc immobilier est inférieur dans le banc d'essai SimCenter (𢏃% de la valeur de remplacement) par rapport à l'étude Haywired (𢏅% de la valeur de remplacement). Néanmoins, comme le montre la figure 6, la répartition géographique des pertes montre une bonne concordance entre les deux. L'étude SimCenter prédit un rapport plus important de dommages non structurels aux dommages structurels (7,5:1 contre 4,5:1 dans l'étude Haywired) et des fractions considérablement plus petites du parc immobilier s'effondrent (moins de 0,01 contre 0,8%) et rouge- étiqueté (0,1 contre 10 %). En conséquence, la proportion de bâtiments qui subissent des dommages mineurs ou inexistants est plus élevée dans l'étude SimCenter par rapport à Haywired (58 contre 49%). Ces résultats sont cohérents avec les mouvements du sol moins intenses dans le scénario SimCenter, et ils mettent en évidence la sensibilité des résultats de ces études complexes aux données d'inventaire, aux modèles de réponse, de dommages et de pertes, et aux mouvements du sol d'entrée.

Une distinction importante entre l'étude Haywired basée sur HAZUS et la simulation de flux de travail SimCenter est le niveau de résolution dans l'évaluation et la propagation de diverses sources d'incertitude tout au long de la simulation. Alors que l'étude basée sur HAZUS agrège les dommages et les pertes de bâtiments en fonction des données de suivi de recensement (code postal), le flux de travail SimCenter a une résolution jusqu'au niveau de la parcelle du bâtiment, et il peut désagréger les pertes au sein d'un bâtiment jusqu'aux composants individuels à chaque étage. Cette fonctionnalité, associée à une description détaillée des distributions de probabilité des dommages et des pertes pour chaque bâtiment, peut permettre aux urbanistes et aux décideurs politiques d'interroger divers résultats possibles, y compris les rares, mais catastrophiques, du scénario du tremblement de terre. Les résultats haute résolution (voir les panneaux supérieurs de la figure 6) fournissent des données précieuses pour les exercices d'intervention d'urgence et les simulations de reprise après sinistre. De plus, le flux de travail SimCenter et les outils sous-jacents facilitent la combinaison de modèles avec différents niveaux de fidélité, où par exemple, les performances de certains bâtiments peuvent être déterminées à l'aide de fonctions de perte de type HAZUS simplifiées, tandis que les performances d'autres bâtiments peuvent être déterminées à l'aide du non détaillé -modèles d'analyse structurelle linéaire et fonctions de dommages et de pertes basées sur les composants FEMA P-58. En tant que telles, les simulations de flux de travail haute résolution et multi-fidélité offrent de plus en plus d'occasions d'explorer les questions liées à l'aménagement du territoire et au zonage, les exigences de conception et de modernisation sismique, les politiques publiques et les initiatives administratives, et d'autres actions visant à améliorer la résilience des communautés.

Scénario d'ouragan d'Atlantic City

Les risques éoliens et côtiers affectent un large éventail de l'environnement bâti, des constructions résidentielles de faible hauteur à ossature de bois aux bâtiments hauts et flexibles sensibles aux effets dynamiques du vent. La sélection d'Atlantic City pour le banc d'essai des ouragans a donné la priorité à un lieu où (1) ces deux types de bâtiments extrêmes étaient présents dans une empreinte compacte, (2) les données ouvertes étaient suffisantes pour décrire l'inventaire des bâtiments et (3) les caractérisations de fidélité du vent, des ondes de tempête et de l'action des vagues étaient facilement disponibles pour exercer des flux de travail de calcul pour l'évaluation des dommages. L'inventaire des données ouvertes et le développement d'un outil de projection des risques de tempête (SHP) dans le projet NJ Coast (Kijewski-Correa et al., 2019 NJ Coast, 2020) rend le New Jersey, et plus particulièrement Atlantic City, bien adapté au banc d'essai des risques d'ouragan. , offrant une zone métropolitaine bien définie avec un mélange de bâtiments commerciaux de faible hauteur (1 & # x20133 étages), industriels, hôtels / casinos de grande hauteur (plus de 20 étages) et de construction résidentielle unifamiliale / multifamiliale. Le domaine du banc d'essai, illustré à la figure 7, comprend 20 654 parcelles avec diverses typologies de bâtiments (ossature bois, maçonnerie, ossature acier/RC, systèmes de construction métalliques) réparties dans cinq municipalités.

Figure 7. Inventaire du banc d'essai d'Atlantic City (dans cinq municipalités) par année de construction avec l'emplacement d'atterrissage marqué par l'icône cible.

Les sections suivantes décrivent l'approche initiale de chaque module du flux de travail, qui a priorisé les effets du vent sur la construction résidentielle à ossature de bois, ainsi que les capacités des modules à ajouter dans les futures versions du banc d'essai. Le flux de travail a été initialement démontré pour un scénario de danger estimé à l'aide de l'outil NJcoast SHP et d'une approche de maximum de maximums sur 25 pistes d'ouragan avec une intensité de catégorie 5 (différence de pression centrale de 75 � mbar, RMW de 15,4� mi) faisant toucher terre près de la station de patrouille d'Atlantic City Beach (39.348308, �.452544) à marée moyenne. Ce scénario est suffisant pour inonder l'ensemble de l'inventaire et générer une montée de vague importante dans certains lieux.

Inventaire des bâtiments

La description des actifs dans l'inventaire adopte une approche parcellaire augmentée qui commence par l'attribution de classifications de bâtiments cohérentes avec HAZUS via une série d'ensembles de règles utilisant des champs communs dans les données des évaluateurs fiscaux, appelés MOD IV dans la base de données du New Jersey (NJGIN, 2020).Pour surmonter les lacunes et les erreurs inévitables dans ces grands ensembles de données à l'échelle de l'État, un package de cadre de recherche sur l'incertitude spatiale basé sur l'IA développé par SimCenter, SURF (Wang, 2019), est utilisé pour découvrir des modèles dans l'ensemble de données et pour l'améliorer. SURF utilise un réseau de neurones, qui est entraîné sur l'ensemble de données brutes pour apprendre les modèles d'attributs de construction, il est ensuite utilisé pour prédire les valeurs des parcelles dont les champs de données sont vides. Comme la géométrie du toit n'est pas un champ standard dans les données MOD IV, l'imagerie satellite est traitée pour augmenter davantage les données de base des parcelles. L'application développée par SimCenter Building Recognition using Artificial Intelligence at Large Scales, BRAILS (Wang et al., 2019), est utilisée pour interpréter les images satellites des toits des bâtiments, qui sont collectées à partir de Google Maps. Les images satellites sont étiquetées avec des types de formes pour former un ensemble de données, sur lequel un réseau neuronal convolutif est formé afin qu'il puisse donner des prédictions rapides des types de toits lorsqu'il reçoit de nouvelles images de toits. Les données Microsoft Building Footprint sont utilisées comme index de localisation lors du téléchargement automatique d'images à partir de Google Maps. Bien que des formes de toit plus complexes puissent, en théorie, être classées, l'utilisation actuelle des fonctions de dommages et de pertes HAZUS nécessitait l'utilisation de mesures de similitude pour définir chaque toit comme une géométrie de pignon, d'arêtier ou plate « efficace ». À l'aide de BRAILS, cette classification a été obtenue avec une précision d'environ 85 % sur la base d'études de validation. BRAILS est en cours de développement et dans la prochaine itération du banc d'essai, il devrait être en mesure d'extraire des géométries de bâtiments entièrement tridimensionnelles à l'aide d'images satellite et StreetView, permettant de calculer les pressions de fluide sur les surfaces des bâtiments. Le traitement d'image automatisé de ce type peut également extraire des données dimensionnelles et géométriques détaillées (par exemple, pente du toit, longueur d'avant-toit, élévations de l'élément structurel horizontal le plus bas, etc.), ainsi que classer les composants du bâtiment (par exemple, couverture de l'enveloppe, systèmes de fondation, séparation murs, et plus).

Modèle de vent

La mise en œuvre initiale du banc d'essai intègre directement le modèle analytique linéaire hautement efficace pour les vents de la couche limite d'un ouragan en mouvement développé par Snaiki et Wu (2017a, b) tel qu'implémenté dans l'outil NJcoast SHP. Pour tenir compte de l'exposition dans chaque comté du New Jersey, une longueur de rugosité effective (moyenne pondérée) du terrain au vent est utilisée sur la base des données d'utilisation des terres/couverture des terres rapportées par le bureau des SIG de l'État. Bien que le modèle résolve entièrement la hauteur et évolue dans le temps, pour un scénario d'ouragan à cinq paramètres donné, le risque de vent est caractérisé par la vitesse moyenne maximale du vent de 10 minutes observée pendant toute la trajectoire de l'ouragan. Ceci est rapporté à la hauteur de référence de 10 m sur une grille uniforme (espacement de 0,85 mile, 1,37 km), qui est ensuite ajusté en conséquence pour la compatibilité avec l'intervalle moyen supposé par le modèle HAZUS Hurricane Damage and Loss Model. Alternativement, les vitesses de vent de base définies dans l'ASCE 7� sont également disponibles en tant qu'entrées pour la simulation en tirant parti de l'API Hazards by Location (ATC 2020a) de l'Applied Technology Council (ATC). Les champs de vent décrits par l'une ou l'autre approche sont ensuite interpolés localement jusqu'au site de chaque parcelle de l'inventaire.

Modèle d'onde de tempête

Les descriptions des aléas côtiers utilisent les résultats de l'outil SHP susmentionné, qui estime l'onde de tempête et la montée totale due au déferlement des vagues près du rivage pour un scénario d'ouragan arbitraire à l'aide de techniques de modélisation de substitution (Jia et Taflanidis, 2013 Jia et al., 2015 ). L'outil SHP s'appuie sur l'US Army Corps of Engineers (USACE) NACCS: North Atlantic Coastal Comprehensive Study (Nadal-Caraballo et al., 2015), qui contient plus de 1 000 simulations numériques haute fidélité d'ouragans à l'aide de l'ADCIRC (Luettich et al. , 1992) modèle d'onde de tempête, couplé avec STWAVE (Smith et al., 2001) pour capturer les effets supplémentaires des vagues au large. La base de données NACCS a été encore améliorée avec des simulations de montée des vagues qui capturent l'interaction des vagues avec la bathymétrie/topographie spécifiques au site (2015 USGS CoNED Topobathy DEM : New Jersey and Delaware (1888 & # x20132014) ensemble de données) pour projeter la montée totale à l'intérieur des terres, le long de transects espacés de 0,5 km le long de la côte du New Jersey. Cela se traduit par une prédiction de la hauteur des ondes de tempête aux points de sauvegarde définis par l'USACE le long de la côte du New Jersey, distants en moyenne de 200 m, avec une résolution plus fine dans les zones à topographies complexes. L'outil SHP a été exécuté pour le scénario du banc d'essai afin d'estimer la profondeur de l'onde de tempête au-dessus du sol, interpolée géospatialement à 110 000 emplacements côtiers à un espacement d'environ 120 m, accompagnée de la limite d'action modérée des vagues (LiMWA) et de la limite humide-sèche, respectivement, définir l'étendue des vagues destructrices et des inondations sur les terres à chacun des points de transect. Ceux-ci sont ensuite interpolés à l'emplacement des parcelles côtières pour exprimer l'exposition de la propriété aux ondes de tempête et éventuellement à l'action des vagues destructrices.

Modélisation des dommages et des pertes de bâtiments

La mise en œuvre initiale du banc d'essai des ouragans, qui est décrite ici, se limite à la prise en compte des dommages et des pertes causés par le vent. De plus, le calcul des effets du vent ne nécessite pas d'analyse structurelle pour estimer les EDP, mais adopte plutôt une approche (Chemin II dans la Figure 3) où les dommages et les pertes sont calculés directement à partir de la vitesse du vent. Les fonctions de dommages et de pertes du modèle HAZUS Hurricane Damage and Loss Model (FEMA, 2018a) ont été mises en œuvre dans PELICUN pour prendre en charge les 3520 différentes configurations de bâtiments en bois de HAZUS disponibles pour la modélisation des pertes causées par les ouragans. Les fonctions HAZUS sont constituées de données tabulaires pour décrire la fragilité ou les pertes attendues en fonction de la vitesse du vent. Ces données ont été utilisées pour calibrer les modèles de dommages et de pertes couplés afin d'estimer l'état des dommages et le taux de perte attendu correspondant pour chaque configuration de bâtiment dans PELICUN. Les fonctions continues (fonctions de distribution cumulative normale ou lognormale) ont été ajustées aux données synthétiques en maximisant la probabilité des observations en supposant une distribution binomiale des résultats à chaque vitesse de vent discrète dans la base de données HAZUS. Seules les données de vitesses de vent allant jusqu'à 200 mph ont été utilisées car la réduction substantielle du nombre d'observations introduit une erreur de mesure significative au-dessus de ce niveau. Le couplage des modèles de dommages et de pertes de cette manière garantit des résultats plus réalistes (par exemple, un bâtiment sans dommage ne peut pas subir de perte totale lorsque les deux modèles sont couplés), et les modèles paramétrés permettent un stockage et des calculs plus efficaces dans le flux de travail.

Les fonctions de dommages et de pertes HAZUS sont regroupées en cinq classes principales par matériau de construction, avec des sous-classes supplémentaires par type de bâtiment. Pour chaque classe de bâtiment, par exemple, les maisons unifamiliales en bois 1𠄲 + étages, une collection d'attributs est utilisée pour définir les caractéristiques clés du chemin de charge et des composants (par exemple, la forme du toit, la résistance à l'eau secondaire, la fixation du platelage, le toit- raccordement au mur, volets, garage) ainsi que l'exposition (rugosité du terrain préalablement estimée dans le Wind Hazard Model) pour attribuer la fragilité correspondante. Un moteur de règles a été développé à l'aide d'une combinaison de codes de construction historiques du New Jersey, d'enquêtes capturant les actions d'atténuation menées par le propriétaire (par exemple, Javeline et Kijewski-Correa, 2019) et de données de marché pour attribuer ces attributs à chaque parcelle en fonction de l'âge et d'autres informations disponibles sur le bâtiment (par exemple, données MOD IV). Des bibliothèques de fonctions de dommages et de pertes associées aux ondes de tempête de l'USACE et d'autres études récentes dans la littérature sont prévues pour les futures versions de PELICUN. Finalement, ces descriptions de dommages et de pertes seront complétées par des modèles plus avancés au fur et à mesure que le banc d'essai est progressivement affiné pour inclure les fragilités basées sur les composants et les arbres de défaillances qui capturent les séquences de dommages en cascade résultant des ruptures de l'enveloppe du bâtiment.

Résultats illustratifs

La première mise en œuvre du banc d'essai des ouragans a adopté l'approche des parcelles augmentées pour rassembler les informations requises sur le bâtiment et le champ de vent analytique de l'ouragan décrit précédemment. La figure 8 montre les résultats des analyses initiales des dommages causés par le vent aux maisons résidentielles à ossature de bois, déterminés sur la base des hypothèses et des techniques décrites ci-dessus. Les catégories d'états de dommages et de ratios de sinistres, illustrées à la figure 8, découlent des fonctions de fragilité HAZUS et du moteur basé sur des règles développé pour associer la fonction appropriée à chaque bâtiment. La capacité de résoudre les dommages et les pertes de propriétés spécifiques offre un niveau de granularité qui n'est actuellement pas disponible pour les autorités de planification. Ces capacités pour exécuter des scénarios de dommages à haute résolution sont précieuses pour guider les investissements d'atténuation des ouragans à Atlantic City, qui est en cours de réaménagement à la suite de l'ouragan Sandy pour rendre la ville plus résistante aux futures tempêtes et ouragans.

Figure 8. Banc d'essai d'Atlantic City pour le scénario de vent d'ouragan de catégorie 5 : états des dommages (la gauche) et taux de sinistralité moyen (droite).


Rapports de dictionnaire de variables[LINK]

L'une des sorties les plus importantes d'EnergyPlus sont les rapports de dictionnaire de variables - ils contiennent les noms de variables clés pour chaque simulation. Cet objet d'entrée unique est utilisé pour produire deux rapports importants qui sont utilisés pour identifier les variables de sortie spécifiques et les compteurs disponibles pour un modèle EnergyPlus spécifique. Deux fichiers de sortie sont produits (eplusout.rdd & eplusout.mdd) qui répertorient les noms des variables de sortie et des compteurs pour cette simulation. Vous devrez peut-être exécuter votre simulation une fois et produire ces fichiers avant de demander des variables de sortie spécifiques (rdd) ou mètres (mjj) (voir Objets Output:Variable et Output:Meter). Les variables disponibles dépendent dans une certaine mesure de l'entrée de simulation. Les variables sont « configurées » pendant le traitement initial « get input » effectué dans les modules. Par conséquent, un élément spécifique à un certain type de bobine ne serait pas disponible si cette bobine n'était pas utilisée pendant la simulation. Cette commande produira une liste de variables disponibles pour le rapport.

Sortie :Dictionnaire variable[LINK]

Entrées[LINK]

Champ : Champ clé

Pour ce champ, il y a deux choix : Tsahal et régulier. L'option régulière est la valeur par défaut et produit une liste qui montre le type de variable : Zone ou HVAC, Moyenne ou Somme. "Zone” sont calculées et peuvent être rapportées après chaque pas de temps Zone/Balance thermique (réf : objet d'entrée Timesteps). "CVCLes variables sont calculées et peuvent être rapportées avec chaque pas de temps de variable HVAC. "Moyenne” les variables seront moyennées sur l'intervalle de temps signalé alors que “Somme” les variables sont additionnées sur cet intervalle de temps. (Les variables du compteur sont toujours additionnées.) Les unités de la variable sont affichées dans « [ > ».

Champ : Option de tri

Pour ce champ, il y a deux choix : Nom et Non trié. Par défaut, la liste des variables de rapport disponibles n'est pas triée – répertoriée dans l'ordre de diffusion dans lequel EnergyPlus les génère. Ou, vous pouvez les faire trier par nom.

Voici des exemples d'options pour cet objet :

Les résultats sont affichés dans le document Détails de la sortie sous le eplusout.rdd (variables de sortie) et eplusout.mdd (variables de compteur).

Le fichier eplusout.mdd a un format similaire pour les compteurs :

Rapport de dictionnaire de variables au format IDF[LINK]

Le processus de flux de travail commun consistant à examiner les rapports de dictionnaire de variables, puis à ajouter des demandes de rapport à un fichier IDF, peut être facilité en utilisant la forme alternative suivante (Nom du rapport = IDF) de l'objet d'entrée qui demande les rapports.

Une requête triée apparaîtrait de la même manière :

Rapports de surface[LINK]

Il existe deux objets spécifiques pour les surfaces : Sortie:Surfaces:Liste et Sortie:surfaces:dessin – comme leur nom l'indique, les rapports de liste sont de simples rapports de texte contenus dans l'un des fichiers de sortie, tandis que les rapports de dessin créeront des fichiers utilisés dans d'autres outils graphiques.

Ces objets et leur utilisation sont décrits ci-après :

Sortie : Surfaces : Liste[LINK]

Voici des exemples d'utilisation de l'objet Output:Surfaces:List :

Entrées[LINK]

Rapport de données de lignes

Un exemple d'objet d'entrée pour ce rapport suit.

La ligne IDF ci-dessus produira un fichier simple de segments de ligne qui constituent les surfaces dans le fichier IDF. Ce fichier est le rapport « lignes » (eplusout.sln) et est décrit plus en détail dans le document Détails et exemples de sortie.

Champ : Spécifications du rapport

Une option supplémentaire consistant à saisir « IDF » dans ce champ indique au rapport Lignes de produire des coordonnées transformées en géométrie de surface (coin inférieur gauche, sens antihoraire, coordonnées mondiales). Un exemple de ceci suit.

Le résultat est mis sur le eplusout.sln fichier et est presque prêt à être placé dans un fichier IDF. Encore une fois, il est décrit plus en détail dans le document Détails et exemples de sortie.

Rapport détaillé des données de surface

Un exemple d'objet d'entrée pour ce rapport suit.

Ce rapport (en eplusout.eio) contient des détails sur chaque surface - y compris le nom de la surface, la zone associée, la superficie, la hauteur et la largeur approximatives, l'inclinaison, l'angle de face vers l'extérieur. Des détails spécifiques sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie.

Rapport de données de sommets

Un exemple d'objet d'entrée pour ce rapport suit.

Ce rapport (en eplusout.eio) contient les sommets de chaque surface ainsi que le nom de la surface et d'autres informations. Des détails spécifiques sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie.

Rapport détaillé sur les données de surface avec les sommets

Un exemple d'objet d'entrée pour ce rapport suit.

Ce rapport (en eplusout.eio) est la combinaison des deux rapports précédents (Détails et Sommets). Des détails spécifiques sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie.

Afficher le rapport d'informations sur les facteurs

Un exemple d'objet d'entrée pour ce rapport suit.

Ce rapport (en eplusout.eio) fournit des détails sur les facteurs de vue d'échange de rayonnement thermique et les facteurs d'échange. Des détails spécifiques sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie.

DécompositionCourbesDeComposantChargesRésumé

Un exemple d'objet d'entrée pour ce rapport suit.

Ce rapport (en eplusout.eio) fournit un calcul intermédiaire utilisé, appelé courbe de décroissance, dans le rapport Résumé des charges des composants de zone pour l'estimation des valeurs de colonne sensibles-retardées. Une courbe de décroissance est créée pour chaque surface dans une zone en introduisant une impulsion radiante. Chaque valeur de chaque ligne du rapport correspond à un pas de temps de zone à partir du moment où l'impulsion a été introduite. Voir Résumé de la charge des composants de zone décrit dans l'objet Output:Table:SummaryReports pour des informations plus détaillées.

Sortie : Surfaces : Dessin[LINK]

Voici des exemples d'utilisation de l'objet Output:Surfaces:Drawing :

Entrées[LINK]

Rapport de surface DXF

Des exemples d'objets d'entrée suivent.

La spécification IDF ci-dessus produira un fichier DXF (eplusout.dxf) des surfaces dans le fichier IDF. Un seul rapport DXF peut être produit. Plus de détails sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie.

Champ : Spécifications du rapport 1

Comme indiqué dans l'exemple, vous pouvez choisir parmi trois manières différentes d'afficher les surfaces avec plus de quatre côtés dans le fichier DXF. Ceux-ci sont:

ThickPolyline – la surface avec des côtés >4 sera représentée comme une ligne « épaisse » dans la couleur de surface appropriée. Cela ressemblera à un trou dans le dessin avec un bord plus épais.

RegularPolyline – la surface avec des côtés >4 sera représentée par une ligne régulière dans la couleur de surface appropriée. Cela ressemblera à un trou dans le dessin.

Triangulate3DFace– la surface avec des côtés >4 sera « triangulée » en interne dans EnergyPlus. Ceci est uniquement à des fins de dessin et n'affecte en aucune façon les calculs. Dans une version en ligne du DXF, il apparaîtra que la surface est divisée en triangles. Dans une vue solide, la surface apparaîtra similaire aux surfaces avec < = 4 côtés. L'algorithme de triangulation n'est pas parfait et des avertissements apparaissent lorsque le logiciel ne peut pas trianguler la surface.

Champ : Spécifications du rapport 2

Ce champ peut être utilisé pour contrôler le schéma de couleurs dans le fichier DXF en entrant le nom d'un objet OutputControl:SurfaceColorScheme. En utilisant OutputControl:SurfaceColorScheme, vous pouvez définir des schémas de couleurs pour la représentation de surface. Cette fonctionnalité vous permettra d'aligner les couleurs avec le logiciel de votre choix (les couleurs ne semblent pas être standard dans les visionneuses DXF).

Plusieurs logiciels peuvent rendre ce fichier en quelque chose d'affichable et sont décrits plus en détail dans le document Détails et exemples de sortie sous le nom de fichier (eplusout.dxf).

Rapport filaire DXF

Un exemple d'objet d'entrée pour ce rapport suit.

La spécification IDF ci-dessus produira un fichier DXF (Drawing Exchange Format) (eplusout.dxf) des surfaces dans le fichier IDF à l'aide de la commande DXF « Lignes » - produisant uniquement un fichier compatible filaire. Plus de détails sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie. Un seul rapport DXF peut être produit.

Rapport VRML

Voici des exemples d'objets d'entrée pour ce rapport.

La spécification IDF ci-dessus produit un fichier VRML (Virtual Reality Modeling Language) (eplusout.wrl) des surfaces dans le fichier IDF. Un seul rapport VRML peut être produit. Les fichiers VRML peuvent être visualisés dans de nombreux navigateurs Web après avoir ajouté un « plug-in » et il existe également des visualiseurs autonomes. Plus de détails sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie.

Champ : Spécifications du rapport 1

Comme indiqué dans l'exemple, vous pouvez sélectionner plusieurs types de figures (pour les surfaces à côtés >4) dans le rapport DXF. Ceux-ci sont:

ThickPolyline – la surface avec des côtés >4 sera représentée comme une ligne « épaisse » dans la couleur de surface appropriée. Cela ressemblera à un trou dans le dessin avec un bord plus épais.

RegularPolyline – la surface avec des côtés >4 sera représentée par une ligne régulière dans la couleur de surface appropriée. Cela ressemblera à un trou dans le dessin.

Triangulate3DFace – la surface avec des côtés >4 sera « triangulée » en interne dans EnergyPlus. Ceci est uniquement à des fins de dessin et n'affecte en aucune façon les calculs. Dans une version en ligne du VRML, il apparaîtra que la surface est divisée en triangles. Dans une vue solide, la surface apparaîtra similaire aux surfaces avec < = 4 côtés.L'algorithme de triangulation n'est pas parfait et des avertissements apparaissent lorsque le logiciel ne peut pas trianguler la surface.

Champ : Spécifications du rapport 2

Les schémas de couleurs ne s'appliquent pas aux rapports VRML.

Sortie : Horaires[LINK]

Il s'agit d'un rapport condensé qui illustre la gamme complète des valeurs de planification - dans le style d'entrée : DaySchedule, WeekSchedule et Annual Schedule.

Entrées[LINK]

Champ : Champ clé

Ce champ doit contenir le mot Horaire ou alors Pas de temps pour obtenir les rapports respectifs.

Ce rapport est placé sur le eplusout.eio fichier. Les détails de ce rapport sont indiqués dans le document Détails et exemples de sortie. Les valeurs de planification au fil du temps peuvent également être obtenues dans la sortie standard d'EnergyPlus (dans eplusout.eso) à l'aide d'objets Output:Variable.

Sortie :Constructions[LINK]

Entrées[LINK]

Rapport de construction

Ce contenu de rapport est ajouté au "eplusout.eio" fichier. Il montre les résultats calculés liés aux fonctions de transfert de conduction pour chaque construction. Il comprend également des détails similaires sur les fenêtres. Des détails spécifiques sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie. L'objet d'entrée suivant est utilisé pour obtenir le rapport de construction.

Champ : Type de détails 1, Type de détails 2

L'un ou l'autre des champs peut contenir le mot "Bâtiments” pour obtenir le rapport de construction.

Ou l'un ou l'autre des champs peut contenir le mot "Matériaux” pour obtenir le rapport Matériaux.

Rapport sur les matériaux

Ce contenu de rapport est ajouté au "eplusout.eio" fichier. Il fournit un résumé des propriétés thermiques et de l'épaisseur des matériaux de construction et de fenêtre du modèle. Des détails spécifiques sur ce rapport peuvent être trouvés dans le document Détails et exemples de sortie. L'objet d'entrée suivant est utilisé pour obtenir le rapport Matériaux.

Sortie : Facteurs de lumière du jour[LINK]

Les facteurs de lumière du jour sont des rapports entre l'éclairement intérieur à un emplacement spécifique et l'éclairement horizontal extérieur. Dans EnergyPlus, ils sont pré-calculés toutes les heures pour chaque jour de calcul d'ombre pour chaque fenêtre extérieure d'une zone de lumière du jour. Les facteurs de lumière du jour précalculés sont interpolés entre les heures et pour les conditions réelles du ciel dans le calcul temporel des performances de lumière du jour des zones de lumière du jour.

EnergyPlus rapporte les facteurs de lumière du jour pour quatre types de ciel (clair, trouble, clair, intermédiaire et couvert) à midi (12h00) pour chaque fenêtre extérieure (fenêtre de base sans ombrage) dans le fichier eio lorsque les facteurs de lumière du jour sont calculés pour la première fois. Ce nouvel objet peut rapporter tous les facteurs horaires de lumière du jour pré-calculés. Les détails du rapport sont affichés dans le document Détails de la sortie.

Entrées[LINK]

Champ : Jours de rapport

Ce champ est utilisé pour sélectionner les jours pour rapporter les facteurs de lumière du jour. Deux choix sont "SizingDays" et "AllShadowCalculationDays". Le choix SizingDays affichera les facteurs de lumière du jour uniquement pour les jours de calcul de dimensionnement, tandis que le choix AllShadowCalculationDays affichera les facteurs de lumière du jour pour tous les jours de calcul d'ombre.

Sortie : Système de gestion de l'énergie[LINK]

Ce contenu de rapport est ajouté au fichier « eplusout.edd ». Il affiche des informations utiles pour le système de gestion de l'énergie. L'utilisateur peut sélectionner le niveau de détail rapporté au fichier à l'aide des champs de cet objet. Cependant, il doit y avoir d'autres objets d'entrée liés à EMS dans le fichier d'entrée avant que ce rapport soit généré.

Entrées[LINK]

Champ : Rapport sur le dictionnaire de disponibilité de l'actionneur

Ce champ est utilisé pour contrôler le niveau de rapport de sortie lié aux actionneurs EMS disponibles pour un modèle particulier. Lorsqu'EnergyPlus fonctionne avec l'EMS, il met en place un large éventail d'actionneurs possibles que l'EMS pourrait utiliser. (Pour les utiliser réellement, il faut un objet EnergyManagementSystem:Actuator). Le rapport de dictionnaire de disponibilité des actionneurs est fourni pour montrer à l'utilisateur quels actionneurs sont disponibles dans un modèle de bâtiment particulier. Quel que soit le niveau de rapport choisi ici, le même ensemble d'actionneurs est réellement disponible. Vous avez le choix entre trois niveaux. Le choix « Aucun » signifie qu'aucun rapport sur les actionneurs disponibles n'est effectué. Le niveau « NotByUniqueNames » signifie que la sortie inclut uniquement les types d'actionneurs et leurs options de contrôle, mais pas les noms uniques définis par l'utilisateur qui identifient un actionneur spécifique dans le modèle. Le niveau « Verbose » signifie que la sortie inclut toutes les combinaisons de types d'actionneurs, de types de contrôle et les noms uniques d'actionneurs spécifiques. Le niveau détaillé fournit toutes les informations nécessaires à l'entrée dans un objet d'entrée EnergyManagementSystem:Actuator.

Champ : Rapport sur le dictionnaire de disponibilité des variables internes

Ce champ est utilisé pour contrôler le niveau de rapport de sortie lié aux variables internes EMS disponibles pour un modèle particulier. Lorsqu'EnergyPlus fonctionne avec EMS, il met en place un large éventail de sources de données internes possibles que l'EMS pourrait utiliser. (Pour les utiliser réellement, il faut un objet EnergyManagementSystem:InternalVariable). Le rapport de dictionnaire de disponibilité des variables internes est fourni pour montrer à l'utilisateur quelles données internes sont disponibles. Quel que soit le niveau de reporting choisi ici, les mêmes données internes sont disponibles. Vous avez le choix entre trois niveaux. Le choix « Aucun » signifie qu'aucun rapport sur les données internes disponibles n'est effectué. Le niveau « NotByUniqueNames » signifie que la sortie inclut uniquement les types de données internes, mais pas les noms uniques qui identifient des instances spécifiques dans le modèle. Le niveau « Verbose » signifie que la sortie inclut toutes les combinaisons de variables internes et les noms uniques d'instances spécifiques. Le niveau détaillé fournit toutes les informations nécessaires pour un objet d'entrée EnergyManagementSystem:InternalVariable.

Champ : Niveau de sortie du débogage du langage d'exécution EnergyPlus

Ce champ est utilisé pour contrôler le niveau de rapport de sortie lié à l'exécution d'EnergyPlus Runtime Language, ou Erl. Ce rapport est précieux pour le débogage des programmes Erl. Lorsque les programmes Erl sont exécutés dans EnergyPlus, ils peuvent signaler des situations d'erreur (telles que la division par zéro) ou une trace complète de chaque instruction Erl. Il existe trois niveaux de déclaration. Le choix "Aucun" signifie qu'aucun rapport d'informations de débogage Erl n'est effectué. Le choix "ErrorsOnly" signifie que les traces de débogage Erl ne sont sorties que si l'instruction produit une situation d'erreur. Le choix "Verbose" signifie que les traces de débogage Erl sont effectuées pour chaque ligne de chaque programme Erl. Le paramètre détaillé doit être utilisé avec précaution car un grand modèle avec une longue période d'exécution peut facilement créer un fichier EDD trop volumineux pour la plupart des systèmes informatiques (par exemple, plusieurs Go de texte).

Un exemple de cet objet suit.

OutputControl:SchemeCouleurSurface[LINK]

Cet objet permet de contrôler les couleurs qui apparaissent dans le rapport DXF, par surface. De plus, le dossier Datasets contient des exemples d'objets, y compris le schéma de couleurs « d'origine » (avant la version 2.1).

Entrées[LINK]

Nom de domaine

Cela attribue un nom unique à cet ensemble de données de schéma de couleurs. Ce nom est utilisé dans les objets de sortie DXF.

Ensemble de champs : type d'élément de dessin et couleur

Cet ensemble de champs peut aller de aucun (en acceptant les couleurs par défaut) jusqu'à 15 ensembles avec des types individuels d'éléments de construction auxquels est attribué un numéro de couleur. (les types d'éléments de dessin auxquels aucun numéro de couleur n'est attribué utiliseront les numéros de couleur par défaut)

Champ : élément de dessin <#> Type

Ce champ utilise un choix de types de dessin (Text, Walls, Windows, GlassDoors, Doors, Roofs, Floors, DetachedBuildingShades, DetachedFixedShades, AttachedBuildingShades, Photovoltaics, TubularDaylightDomes, TubularDaylightDiffusers, DaylightReferencePoint1, DaylightReferencePoint2) pour l'affectation des numéros de couleur dans le champ suivant.

Champ : Couleur de l'élément de dessin <#>

Il s'agit d'un "numéro" de couleur de 0 à 255. Le logiciel d'affichage DXF n'est pas standardisé - vous devrez peut-être jouer avec ces numéros si vous n'aimez pas le schéma de couleurs par défaut fourni.

OutputControl:ReportingTolerances[LINK]

Cet objet d'entrée est créé pour permettre à l'utilisateur de mieux contrôler certains aspects des rapports de sortie. Plus précisément, le rapport des heures « Temps de consigne non atteint » Voir le rapport du thermostat (Sorties du thermostat ZoneControl).

Entrées[LINK]

Champ : Tolérance pour le temps de consigne de chauffage non atteint

Ce champ permet la saisie d'une valeur pour la tolérance en dehors du report de consigne de chauffage. Si la température de la zone est inférieure au point de consigne de chauffage de plus de cette valeur, les variables de sortie suivantes s'incrémenteront selon les besoins

Temps de consigne de chauffage de zone non atteint

Point de consigne de chauffage de zone non atteint pendant la durée d'occupation

Cela a également un impact sur le rapport de tableau « Résumé annuel du rendement des services publics du bâtiment » sous-table « Résumé du confort et des points de consigne non atteints ».

Champ : Tolérance pour le point de consigne de refroidissement non atteint

Ce champ permet la saisie d'une valeur pour la tolérance en dehors du rapport de consigne de refroidissement. Si la température de la zone est supérieure au point de consigne de refroidissement de plus de cette valeur, les variables de sortie suivantes s'incrémenteront selon les besoins

Temps de consigne de refroidissement de zone non atteint

Point de consigne de refroidissement de zone non atteint pendant la durée d'occupation

Cela a également un impact sur le rapport de tableau « Résumé annuel du rendement des services publics du bâtiment » sous-table « Résumé du confort et des points de consigne non atteints ».

Sortie : Variable[LINK]

Cet objet d'entrée est utilisé pour le rapport de résultats de demande. Comme indiqué ci-dessus dans la section Rapport de dictionnaire de variables, de nombreuses variables de sortie différentes sont disponibles pour rapporter les résultats d'EnergyPlus. L'objet Output:Variable est principalement utilisé pour rapporter des données de séries chronologiques à différentes fréquences.

Chaque objet Output:Variable provoque une attribution de numéro spécifique pour les sorties. Par exemple, vous pouvez demander un rapport séparé pour la température extérieure :

Entrées[LINK]

Champ : Valeur clé

Ce champ alpha peut être utilisé pour faire une référence spécifique pour le reporting. En plus des noms de variables génériques répertoriés dans le rapport de dictionnaire de variables pour le fichier d'entrée, les variables auront également un indicateur clé (comme le nom de la zone ou le nom de la surface). Vous pouvez référencer le fichier de sortie standard (eplusout.eso) pour voir à quoi ils ressemblent.

Par exemple, dans le bloc précédent, une clé pour les variables de surface est ZN001 : MUR004 alors que la clé pour les variables de zone est ZONE UN (notez que l'espace est obligatoire et important pour cette clé).

Vous pouvez avoir toutes les clés répertoriées dans le fichier de sortie standard en mettant un "*" dans ce champ, vous pouvez avoir des éléments spécifiques répertoriés en mettant une valeur de clé, ou vous pouvez utiliser des expressions régulières pour filtrer les valeurs de clé. Si ce champ est laissé vide, il utilisera un * par défaut (c'est-à-dire que vous obtiendrez toutes les variables du nom de variable).

L'utilisation d'expressions régulières permet de puissantes capacités de filtrage sur la valeur de la clé. Par exemple, dans le bloc précédent, vous pouvez trouver la température intérieure de la surface pour toutes les surfaces dans uniquement ZN001 avec une seule expression Output:Variable.

Consultez l'URL suivante pour plus d'informations sur les expressions régulières prises en charge par RE2 : https://github.com/google/re2/wiki/Syntax

Notez qu'en raison de la fonctionnalité du processeur d'entrée, aucune expression régulière ne peut contenir un « », même s'il s'agit d'une expression régulière valide. Si une expression régulière contient une virgule, le processeur d'entrée créera un nouveau champ erroné. L'occurrence la plus courante d'une virgule dans une expression régulière est des plages, telles que "[a-zA-Z]<3,5>".

Champ : Nom de la variable

Ce champ alpha est le nom de la variable (vous n'avez pas besoin de mettre les unités) qui est affiché dans le fichier de rapport de dictionnaire de variables (eplusout.rdd). Ce champ est requis.

Champ : Fréquence des rapports

Ce champ spécifie la fréquence à laquelle la variable sera répertoriée dans le fichier de sortie. "Détaillé” répertoriera la valeur à chaque étape de calcul (c'est-à-dire Zone ou HVAC). "Pas de temps» sera le même que « Détaillé » pour les variables à valeur de zone et sera agrégé au pas de temps de la zone (c'est-à-dire la valeur du pas de temps en heure) pour les variables HVAC. "Horaire” agrégera la valeur à l'heure. "du quotidien” s'agrégera au jour (c'est-à-dire une valeur par jour). "Mensuel” s'agrégera au mois (c'est-à-dire une valeur par mois). "Période d'exécution” s'agrégera à la période d'exécution spécifiée (chaque jour de conception est une période d'exécution, tout comme chaque objet de période d'exécution). Par défaut pour ce champ si laissé vide ou omis est Horaire.

Champ : Nom de l'horaire

Le dernier champ est un nom de programme. Cela peut être utilisé pour limiter le nombre de lignes qui apparaissent dans votre fichier de sortie. Par exemple, un programme tel que « ON PEAK » ou « OFF PEAK » pourrait fournir une tranche de valeurs. Ou, un programme saisonnier pourrait être conçu. La variable de sortie sera active pendant toute heure au cours de laquelle la valeur de planification est >0. Pour les fréquences de rapports quotidiens, mensuels et environnementaux, la valeur agrégée sera uniquement pour les heures de planification actives. Les variables additionnées rapporteront la somme pour les heures actives uniquement. Les variables moyennées rapporteront la moyenne pendant les heures actives uniquement. Si Schedule_Name est omis, la variable de sortie sera active pour toutes les heures.

Sortie : mètre et sortie : mètre : MeterFileOnly[LINK]

Sortie : Compteur : Cumulatif et Sortie : Compteur : Cumulatif : CompteurFichierOnly[LINK]

Les variables appropriées sont regroupées sur des « mètres » à des fins de rapport. (Les compteurs disponibles sont répertoriés dans le fichier eplusout.mdd, voir la section Rapport de dictionnaire de variables.) Si l'objet d'entrée « Sortie : compteur » est utilisé, ces résultats sont écrits à la fois dans le eplusout.eso et eplusout.mtr des dossiers. Cela permet une représentation graphique et une comparaison faciles avec des valeurs « normales » (telles que la température de zone ou la température extérieure). Si l'objet d'entrée "Output:Meter:MeterFileOnly" est utilisé, les résultats des valeurs sont écrits uniquement dans le eplusout.mtr fichier. Le eplusout.mtr fichier a la même structure que le eplusout.eso fichier. Un fichier d'accompagnement, le eplusout.mtd fichier, contient une liste détaillée et une explication de tous les compteurs pour une course donnée et les valeurs des composants qui sont accumulées sur chaque compteur.

Les sorties de compteur cumulées (Output:Meter:Cumulative et Output:Meter:Cumulative:MeterFileOnly) utilisent les mêmes noms de compteur mais la sortie est cumulative pour le rapport (pour chaque environnement). C'est-à-dire que si la fréquence de rapport pour la sortie cumulée du compteur est horaire, alors la valeur de l'heure 1 sera celle de l'heure 1, la valeur de l'heure 2 sera hour1 + hour2, etc. En d'autres termes, la valeur finale d'un rapport cumulatif du compteur devrait être identique si vous avez reporté la valeur du compteur à la fréquence RunPeriod.

Champ : Nom[LINK]

Les noms de compteur applicables à la simulation sont indiqués sur le rapport de dictionnaire de variables contenu dans le eplusout.mdd fichier décrit dans le document Détails et exemples de sortie.

Les noms de compteur sont de trois formes :

L'utilisateur demande un rapport en spécifiant le nom complet ci-dessus (sans unités) ou une représentation « générique » de ce nom (pour obtenir tous les compteurs d'un type). Par exemple, si vous entrez « Electricité : * » pour le nom du compteur, vous obtiendrez un rapport sur tous les compteurs d'électricité : exemple ci-dessus). Les types de ressources et les types d'utilisation finale sont définis dans le programme par les développeurs. Les sous-catégories d'utilisation finale sont définies par l'utilisateur et constituent un champ de saisie pour certains objets.

Pour résumer le paragraphe précédent, vous pouvez utiliser :

Pour obtenir les mêmes sorties que si vous aviez entré :

À partir d'un fichier à trois zones qui n'avait pas d'électricité CVC (c.

Les types de ressources actuels sont indiqués dans le tableau ci-dessous :

Tableau des types de ressources mesurées
Utilitaires/Types de carburant
Électricité
Gaz
De l'essence
Diesel
Charbon
Carburant#1
Carburant #2
Propane
AutreCarburant1
AutreFuel2
Eau
Fumer
QuartierRefroidissement
Chauffage urbain
ÉlectricitéAcheté
ÉlectricitéSurplusVendu
Réseau d'électricité
Autres types de ressources
Transfert d'énergie

Les types d'utilisation finale sont indiqués dans le tableau suivant (notez que certains types d'utilisation finale s'appliquent uniquement à la ressource EnergyTransfer) :

Types de catégories d'utilisation finale
Types d'utilisation finale des services publics/carburants
Lumières intérieures
ExtérieurLumières
IntérieurÉquipement
ExtérieurÉquipement
Ventilateurs
Pompes
Chauffage
Refroidissement
Rejet de chaleur
Humidificateur
Récupération de la chaleur
ECS
Cogénération
Réfrigération
Systèmes d'eau
Types d'utilisation finale supplémentaires uniquement utilisés pour le transfert d'énergie
Bobines de chauffage
Bobines de refroidissement
Refroidisseurs
Chaudières
Plinthe
Récupération de chaleurPourrefroidissement
Récupération de chaleurPourChauffage

Des types de compteurs spécifiques sont ensuite utilisés pour regrouper les compteurs de type de carburant :

Types de compteurs globaux
Mètres
Établissement
Imeuble
Zone
CVC
Plante

Les compteurs d'installation contiennent toute l'énergie d'un type de combustible. Les compteurs de bâtiment contiennent la somme de l'énergie de chaque zone. Les compteurs CVC contiennent l'énergie de l'air et des composants du système CVC de zone. Les compteurs de l'usine contiennent l'énergie de l'équipement de l'usine.

Ainsi, les relations suivantes doivent être observées :

F a c i l i t y = ∑ ( B u i l d i n g + H V A C + P l a n t + E x t e r i o r )

B u i l d i n g = N o m b e r De Z o n e s 1 Z o n e

Il existe également des compteurs spéciaux utilisés pour décrire plus en détail les flux de ressources électriques. Le comptage de l'électricité est suivi plus en détail pour s'adapter aux complexités de la production d'électricité sur site. Il existe trois variantes du type de ressource électrique : (1) « ElectrictyPurchased » qui est la quantité d'électricité achetée et est toujours positive, (2) « ElectricitySold » qui est la quantité d'électricité exportée par le bâtiment, celle qui est typiquement « revendu » à la compagnie d'électricité, et est toujours positif, et (3) « ElectricityNet » qui est la demande nette d'électricité compte tenu de toutes les sources de production et de demande sur site et peut être positive ou négative.

Champ : Fréquence des rapports[LINK]

Comme pour les variables de sortie, les compteurs peuvent être signalés à différentes fréquences. Leur résolution est l'intervalle de pas de temps de zone (entrée Nombre de pas de temps). Pour cette fréquence, la valeur élémentaire du compteur sera rapportée. Pour des fréquences plus inclusives, la valeur additionnée ainsi que les valeurs maximales et minimales pour l'intervalle de temps seront rapportées. Par défaut pour ce champ si laissé vide ou omis est Horaire.

Des exemples de spécification de l'objet dans l'IDF suivent.

Fichier de détails du compteur (eplusout.mtd)[LINK]

Le fichier de détails du compteur illustre ce qui se trouve sur chaque compteur et vice versa.Il est décrit dans le document Détails et exemples de sortie sous le nom du fichier.

Résultat : facteurs d'impact sur l'environnement[LINK]

L'objet Output:EnvironmentalImpactFactors déclenche la déclaration des compteurs d'installation nécessaires et des polluants résultant de ces consommations d'énergie sur et hors site. Ces valeurs sont placées dans le fichier eplusout.mtr. Les compteurs d'installation contiennent toute l'énergie d'un type de combustible. Ainsi, les relations suivantes doivent être observées :

F a c i l i t y = ∑ ( B u i l d i n g + S y s t e m + P l a n t + E x t e r i o r )

Des informations sur la façon dont les coefficients sont dérivés et appliqués peuvent être trouvées dans le document d'ingénierie.

Pour activer le reporting et les calculs des facteurs environnementaux, l'utilisateur saisit 3 objets :

Résultat : Facteurs d'impact sur l'environnement : (avec la fréquence de rapport associée, plusieurs fréquences peuvent être demandées)

Facteurs d'impact environnemental : (contient des informations supplémentaires nécessaires pour les calculs non inclus dans les facteurs de carburant)

Facteurs de carburant : (requis pour chaque carburant simulé et converti dans ce fichier d'entrée de simulation)

Les utilisateurs entreront des facteurs d'impact environnemental pour chaque type de carburant ou FuelFactor. C'est le même pour chaque type de carburant : gaz naturel, huile résiduelle, huile de distillat, charbon, électricité hors site, essence et propane. Pour le chauffage urbain, le refroidissement urbain et la vapeur, il existe des champs supplémentaires dans l'objet EnvironmentalImpactFactors qui aident à la conversion de leur énergie en gaz naturel et en électricité.

L'énergie est obtenue en interne à partir des compteurs d'installation suivants :

Électricité : Installation Diesel : Installation
DistrictCooling : Installation Chauffage de district : Installation
Gaz : Installation Essence : Installation
Charbon : Installation FuelOil#1 : Installation
FuelOil #2 : Installation Propane : Installation
ÉlectricitéProduit:Installation Vapeur : Installation
AutreFuel1:Installation OtherFuel2 : Installation

Pour le calcul des polluants, seule l'énergie électrique totale hors site ou achetée est calculée à l'aide des facteurs d'électricité. Électricité hors site = Électricité : Installation - Électricité produite : Installation, les polluants pour le type de carburant utilisé par le générateur sur place seront calculés, par exemple le diesel, dans ces cas.

Entrées[LINK]

Champ : Fréquence des rapports

Comme pour les variables de sortie et les compteurs, les calculs d'impact environnemental peuvent être rapportés à différentes fréquences. Leur résolution est l'intervalle de pas de temps de zone (entrée Nombre de pas de temps). Pour cette fréquence, la valeur élémentaire du calcul des facteurs d'impact environnemental sera rapportée. Pour des fréquences plus inclusives, la valeur additionnée ainsi que les valeurs maximales et minimales pour l'intervalle de temps seront rapportées.

Les valeurs valides sont Timestep, Hourly, Daily, Monthly ou RunPeriod.

Un exemple de spécification dans l'IDF :

Facteurs d'impact environnemental[LINK]

L'objet EnvironmentalImpactFactors contient des informations supplémentaires qui ne sont pas spécifiées individuellement dans l'objet FuelFactors et est le deuxième objet nécessaire pour terminer le calcul. Les facteurs de conversion de la source au site pour le chauffage urbain, le refroidissement urbain et la vapeur sont entrés dans cet objet.

Entrées[LINK]

Domaine : Efficacité du chauffage urbain

La valeur de l'efficacité du chauffage urbain est utilisée pour convertir l'énergie de chauffage urbain (achetée) en gaz naturel pour le calcul de l'impact environnemental. L'efficacité est un nombre compris entre 0 et 1 et divisé en énergie de chauffage urbain et la valeur par défaut est 0,3.

Domaine : COP de refroidissement de district

La valeur du COP du refroidissement urbain est utilisée pour convertir l'énergie de refroidissement urbain (achetée) en électricité pour le calcul de l'impact environnemental. Le coefficient de performance (COP) est un nombre supérieur à 0 et divisé en énergie de refroidissement achetée avec une valeur par défaut de 3,0.

Champ : Efficacité de la conversion de vapeur

L'efficacité de conversion de la vapeur est utilisée pour convertir l'utilisation de la vapeur en gaz naturel pour le calcul de l'impact environnemental. L'efficacité est un nombre compris entre 0 et 1 et divisé en énergie de chauffage achetée et la valeur par défaut est 0,25.

Champ : Facteur d'émission d'équivalent carbone total du N2O

Le Groupe d'experts intergouvernemental sur l'évolution du climat a étudié les effets sur le forçage radiatif relatif de divers gaz à effet de serre. Cet effet, appelé potentiel de réchauffement global (PRP), est décrit en termes d'équivalent carbone d'un gaz à effet de serre particulier. Le N 2 O (oxyde nitreux) peut être produit par certains types de carburant et a un facteur d'émission équivalent carbone par défaut de 80,7272 kg C/kg N 2 O.

Champ : Facteur d'émission d'équivalent carbone total du CH4

Le Groupe d'experts intergouvernemental sur l'évolution du climat a étudié les effets sur le forçage radiatif relatif de divers gaz à effet de serre. Cet effet, appelé potentiel de réchauffement global (PRP), est décrit en termes d'équivalent carbone d'un gaz à effet de serre particulier. Le CH 4 (méthane) peut être produit par tous les types de carburant et a un facteur d'émission équivalent carbone par défaut de 6,2727 kg C/kg CH 4 .

Champ : Facteur d'émission d'équivalent carbone total provenant du CO2

Le Groupe d'experts intergouvernemental sur l'évolution du climat a étudié les effets sur le forçage radiatif relatif de divers gaz à effet de serre. Cet effet, appelé potentiel de réchauffement global (PRP), est décrit en termes d'équivalent carbone d'un gaz à effet de serre particulier. Le CO 2 (dioxyde de carbone) peut être produit par tous les types de carburant et a un facteur d'émission équivalent carbone par défaut de 0,2727 kg C/kg CO 2 .

Un exemple de spécification dans l'IDF :

FuelFactors[LINK]

Entrées[LINK]

Champ : Nom de la ressource de carburant existante

C'est le nom du carburant qui est décrit avec cet objet. Les facteurs de conversion source vers site pour chaque outil sont saisis avec ces objets. Les types de carburant autorisés sont : Électricité, Gaz naturel, FuelOil#1, FuelOil#2, Charbon, Essence, Propane, Diesel, OtherFuel1, OtherFuel2.

Champ : Unités de mesure

Unités en masse en kg ou en volume en m3.

Champ : Facteur d'énergie par unité

Le pouvoir calorifique supérieur du type de combustible.

Champ : Facteur d'énergie de la source

Multiplié par la consommation de carburant pour calculer la contribution énergétique de la source pour le carburant. Si un programme est également spécifié dans le champ suivant, la valeur spécifiée ici, la valeur du programme et la consommation de carburant sont multipliées ensemble pour chaque pas de temps afin de déterminer la contribution énergétique de la source pour le carburant. Si les multiplicateurs du programme spécifié dans le champ suivant représentent entièrement le facteur de conversion d'énergie de la source, la valeur de ce champ doit être définie sur un. Si les fichiers TDV (décrits dans le champ suivant) sont utilisés, la valeur doit être de 0,293 pour l'électricité et de 0,01 pour le gaz naturel pour tenir compte des unités utilisées dans les fichiers. Unités de J/J.

Champ : Nom du programme d'énergie source

Ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer la source d'énergie. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ Facteur d'énergie de la source et par la consommation de carburant pour déterminer la consommation d'énergie de la source pour le carburant. Si les valeurs du programme représentent entièrement le facteur de conversion d'énergie de la source, la valeur du champ précédent, Facteur d'énergie de la source, doit être définie sur un.

L'utilisation de ce champ est requise pour les évaluations utilisant des facteurs d'énergie source qui changent tout au long de l'année, tels que l'évaluation en fonction du temps (TDV), la méthode utilisée pour montrer la conformité au titre 24 de la Californie dans le cadre de l'ACM (méthode alternative de conformité). Les fichiers de données contenant les facteurs TDV se trouvent dans le répertoire DataSetsTDV. Un exemple de fichier à utiliser avec le fichier TDV se trouve dans le répertoire ExampleFiles et est nommé 5zoneTDV.IDF. Lors de l'utilisation de ces fichiers TDV avec EnergyPlus, il est important d'utiliser un fichier météo cohérent. Il est également important que le jour de la semaine du 1er janvier soit défini sur mardi puisque tous les fichiers TDV et météo associés utilisent 1991 comme année de référence. Notez également que les valeurs dans les fichiers de jeux de données TDV sont dans des unités de mesure non SI. Le champ du facteur d'énergie de la source doit contenir la valeur de 0,293 pour l'électricité et de 0,01 pour le gaz naturel pour tenir compte des unités non standard utilisées dans les fichiers. Un rapport de synthèse qui fournit une ventilation de la consommation d'énergie de l'installation en termes d'énergie source peut être obtenu en sélectionnant le "TousRésumé' ou alors 'SourceÉnergieFinUtilisationComposantsRésumé' dans l'objet de rapport 'Output:Table:SummaryReports'. Pour en savoir plus sur TDV, consultez :

LES CALCULS TDV DOIVENT ÊTRE EFFECTUÉS UNIQUEMENT SUR DES SIMULATIONS UTILISANT LES FICHIERS MÉTÉO CALIFORNIA THERMAL ZONE (CTZ REV2). Il faut faire correspondre le fichier TDV correct à son fichier météo CTZ correspondant. Il y a 16 fichiers TDV, un pour chacun des 16 fichiers météo CTZ. L'évaluation en fonction du temps des fichiers TDV fournit une estimation des coûts relatifs des diverses sources de combustible et de leurs coûts relatifs par heure de la journée, mois de l'année et température extérieure. La température extérieure est importante car la demande d'électricité et donc le coût de l'électricité sont influencés par la température. Ces fichiers TDV ne s'appliquent qu'aux données météorologiques horaires contenues dans les fichiers météorologiques de la zone thermique de Californie (CTZ rev2), car les informations sur les coûts dépendant du temps sont partiellement dérivées de la synchronisation des températures dans le fichier météorologique. Ainsi, l'utilisation des fichiers TDV avec d'autres données météorologiques donnerait des résultats dénués de sens.

Champ : Facteur d'émission de CO2

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de dioxyde de carbone (CO 2 ) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Le dioxyde de carbone gazeux est naturellement produit par les animaux pendant la respiration et par la décomposition de la biomasse, et utilisé par les plantes pendant la photosynthèse. Bien qu'il ne constitue que 0,04 % de l'atmosphère, c'est l'un des gaz à effet de serre les plus importants. La combustion de combustibles fossiles augmente les concentrations de dioxyde de carbone dans l'atmosphère, ce qui contribuerait au réchauffement climatique.

Champ : Nom du programme de facteur d'émission de CO2

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de CO

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de monoxyde de carbone (CO) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Le monoxyde de carbone est un gaz incolore, inodore et toxique produit par la combustion incomplète de combustibles fossiles. Le monoxyde de carbone se combine avec l'hémoglobine des êtres humains, réduisant sa capacité de transport d'oxygène, avec des effets nocifs pour les êtres humains.

Champ : Nom du programme de facteur d'émission de CO

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de CH4

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de méthane (CH 4 ) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Le méthane est un gaz incolore, non toxique et inflammable créé par la décomposition anaérobie de composés organiques et est l'un des gaz à effet de serre les plus puissants. Un composant majeur du gaz naturel utilisé dans la maison.

Champ : Nom du programme de facteur d'émission de CH4

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de NOx

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse d'oxydes d'azote (NO x ) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Les oxydes d'azote désignent le monoxyde d'azote (NO) et le dioxyde d'azote (NO 2 ) et de nombreux autres oxydes gazeux contenant de l'azote. La principale source de ces gaz dans les zones urbaines sont les gaz d'échappement des véhicules à moteur, les cuisinières à gaz intérieures et les appareils de chauffage au kérosène. La brume brune parfois observée au-dessus des villes est principalement constituée d'oxydes d'azote. Ces gaz sont également en partie responsables de la génération d'ozone, qui est produit lorsque les oxydes d'azote réagissent avec d'autres produits chimiques en présence de la lumière du soleil. L'exposition à des niveaux élevés de dioxyde d'azote peut interférer avec la capacité du sang à transporter l'oxygène, entraînant des étourdissements et un essoufflement. Une exposition prolongée peut entraîner une insuffisance respiratoire.

Champ : Nom du programme de facteur d'émission de NOx

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de N2O

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de protoxyde d'azote (N 2 O) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Oxyde d'azote relativement inerte produit à la suite de l'action microbienne dans le sol, de l'utilisation d'engrais contenant de l'azote, de la combustion du bois et des bobines, de l'industrie chimique, etc. Ce composé azoté peut contribuer aux effets de serre et d'appauvrissement de la couche d'ozone.

Champ : Nom du programme de facteur d'émission de N2O

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de SO2

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de dioxyde de soufre (SO 2 ) rejetée dans l'atmosphère. Les unités sont en grammes par MegaJoule. Le dioxyde de soufre se forme lors de la combustion d'un combustible contenant du soufre, comme le charbon et le pétrole, et lorsque l'essence est extraite du pétrole ou que des métaux sont extraits du minerai. Le dioxyde de soufre réagit avec d'autres produits chimiques dans l'air pour former de minuscules particules de sulfate, associées à une augmentation des symptômes et des maladies respiratoires, à des difficultés respiratoires et à une mort prématurée. Le dioxyde de soufre et les oxydes d'azote réagissent avec d'autres substances dans l'air pour former des acides qui tombent sur la terre sous forme de pluie, de brouillard, de neige ou de particules sèches. Les pluies acides endommagent les forêts et les cultures, modifient la composition du sol et rendent les lacs et les cours d'eau acides et impropres aux poissons. Le dioxyde de soufre accélère la décomposition des matériaux de construction et des peintures.

Champ : Nom du programme de facteur d'émission de SO2

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de particules

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de particules (PM) rejetées dans l'atmosphère. Les unités sont des grammes par MegaJoule. Les PM sont la somme de toutes les matières émises, y compris les PM10 et les PM2,5. Les particules, ou PM, sont des particules présentes dans l'air, notamment la poussière, la saleté, la suie, la fumée et les gouttelettes de liquide, qui peuvent être en suspension dans l'air pendant de longues périodes. Certaines particules sont suffisamment grosses ou sombres pour être vues comme de la suie ou de la fumée. D'autres sont si petits qu'ils ne peuvent être détectés individuellement qu'au microscope électronique. L'inhalation de particules est liée à d'importants problèmes de santé respiratoire.

Champ : Nom du programme de facteur d'émission de PM

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission PM10

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de particules 10 (PM 10 ) rejetées dans l'atmosphère. Les unités sont des grammes par MegaJoule. PM 10 , comprend des particules d'un diamètre aérodynamique inférieur à 10 microns. Ces particules plus petites sont très probablement responsables des effets néfastes sur la santé des humains, car des particules si petites peuvent atteindre les régions thoraciques ou inférieures des voies respiratoires.

Champ : Nom du programme de facteur d'émission PM10

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission PM2,5

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de particules 2,5 (PM 2,5 ) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Les normes nationales de qualité de l'air de l'EPA pour les particules fines, également connues sous le nom de « normes PM 2,5 », sont des niveaux autorisés dans l'air extérieur pour les particules de 2,5 microns de diamètre ou moins. L'EPA a publié les normes PM 2.5 en 1997 pour protéger la santé humaine et l'environnement. Des études ont établi un lien entre une exposition accrue aux PM 2,5 et une augmentation des décès prématurés ainsi qu'une gamme d'effets respiratoires et cardiovasculaires graves.

Champ : Nom du programme de facteur d'émission de PM2,5

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de NH3

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse d'ammoniac (NH 3 ) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. L'ammoniac réagit avec les composés d'azote et de soufre dans l'atmosphère, principalement les acides nitrique et sulfurique, pour former des particules.

Champ : Nom du programme de facteur d'émission de NH3

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de COVNM

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de composés organiques volatils non méthaniques (COVNM) rejetés dans l'atmosphère. Les unités sont des grammes par MegaJoule. Les composés organiques volatils non méthaniques (COVNM), qui comprennent le propane, le butane et l'éthane, sont principalement émis par le transport, les procédés industriels et la consommation non industrielle de solvants organiques. Les composés organiques volatils réagissent avec les oxydes d'azote dans l'atmosphère pour former de l'ozone.

Champ : Nom du programme de facteur d'émission de COVNM

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de mercure

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse de mercure (Hg) rejetée dans l'atmosphère. Les unités sont des grammes par MegaJoule. Ce métal lourd peut s'accumuler dans l'environnement et est hautement toxique s'il est respiré ou avalé. Aux États-Unis, les principales sources d'émissions atmosphériques de mercure sont les centrales électriques au charbon.

Champ : Nom du programme de facteur d'émission de mercure

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission de plomb

Le coefficient d'impact environnemental du Combustible pour le calcul des masses de plomb (Pb) rejetées dans l'atmosphère. Les unités sont des grammes par MegaJoule. Un métal lourd dangereux pour la santé s'il est respiré ou avalé. Son utilisation dans l'essence, les peintures et les composés de plomberie a été fortement restreinte ou éliminée par les lois et règlements fédéraux.

Champ : Nom du programme de facteur d'émission de plomb

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission d'eau

Le coefficient d'impact environnemental du Combustible pour le calcul du volume d'eau (H 2 O) consommé ou évaporé lors de la production d'électricité. Les unités sont des litres par MegaJoule ou une mesure de volume. Il s'agit de l'eau consommée dans la production de l'énergie, c'est-à-dire. l'électricité évaporée hors site dans des tours de refroidissement ou des épurateurs, ou dans la production ou le traitement du carburant lui-même, c'est-à-dire une raffinerie d'essence ou de diesel.

Champ : Nom du programme de facteur d'émission dans l'eau

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission nucléaire de haut niveau

Le coefficient d'impact environnemental du Combustible pour le calcul de la masse des déchets nucléaires de haute activité, retirés en tant que combustible nucléaire usé d'un réacteur nucléaire une fois qu'il n'est plus efficace pour alimenter le réacteur. Les unités sont en grammes par MégaJoule. Une fois par an, environ un tiers du combustible nucléaire est remplacé par du combustible neuf. Ce combustible irradié est appelé combustible nucléaire usé et est hautement radioactif contenant du plutonium et d'autres radionucléides. Bien qu'il existe peu d'informations sur les quantités de déchets nucléaires de haute activité, quelques services publics commencent à publier ces informations.

Champ : Nom de la nomenclature du facteur d'émission nucléaire de haut niveau

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Champ : Facteur d'émission nucléaire de faible niveau

Le coefficient d'impact environnemental du Combustible pour le calcul du volume de déchets nucléaires de faible activité, retirés d'un réacteur nucléaire après contamination radioactive. Les unités sont des mètres cubes par MegaJoule ou une mesure de volume. Les déchets de faible activité peuvent provenir de réacteurs nucléaires ou d'autres utilisateurs de matières radioactives, comme les hôpitaux ou les instituts de recherche. Les déchets de faible activité sont moins dangereux que les déchets de haute activité.

Champ : Nom de l'annexe du facteur d'émission nucléaire de faible niveau

Semblable au calcul de la source d'énergie, ce champ contient le nom d'un programme contenant des valeurs qui sont multipliées par la consommation de carburant pour déterminer les valeurs d'émission totales. Plus précisément, chaque valeur du programme est multipliée par la valeur du champ du facteur d'émission et par la consommation de carburant pour déterminer le facteur d'émission global pour le carburant. Si les valeurs du tableau représentent entièrement le facteur d'émission, la valeur du champ précédent doit être définie sur un.

Un exemple de spécification dans l'IDF :

Sorties[LINK]

Diverses variables de sortie et compteurs liés aux émissions sont disponibles lors de la modélisation avec des entrées d'impact environnemental et de facteur de carburant. La sortie est disponible sous forme de variables de sortie ou de compteurs de sortie. Les variables et compteurs disponibles en fonction du nombre d'objets d'entrée FuelFactor et du type de carburant utilisé. La plupart des types de carburant ont le même ensemble de sorties pour les émissions qui correspondent aux types de facteurs d'émission dans les objets d'entrée. L'exception est l'électricité qui a deux sorties supplémentaires pour suivre les situations possibles de facturation nette qui peuvent se produire avec la production sur site.

Les sorties suivantes liées aux émissions polluantes sont disponibles pour les impacts environnementaux.

CVC,Somme,Impact environnemental Source de gaz naturel Énergie [ J ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de CO Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de N2O Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de SO2 Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de particules Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions PM2,5 Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de NH3 Masse [ kg ]

CVC, somme, impact environnemental Gaz naturel Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions de Hg Masse [ kg ]

HVAC,Somme,Impact environnemental Gaz naturel Émissions Pb Masse [ kg ]

CVC, somme, impact environnemental Gaz naturel Consommation d'eau Volume [ L ]

HVAC,Somme,Déchets nucléaires de haute activité provenant du gaz naturel [ kg ]

HVAC,Somme,Impact sur l'environnement Gaz naturel Nucléaire Déchets de faible activité Volume [ m3 ]

CVC,Somme,Impact environnemental Source d'électricité Énergie [ J ]

HVAC,Somme,Impact environnemental Électricité Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions de CO Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions de N2O Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Électricité Émissions de SO2 Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions de particules Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Électricité PM2,5 Émissions Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Émissions de NH3 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Électricité Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact environnemental Électricité Hg Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Électricité Pb Émissions Masse [ kg ]

CVC, Somme, Impact environnemental Électricité Consommation d'eau Volume [ L ]

HVAC,Somme,Impact environnemental Électricité Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Somme,Impact environnemental Électricité Nucléaire Déchets de faible activité Volume [ m3 ]

CVC,Somme,Impact environnemental Source d'électricité achetée Énergie [ J ]

HVAC,Somme,Impact environnemental Surplus d'électricité vendu Source [ J ]

CVC, Somme, Impact environnemental Source de charbon Énergie [ J ]

HVAC,Somme,Impact environnemental Charbon Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions de CO Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon N2O Émissions Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions de SO2 Masse [ kg ]

HVAC,Somme,Impact Environnemental Charbon Émissions PM Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions PM2,5 Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon NH3 Émissions Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact Environnemental Charbon Émissions Hg Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Pb Émissions Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Consommation d'eau Volume [ L ]

HVAC,Somme,Impact environnemental Charbon Nucléaire Déchets de haute activité Masse [ kg ]

HVAC,Somme,Impact environnemental Charbon Nucléaire Déchets de faible activité Volume [ m3 ]

CVC,Somme,Impact sur l'environnement Mazout #2 Source d'énergie [ J ]

CVC, somme, impact environnemental mazout #2 Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 Émissions de CO Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 CH4 Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 N2O Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 Émissions de SO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 PM Émissions Masse [ kg ]

CVC,Somme,Impact sur l'environnement Mazout #2 Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 PM2,5 Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 NH3 Émissions Masse [ kg ]

CVC,Somme,Impact sur l'environnement Mazout #2 Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 Hg Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #2 Pb Émissions Masse [ kg ]

CVC, somme, impact environnemental mazout #2 Volume de consommation d'eau [ L ]

HVAC,Somme,Impact sur l'environnement Mazout #2 Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Sum,Environmental Impact Fuel Oil #2 Nucléaire Volume de déchets de faible activité [ m3 ]

HVAC,Somme,Impact sur l'environnement Mazout n°1 Source d'énergie [ J ]

CVC, somme, impact environnemental mazout #1 Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de CO Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de N2O Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de SO2 Masse [ kg ]

CVC, somme, impact environnemental mazout n° 1 PM Masse d'émissions [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions PM2.5 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de NH3 Masse [ kg ]

CVC, somme, impact environnemental mazout #1 Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Mazout #1 Émissions de Hg Masse [ kg ]

CVC,Somme,Impact sur l'environnement Mazout #1 Émissions de Pb Masse [ kg ]

CVC, somme, impact environnemental mazout #1 Volume de consommation d'eau [ L ]

HVAC,Sum,Environmental Impact Fuel Oil #1 Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Sum,Environmental Impact Fuel Oil #1 Nucléaire Volume de déchets de faible activité [ m3 ]

CVC, Somme, Impact environnemental Source d'énergie au propane [ J ]

HVAC,Somme,Impact environnemental Propane Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact Environnemental Propane Émissions de CO Masse [ kg ]

HVAC,Somme,Impact environnemental Propane CH4 Émissions Masse [ kg ]

CVC, somme, impact environnemental Émissions de propane NOx Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions de propane N2O Masse [ kg ]

HVAC,Somme,Impact environnemental Émissions de propane SO2 Masse [ kg ]

CVC, somme, impact environnemental Émissions de propane PM Masse [ kg ]

HVAC,Somme,Impact environnemental Propane PM10 Émissions Masse [ kg ]

HVAC,Somme,Impact environnemental Propane PM2,5 Émissions Masse [ kg ]

HVAC,Somme,Impact Environnemental Propane NH3 Émissions Masse [ kg ]

HVAC,Somme,Impact Environnemental Propane Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact environnemental Masse des émissions de propane Hg [ kg ]

HVAC,Somme,Impact Environnemental Propane Pb Émissions Masse [ kg ]

CVC, somme, impact environnemental Volume de consommation d'eau de propane [ L ]

HVAC,Somme,Impact environnemental Propane Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Somme,Impact environnemental Propane Nucléaire Déchets de faible activité Volume [ m3 ]

CVC, Somme, Impact environnemental Source d'essence Énergie [ J ]

HVAC,Somme,Impact environnemental Essence Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Essence Émissions de CO Masse [ kg ]

HVAC,Somme,Impact environnemental Essence Émissions de CH4 Masse [ kg ]

CVC, somme, impact environnemental Émissions de NOx d'essence Masse [ kg ]

HVAC,Somme,Impact environnemental Essence N2O Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Essence Émissions de SO2 Masse [ kg ]

CVC, somme, impact environnemental Masse des émissions de particules d'essence [ kg ]

HVAC,Somme,Impact environnemental Essence Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact environnemental Essence Émissions PM2,5 Masse [ kg ]

HVAC,Somme,Impact environnemental Essence Émissions de NH3 Masse [ kg ]

CVC, somme, impact environnemental Essence Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact environnemental Masse d'émissions d'essence Hg [ kg ]

HVAC,Somme,Impact sur l'environnement Essence Pb Émissions Masse [ kg ]

CVC, somme, impact environnemental Volume de consommation d'eau d'essence [ L ]

HVAC,Somme,Impact environnemental Essence Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Somme,Impact sur l'environnement Essence Nucléaire Volume de déchets de faible activité [ m3 ]

CVC, Somme, Impact environnemental Source d'énergie diesel [ J ]

HVAC, Somme, Impact environnemental Émissions de CO2 diesel Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions de CO diesel Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Diesel Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions de NOx diesel Masse [ kg ]

HVAC,Somme,Impact Environnemental Émissions Diesel N2O Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions de SO2 diesel Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions de particules diesel Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions diesel PM10 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions diesel PM2.5 Masse [ kg ]

HVAC,Somme,Impact Environnemental Émissions Diesel NH3 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Diesel Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact environnemental Masse des émissions de Hg diesel [ kg ]

HVAC,Somme,Impact environnemental Émissions de Pb diesel Masse [ kg ]

CVC, somme, impact environnemental Volume de consommation d'eau diesel [ L ]

HVAC,Somme,Impact environnemental Diesel Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Somme,Impact environnemental Diesel Nucléaire Déchets de faible activité Volume [ m3 ]

HVAC,Somme,Impact sur l'environnement OtherFuel1 Source Energy [ J ]

HVAC,Somme,Impact sur l'environnement Autre Combustible1 Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel1 Émissions de CO Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 N2O Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible1 Émissions de SO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible1 Émissions de PM Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Émissions PM2,5 Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Émissions de NH3 Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible1 Hg Émissions Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible1 Pb Émissions Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel1 Volume de consommation d'eau [ L ]

HVAC,Somme,Impact sur l'environnement Autre Combustible1 Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel1 Volume de déchets nucléaires de faible activité [ m3 ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Source Energy [ J ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Émissions de CO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Émissions de CO Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible2 Émissions de CH4 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Émissions de NOx Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible2 Émissions de N2O Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Émissions de SO2 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement AutresFuel2 Émissions de PM Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible2 Émissions PM10 Masse [ kg ]

HVAC,Somme,Impact environnemental Autre Combustible2 Émissions PM2,5 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible2 Émissions de NH3 Masse [ kg ]

HVAC,Somme,Impact sur l'environnement Autre Combustible2 Émissions de COVNM Masse [ kg ]

HVAC,Somme,Impact sur l'environnement AutresFuel2 Émissions de Hg Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Émissions de Pb Masse [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Volume de consommation d'eau [ L ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Nucléaire Masse des déchets de haute activité [ kg ]

HVAC,Somme,Impact sur l'environnement OtherFuel2 Volume de déchets nucléaires de faible activité [ m3 ]

HVAC,Somme,Impact sur l'environnement Émissions totales de N2O Masse en équivalent carbone [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions totales de CH4 Masse d'équivalent carbone [ kg ]

HVAC,Somme,Impact sur l'environnement Émissions totales de CO2 Masse en équivalent carbone [ kg ]

Impact environnemental Source d'électricité Énergie [ J ]
Impact environnemental Source d'électricité achetée Énergie [ J ]
Impact environnemental Surplus vendu Source d'électricité [ J ]
Impact environnemental Source de gaz naturel Énergie [ J ]
Impact environnemental Mazout #2 Source Énergie [ J ]
Impact environnemental Mazout #1 Source d'énergie [ J ]
Impact environnemental Source de charbon Énergie [ J ]
Impact environnemental Source d'essence Énergie [ J ]
Impact environnemental Source de propane Énergie [ J ]
Impact environnemental Source d'énergie diesel [ J ]
Impact environnemental Autre Combustible1 Source Énergie [ J ]
Impact environnemental Autre Combustible2 Source Énergie [ J ]

Ces sorties fournissent des résultats pour la source d'énergie incorporée dans chaque type de combustible qui pourrait être utilisé sur le site. Les unités sont en Joules. L'EnergyPlus modélise la consommation d'énergie sur le site et les facteurs de conversion sont utilisés pour déterminer l'énergie ajoutée utilisée pour créer, traiter ou livrer un combustible au bâtiment. Il existe trois types de résultats d'énergie de source liés à l'électricité disponibles. La première « Énergie de source d'électricité à impact environnemental » correspond à l'électricité consommée sur le site qui n'a pas été produite sur le site. La seconde, « Énergie de source d'électricité achetée à impact environnemental », est similaire mais comprend uniquement l'électricité achetée auprès du service public. La troisième, « Source d'électricité excédentaire vendue à impact environnemental », est la source d'énergie associée à tout excédent d'électricité exporté vers le réseau.

Impact environnemental Électricité Émissions de CO2 Masse [ kg ]
Impact environnemental Gaz naturel Émissions de CO2 Masse [ kg ]
Impact environnemental Mazout #2 Émissions de CO2 Masse [ kg ]
Impact environnemental Mazout #1 Émissions de CO2 Masse [ kg ]
Impact environnemental Charbon Émissions de CO2 Masse [ kg ]
Impact environnemental Essence Émissions de CO2 Masse [ kg ]
Impact environnemental Émissions de CO2 de propane Masse [ kg ]
Impact environnemental Émissions de CO2 diesel Masse [ kg ]
Impact environnemental Autres Carburants1 Émissions de CO2 Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de CO2 Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de dioxyde de carbone associés à la consommation de chaque type de carburant pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Émissions de CO Électricité Masse [ kg ]
Impact environnemental Gaz naturel Émissions de CO Masse [ kg ]
Impact environnemental Mazout #2 Émissions de CO Masse [ kg ]
Impact environnemental Mazout #1 Émissions de CO Masse [ kg ]
Impact environnemental Charbon Émissions de CO Masse [ kg ]
Impact environnemental Essence Émissions de CO Masse [ kg ]
Impact environnemental Émissions de CO Propane Masse [ kg ]
Impact environnemental Émissions de CO diesel Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions de CO Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de CO Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de monoxyde de carbone associés à la consommation de chaque type de carburant pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de CH4 Masse [ kg ]
Impact environnemental Gaz naturel Émissions de CH4 Masse [ kg ]
Impact environnemental Mazout #2 Émissions de CH4 Masse [ kg ]
Impact environnemental Mazout #1 Émissions de CH4 Masse [ kg ]
Impact environnemental Charbon Émissions de CH4 Masse [ kg ]
Impact environnemental Essence Émissions de CH4 Masse [ kg ]
Impact environnemental Émissions de propane CH4 Masse [ kg ]
Impact environnemental Diesel Émissions de CH4 Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions de CH4 Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de CH4 Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de méthane associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de NOx Masse [ kg ]
Impact environnemental Gaz naturel Émissions de NOx Masse [ kg ]
Impact environnemental Mazout #2 Émissions de NOx Masse [ kg ]
Impact environnemental Mazout #1 Émissions de NOx Masse [ kg ]
Impact environnemental Charbon Émissions de NOx Masse [ kg ]
Impact environnemental Essence Émissions de NOx Masse [ kg ]
Impact environnemental Émissions de propane NOx Masse [ kg ]
Impact environnemental Émissions de NOx diesel Masse [ kg ]
Impact environnemental Autres Carburants1 Émissions de NOx Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de NOx Masse [ kg ]

Ces sorties fournissent des résultats pour les différents rejets d'oxydes d'azote associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de N2O Masse [ kg ]
Impact environnemental Gaz naturel Émissions de N2O Masse [ kg ]
Impact environnemental Mazout #2 Émissions de N2O Masse [ kg ]
Impact environnemental Mazout #1 Émissions de N2O Masse [ kg ]
Impact environnemental Charbon N2O Émissions Masse [ kg ]
Impact environnemental Essence Émissions de N2O Masse [ kg ]
Impact environnemental Émissions de propane N2O Masse [ kg ]
Impact environnemental Émissions de N2O diesel Masse [ kg ]
Impact environnemental Autres Carburants1 Émissions de N2O Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de N2O Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets d'oxyde nitreux associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de SO2 Masse [ kg ]
Impact environnemental Gaz naturel Émissions de SO2 Masse [ kg ]
Impact environnemental Mazout #2 Émissions de SO2 Masse [ kg ]
Impact environnemental Mazout #1 Émissions de SO2 Masse [ kg ]
Impact environnemental Charbon Émissions de SO2 Masse [ kg ]
Impact environnemental Essence Émissions de SO2 Masse [ kg ]
Impact environnemental Émissions de propane SO2 Masse [ kg ]
Impact environnemental Émissions de SO2 diesel Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions de SO2 Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de SO2 Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de dioxyde de soufre associés à la consommation de chaque type de carburant pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de PM Masse [ kg ]
Impact environnemental Émissions de particules de gaz naturel Masse [ kg ]
Impact environnemental Mazout #2 PM Émissions Masse [ kg ]
Impact environnemental Mazout n°1 Émissions de PM Masse [ kg ]
Impact environnemental Émissions de particules de charbon Masse [ kg ]
Impact environnemental Émissions de particules d'essence Masse [ kg ]
Impact environnemental Émissions de particules de propane Masse [ kg ]
Impact environnemental Émissions de particules diesel Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions de PM Masse [ kg ]
Impact environnemental Autre Combustible2 Émissions de PM Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de matières particulaires associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions PM10 Masse [ kg ]
Impact environnemental Gaz naturel Émissions PM10 Masse [ kg ]
Impact environnemental Mazout #2 Émissions PM10 Masse [ kg ]
Impact environnemental Mazout #1 Émissions PM10 Masse [ kg ]
Impact environnemental Charbon Émissions PM10 Masse [ kg ]
Impact environnemental Essence Émissions PM10 Masse [ kg ]
Impact environnemental Émissions de propane PM10 Masse [ kg ]
Impact environnemental Émissions diesel PM10 Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions PM10 Masse [ kg ]
Impact environnemental Autre Combustible2 Émissions PM10 Masse [ kg ]

Ces sorties fournissent des résultats pour les émissions de particules de 10 microns ou moins associées à la consommation de chaque type de combustible qui pourrait être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité PM2,5 Émissions Masse [ kg ]
Impact environnemental Gaz naturel Émissions PM2,5 Masse [ kg ]
Impact environnemental Mazout #2 Émissions de PM2,5 Masse [ kg ]
Impact environnemental Mazout n°1 Émissions de PM2,5 Masse [ kg ]
Impact environnemental Charbon PM2,5 Émissions Masse [ kg ]
Impact environnemental Essence Émissions PM2,5 Masse [ kg ]
Impact environnemental Émissions de propane PM2,5 Masse [ kg ]
Impact environnemental Émissions de PM2,5 diesel Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions PM2,5 Masse [ kg ]
Impact environnemental Autre Combustible2 Émissions PM2,5 Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de particules de 2,5 microns ou moins associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de NH3 Masse [ kg ]
Impact environnemental Gaz naturel Émissions de NH3 Masse [ kg ]
Impact environnemental Mazout #2 Émissions de NH3 Masse [ kg ]
Impact environnemental Mazout #1 Émissions de NH3 Masse [ kg ]
Impact environnemental Charbon Émissions de NH3 Masse [ kg ]
Impact environnemental Essence Émissions de NH3 Masse [ kg ]
Impact environnemental Émissions de propane NH3 Masse [ kg ]
Impact environnemental Émissions de NH3 diesel Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions de NH3 Masse [ kg ]
Impact environnemental Autres Carburants2 Émissions de NH3 Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets d'ammoniac associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Émissions de COVNM Masse [ kg ]
Impact environnemental Gaz naturel Émissions de COVNM Masse [ kg ]
Impact environnemental Mazout #2 Émissions de COVNM Masse [ kg ]
Impact environnemental Mazout #1 Émissions de COVNM Masse [ kg ]
Impact environnemental Charbon Émissions de COVNM Masse [ kg ]
Impact environnemental Essence Émissions de COVNM Masse [ kg ]
Impact environnemental Émissions de COVNM de propane Masse [ kg ]
Impact environnemental Émissions de COVNM diesel Masse [ kg ]
Impact environnemental Autre Combustible1 Émissions de COVNM Masse [ kg ]
Impact environnemental Autre Carburant2 Émissions de COVNM Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de composés organiques volatils non méthaniques associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Hg Émissions Masse [ kg ]
Impact environnemental Gaz naturel Émissions de Hg Masse [ kg ]
Impact environnemental Mazout #2 Hg Émissions Masse [ kg ]
Impact environnemental Mazout n°1 Émissions de Hg Masse [ kg ]
Impact environnemental Charbon Hg Émissions Masse [ kg ]
Impact environnemental Émissions d'essence Hg Masse [ kg ]
Impact environnemental Émissions de propane Hg Masse [ kg ]
Impact environnemental Émissions de Hg diesel Masse [ kg ]
Impact environnemental Autres Carburants1 Hg Émissions Masse [ kg ]
Impact environnemental Autres Carburants2 Hg Émissions Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de mercure associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Pb Émissions Masse [ kg ]
Impact environnemental Gaz naturel Pb Émissions Masse [ kg ]
Impact environnemental Mazout #2 Pb Émissions Masse [ kg ]
Impact environnemental Mazout #1 Émissions de Pb Masse [ kg ]
Impact environnemental Charbon Pb Émissions Masse [ kg ]
Impact environnemental Essence Pb Émissions Masse [ kg ]
Impact environnemental Émissions de propane Pb Masse [ kg ]
Impact environnemental Émissions de plomb diesel Masse [ kg ]
Impact environnemental Autres Carburants1 Pb Émissions Masse [ kg ]
Impact environnemental Autres Carburants2 Pb Émissions Masse [ kg ]

Ces sorties fournissent des résultats pour les rejets de plomb associés à la consommation de chaque type de carburant pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Eau Consommation Volume [ L ]
Impact environnemental Gaz naturel Consommation d'eau Volume [ L ]
Impact environnemental Mazout #2 Volume de consommation d'eau [ L ]
Impact environnemental Fioul n°1 Consommation d'eau Volume [ L ]
Impact environnemental Charbon Consommation d'eau Volume [ L ]
Impact environnemental Essence Consommation d'eau Volume [ L ]
Impact environnemental Volume de consommation d'eau de propane [ L ]
Impact environnemental Volume de consommation d'eau diesel [ L ]
Impact environnemental Autre Combustible1 Volume de consommation d'eau [ L ]
Impact environnemental OtherFuel2 Volume de consommation d'eau [ L ]

Ces sorties fournissent des résultats pour la consommation d'eau ou l'évaporation associée à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont des litres.

Impact environnemental Électricité Nucléaire Masse des déchets de haute activité [ kg ]
Déchets nucléaires de haute activité issus du gaz naturel [ kg ]
Impact environnemental Mazout #2 Nucléaire Masse de déchets de haute activité [ kg ]
Impact environnemental Fioul n°1 Masse des déchets nucléaires de haute activité [ kg ]
Impact environnemental Charbon Nucléaire Masse de déchets de haute activité [ kg ]
Impact environnemental Essence Nucléaire Masse des déchets de haute activité [ kg ]
Impact environnemental Propane Nucléaire Masse de déchets de haute activité [ kg ]
Impact environnemental Diesel Nucléaire Masse des déchets de haute activité [ kg ]
Impact environnemental Autre Combustible1 Nucléaire Masse des déchets de haute activité [ kg ]
Impact environnemental OtherFuel2 Nucléaire Masse des déchets de haute activité [ kg ]

Ces sorties fournissent des résultats pour les déchets nucléaires de haute activité associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Électricité Nucléaire Déchets de faible activité Volume [ m3 ]
Impact environnemental Gaz naturel Nucléaire Déchets de faible activité Volume [ m3 ]
Impact environnemental Mazout #2 Nucléaire Volume de déchets de faible activité [ m3 ]
Impact environnemental Fioul n°1 Nucléaire Volume de déchets de faible activité [ m3 ]
Impact environnemental Charbon Nucléaire Déchets de faible activité Volume [ m3 ]
Impact environnemental Essence Nucléaire Déchets de faible activité Volume [ m3 ]
Impact environnemental Propane Nucléaire Déchets de faible activité Volume [ m3 ]
Impact environnemental Diesel Nucléaire Déchets de faible activité Volume [ m3 ]
Impact environnemental Autre Combustible1 Nucléaire Volume de déchets de faible activité [ m3 ]
Impact environnemental OtherFuel2 Nucléaire Déchets de Faible Activité Volume [ m3 ]

Ces sorties fournissent des résultats pour les déchets nucléaires de faible activité associés à la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont des mètres cubes.

Impact environnemental Émissions totales de N2O Masse en équivalent carbone [ kg ]

Cette sortie fournit le résultat pour la masse de carbone équivalente associée aux rejets de protoxyde d'azote (N 2 O ) qui découlent de la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Émissions totales de CH4 Masse d'équivalent carbone [ kg ]

Cette sortie fournit le résultat pour la masse de carbone équivalente associée aux rejets de méthane qui découlent de la consommation de chaque type de combustible pouvant être utilisé sur le site. Les unités sont le kg.

Impact environnemental Émissions totales de CO2 Masse en équivalent carbone [ kg ]

Cette sortie fournit le résultat pour la masse de carbone équivalente associée aux rejets de dioxyde de carbone qui découlent de la consommation de chaque type de carburant pouvant être utilisé sur le site. Les unités sont le kg.

Les différents compteurs de sortie suivants peuvent apparaître dans le fichier de sortie de compteur standard (.mdd) :


Voir la vidéo: 1- Création de la base de données. Gestion de de bases de données SQLite sous Android (Octobre 2021).