Merkzettel Warenkorb
  • Produktbild: Smart Buildings, Smart Communities and Demand Response
  • Produktbild: Smart Buildings, Smart Communities and Demand Response

Smart Buildings, Smart Communities and Demand Response

197,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

03.03.2021

Herausgeber

Denia Kolokotsa + weitere

Verlag

John Wiley & Sons Inc

Seitenzahl

208

Maße (L/B/H)

24/16,1/1,5 cm

Gewicht

469 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-78630-426-1

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

03.03.2021

Herausgeber

Verlag

John Wiley & Sons Inc

Seitenzahl

208

Maße (L/B/H)

24/16,1/1,5 cm

Gewicht

469 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-78630-426-1

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Weitere Artikel findest du in
Die Leseprobe wird geladen.
  • Produktbild: Smart Buildings, Smart Communities and Demand Response
  • Produktbild: Smart Buildings, Smart Communities and Demand Response
  • Preface ix
    Nikos KAMPELIS
     
    Nomenclature xv
    Nikos KAMPELIS
     
    Chapter 1. Demand Response in Smart Zero Energy Buildings and Grids 1
    Nikos KAMPELIS
     
    1.1. Introduction 1
     
    1.2. Smart and zero energy buildings 2
     
    1.3. DR and smart grids 9
     
    1.3.1. DR and congestion management 18
     
    1.3.2. DR and AS 19
     
    1.3.3. DR programs 21
     
    1.3.4. Building level DR 22
     
    1.3.5. District level DR and microgrids 26
     
    1.3.6. ANN-based short-term power forecasting 31
     
    1.4. Scientific focus of the book 32
     
    1.5. Book outline and objectives 34
     
    Chapter 2. DR in Smart and Near-zero Energy Buildings: The Leaf Community 37
    Nikos KAMPELIS, Konstantinos GOBAKIS, Vagias VAGIAS, Denia KOLOKOTSA, Laura STANDARDI, Daniela ISIDORI, Cristina CRISTALLI, Fabio Maria MONTAGNINO, Filippo PAREDES, Pietro MURATORE, Luca VENEZIA, Marina Kyprianou DRACOU, Alaric MONTENON, Andri PYRGOU, Theoni KARLESSI, Mattheos SANTAMOURIS
     
    2.1. The Leaf Lab industrial building, AEA Italy 39
     
    2.2. The Leaf House residential building, AEA Italy 41
     
    Chapter 3. Performance of Industrial and Residential Near-zero Energy Buildings 43
    Nikos KAMPELIS, Konstantinos GOBAKIS, Vagias VAGIAS, Denia KOLOKOTSA, Laura STANDARDI, Daniela ISIDORI, Cristina CRISTALLI, Fabio Maria MONTAGNINO, Filippo PAREDES, Pietro MURATORE, Luca VENEZIA, Marina Kyprianou DRACOU, Alaric MONTENON, Andri PYRGOU, Theoni KARLESSI, Mattheos SANTAMOURIS
     
    3.1. Materials and methods 44
     
    3.1.1. Energy simulation model 45
     
    3.2. Energy performance analysis 51
     
    3.2.1. The Leaf Lab 51
     
    3.2.2. The Leaf House 57
     
    3.3. Discussion 61
     
    3.4. Conclusion 63
     
    Chapter 4. HVAC Optimization Genetic Algorithm for Industrial Near-Zero Energy Building Demand Response 65
    Nikos KAMPELIS, Nikolaos SIFAKIS, Denia KOLOKOTSA, Konstantinos GOBAKIS, Konstantinos KALAITZAKIS, Daniela ISIDORI, Cristina CRISTALLI
     
    4.1. Methodology 66
     
    4.2. GA optimization model 70
     
    4.3. Model of energy cost 72
     
    4.4. Results and discussion 73
     
    4.4.1. Scenario 1: January 25, 2018 (winter) 74
     
    4.4.2. Scenario 2: March 27, 2018 (spring) 76
     
    4.4.3. Scenario 3: August 15, 2018 (summer) 77
     
    4.4.4. Scenario 4: September 10, 2018 (autumn) 81
     
    4.4.5. Scenario 5: September 21, 2018 (autumn) 84
     
    4.4.6. Scenario 6: November 20, 2018 (winter) 84
     
    4.4.7. Scenario 7: November 22, 2018 (winter) 88
     
    4.4.8. Scenario 8: November 25, 2018 (winter) 88
     
    4.5. Conclusion and future steps 92
     
    Chapter 5. Smart Grid/Community Load Shifting GA Optimization Based on Day-ahead ANN Power Predictions 95
    Nikos KAMPELIS, Elisavet TSEKERI, Denia KOLOKOTSA, Konstantinos KALAITZAKIS, Daniela ISIDORI, Cristina CRISTALLI
     
    5.1. Infrastructure and methods 100
     
    5.2. Day-ahead GA cost of energy/load shifting optimization based on ANN hourly power predictions 104
     
    5.3. ToU case study 106
     
    5.3.1. ANN-based predictions 106
     
    5.3.2. GA optimization results 112
     
    5.4. DA real-time case study 121
     
    5.4.1. ANN-based predictions 121
     
    5.4.2. Combined ANN prediction/GA optimization results 126
     
    5.5. Limitations of the proposed approach 139
     
    5.6. Conclusion 139
     
    Conclusions and Recommendations 143
    Nikos KAMPELIS
     
    References 147
     
    List of Authors 163
     
    Index 167