PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
Tytuł artykułu

Potencjał rynkowy remontów energooszczędnych w budownictwie mieszkaniowym Zielonej Góry

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Market potential for energy efficient renovations in housing of Zielona Góra
Języki publikacji
PL
Abstrakty
PL
W artykule przedstawiono analizę potencjalnych oszczędności energii dla remontów energooszczędnych w budownictwie mieszkaniowym w Zielonej Górze. Potencjał został określony na podstawie technologii i roku wykonania budynków, formy zabudowy i przeważającego sposobu zasilania w ciepło i energię elektryczną. Obliczony potencjał został przedstawiony jako wartość koniecznych nakładów dla zmniejszenia zużycia energii o 1 kWh/m2.
EN
The paper presents an analysis of conditional energy savings for energy-efficient renovation of housing in Zielona Góra. The potential was determined on the basis of technology and a year of the construction of buildings, kind of buildings and dominating way of heat and power supply. The calculated potential was presented as the value of the necessary investments to reduce energy consumption by 1 kWh/m2.
Rocznik
Strony
111--117
Opis fizyczny
Bibliogr. 18 poz., rys., tab.
Twórcy
autor
  • Wydział Budownictwa Architektury i Inżynierii Środowiska, Uniwersytet Zielonogórski, ul. Licealna 9, 65-417 Zielona Góra
  • Wydział Budownictwa Architektury i Inżynierii Środowiska, Uniwersytet Zielonogórski, ul. Licealna 9, 65-417 Zielona Góra
  • Wydział Budownictwa Architektury i Inżynierii Środowiska, Uniwersytet Zielonogórski, ul. Licealna 9, 65-417 Zielona Góra
Bibliografia
  • Asadi E., Da Silva M., Antunes C., Dias L. (2012). A multiobjective optimization model for building retrofit strategies using TRNSYS simulations, GenOpt and MATLAB. Building and Environment, Vol. 56, 370-378.
  • Balaras C., Droutsa K., Dascalaki E., Kontoyiannidis S. (2005). Heating energy consumption and resulting environmental impact of European apartment buildings. Energy and Buildings, Vol. 37, 429-442.
  • Barsi A. (2001). Performing coordinate transformation by artificial neural network. Allgemeine VermessungsNachrichten, 4/2001.
  • Bazan-Krzywoszańska A., Mrówczyńska M., Skiba M., Łączak A. (2016). Economic conditions for the development of energy efficient civil engineering using RES in the policy of cohesion of the European Union (2014-2020). Case study: The town of Zielona Gora. Energy and Buildings, Vol. 118, 170-180.
  • Bourdic L., Salat S. (2012). Building energy models and assessment systems at the district and city scale: a review. Building Research and Information, Vol. 40 (4), 518-526.
  • Bourdic L., Salat S., Nowacki C. (2012). Assessing cities: a new system of cross-scale spatial indicators. Building Research and Information, Vol. 40 (5), 592-605.
  • Dyrektywa Parlamentu Europejskiego i Rady 2010/31/UE z dnia 19 maja 2010 r. w sprawie charakterystyki energetycznej budynków (Dz. Urz. UE L 153 z 18.06.2010, str. 13).
  • Energetyczny Audyt Miejski (2011) dla miasta Zielona Góra, Zadanie badawcze nr 1: Analiza możliwości i skutków socjoekonomicznych wzrostu efektywności energetycznej w budownictwie. Umowa Nr SP/B/1/91454/10, NCBiR 2010, Zielona Góra, 2011.
  • Fabbri K., Zuppiroli. M., Ambrogio K. (2012). Heritage buildings and energy performance: Mapping with GIS tools. Energy and Buildings, Vol. 48, 137-145.
  • Fouquet D, Johansson Th. (2008). European renewable energy policy at crossroads. Focus on electricity support mechanisms. Energy Policy, Vol. 36, 4079-4092.
  • Gil J. (2006). Przykłady zastosowań sieci neuronowych w geodezji. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego, Zielona Góra.
  • Kopietz-Unger J. (2010). Założenia planowania przestrzennego na rzecz ochrony klimatu i oszczędności energii. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego, Zielona Góra.
  • Labiosa W., Forney W., Esnard A., Mitsova-Boneva D., Bernknopf R., Hearn P., Hogan D., Pearlstine L., Strong D., Gladwin H., Swain E. (2013). An integrated multi-criteria scenario evaluation web tool for participatory land-use planning in urbanized areas: The Ecosystem Portfolio Model. Environmental Modeling & Software, Vol. 41, 210-222.
  • Liao Y., Fang S., Nuttle H. (2003). Relaxed conditions for radial – basis function networks to be approximators. Neural Networks, Vol. 16, 1019-1028.
  • Osowski S. (2006). Sieci neuronowe. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
  • Uchwała Nr 91 Rady Ministrów z dnia 22 czerwca 2015 roku w sprawie przyjęcia „Krajowego planu mającego na celu zwiększenie liczby budynków o niskim zużyciu energii”. MP, z dnia 16 lipca 2015 r. poz. 614.
  • Yeo I., Yoon S., Yee J. (2013). Development of an urban energy demand forecasting system to support environmentally friendly urban planning. Applied Energy, Vol. 110, 304-317.
  • Ziobrowski Z. (2012). Urbanistyczne wymiary miast. Instytut Rozwoju Miast, Kraków.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-73387ef3-afbb-4173-a92a-3d32f5810ade
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.