DC
Dong Chen
Author with expertise in Building Energy Efficiency and Thermal Comfort Optimization
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
10
(30% Open Access)
Cited by:
324
h-index:
35
/
i10-index:
84
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Assessment of climate change impact on residential building heating and cooling energy requirement in Australia

Xiaoming Wang et al.Feb 1, 2010
This study investigated the potential impact of climate change on the heating and cooling (H/C) energy requirements of residential houses in five regional climates varying from cold to hot humid in Australia. Nine General Circulation Models (GCMs) under three carbon emission scenarios were applied to project the local climate. It was found that significant climate change impact on H/C energy requirements may occur within the lifespan of existing housing stock. The total H/C energy requirement of newly constructed 5 star houses is projected to vary significantly in the range of −26% to 101% by 2050 and −48% to 350% by 2100 given the A1B, A1FI and 550 ppm stabilisation emission scenarios, dependent on the existing regional climate. In terms of percentage change, houses in an H/C balanced temperate climate such as Sydney is found to be the most sensitive to climate change, potentially posing more pressures on the capacity of local energy supply. It was also found that energy efficient or high star rating houses may experience less absolute changes in energy requirement. However, they appear to experience higher percentage changes in the total H/C energy requirement. Especially in the regions with an H/C balanced temperate climate such as Sydney, the increase in the total H/C energy requirement is projected up to 120% and 530% for a 7 star house when the global temperature increases 2 °C and 5 °C respectively. The high sensitivity to global warming may need to be considered in the planning of future energy requirement for energy efficient buildings.
0
Paper
Citation319
0
Save
0

Comparison of Data-Driven Stochastic Window Operation Models for Residential Buildings

Dilini Achchige et al.Jun 1, 2024
In residential buildings, window opening is typically one of the most significant parameters that affects indoor air temperature and thus the energy required for heating and cooling. While several field measurement campaigns have been undertaken, and datasets have been used to calibrate data-driven stochastic models based on different techniques, a critical comparison between these window operation models, analysing their suitability for building energy simulation, is needed. This study compares seven different modelling approaches including Gaussian distribution function, logistic regression, Markov chain, Markov-logit hybrid, classification tree, artificial neural network and random forest, trained and tested using measurements of 21 living rooms and 10 bedrooms from residential buildings located in Australian subtropical and temperate climates. Two types of modelling approaches were tested: individual, where each window operation was modelled individually, and cohort, where a common model was developed considering all the windows in the dataset. The stochastic nature of window opening was introduced to the models by Monte Carlo methods. True Positive Rate (TPR) and True Negative Rate (TNR), quantified using the Area Under Curve (AUC) method, were used to benchmark the performance of the different models. The classification trees and random forest were identified as more accurate methods (> 0.74 median AUC) for cohort modelling, while artificial neural network and Markov-logit hybrid methods were identified as more accurate methods (> 0.7 median AUC) for individual window operation modelling in building simulation applications.
0

Activation of TFEB protects against diabetic vascular calcification by improving autophagic flux and activating Nrf2 antioxidant system

Xuejiao Sun et al.Jan 13, 2025
Autophagic flux blockade and excessive oxidative stress play important roles in the pathogenesis of diabetic vascular calcification (VC). Transcription factor EB (TFEB) is an important regulator of many autophagy-lysosomal related components, which is mainly involved in promoting autophagy process in cells. Nuclear factor erythroid-2 related factor 2 (Nrf2) antioxidant system is considered as one of the key pathways in response to intracellular oxidative stress. Periostin (POSTN), a matrix protein, is widely involved in regulating the formation and maintenance of organs such as bones, teeth, heart valves, and tendons. We have previously reported that POSTN interfered with autophagic flux in an oxidative stress-dependent manner in vascular smooth muscle cells (VSMCs) to aggravate the development of diabetic VC. However, how POSTN interfered with autophagic flux by regulating oxidative stress has not been clarified. This study aims to further explore the roles of TFEB, POSTN, autophagy and Nrf2 antioxidant system in the development of diabetic VC. Our experimental results revealed that activation of TFEB attenuated diabetic VC by improving autophagic flux and activating Nrf2 antioxidant system, while POSTN reduced the autophagic degradation of KEAP1 by inhibiting lysosomal function, thus inhibiting the activation of the Nrf2 antioxidant system, and ultimately abolishing the protective effect of TFEB against diabetic VC. In conclusion, this study uncovers that TFEB play an important role in alleviating diabetic VC by improving autophagic flux and activating Nrf2 antioxidant system, suggesting that TFEB may be a new target for the prevention and treatment of diabetic VC.
0

Revealing the role of green roof substrate: limitations of simulated substrate temperatures for summer and winter day and night thermal performance in Melbourne, Australia

Andrea Pianella et al.Jun 1, 2024
Abstract Green roofs, integrated into conventional buildings, offer valuable thermal benefits, with extensive research and validated models focused on specific climates and summer conditions. However, their applicability requires further refinement, as conflicting year-round performance results have been observed. This study investigates the thermal performance of unvegetated green roofs with various depths in Melbourne, Australia, over almost a year. Utilizing Sailor’s green roof model, the research reveals reasonable accuracy for winter and deeper roofs, but notable discrepancies for 100 mm thick green roofs during the day. Additionally, the study provides experimental data on non-vegetated green roof top temperatures of a typical building in South-East Australia. Night and day comparisons are emphasized to identify model limitations due to different energy balance mechanisms of green roofs. Despite recognizing the green roof substrate’s role in regulating heat flux, few studies independently examine its thermal benefits. Implemented in EnergyPlus, the green roof model is modified for input ranges, including thermal conductivity and leaf area index (LAI), enabling simulations of the three experimental unvegetated green roofs. A refined green roof model is suggested, considering substrate moisture content variations, associated thermal conductivity, and distinct thermal mechanisms during day and night.