A machine learning framework for residential district cooling: Forecasting consumption, explaining drivers, and evaluating decarbonization pathways

住宅地区冷房のための機械学習フレームワーク：消費予測、ドライバー説明、脱炭素経路評価 (AI 翻訳)

Kadhim Hayawi, Husna Maliakkal, Neethu Venugopal, Thanveer Musthafa Hussain, Gomathi Bhavani Rajagopalan

Energy Reports📚 査読済 / ジャーナル2026-06-01#省エネ

DOI: 10.1016/j.egyr.2025.108933

原典: https://doi.org/10.1016/j.egyr.2025.108933

🤖 gxceed AI 要約

日本語

本論文は、住宅地区冷房システムの消費予測とドライバー分析、脱炭素経路評価のための機械学習フレームワークを提案。エネルギー効率向上とCO2削減に寄与する可能性がある。

English

This paper proposes a machine learning framework for forecasting consumption, explaining drivers, and evaluating decarbonization pathways in residential district cooling systems. It aims to improve energy efficiency and reduce CO2 emissions.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本の都市部での地区冷房導入拡大に伴い、効率的な運用と脱炭素計画策定に貢献する可能性がある。

In the global GX context

This framework can support decarbonization planning for district cooling systems, relevant for global energy transition efforts in urban areas.

👥 読者別の含意

🔬研究者:Provides a methodological approach combining ML with domain knowledge for energy systems.

🏢実務担当者:Could be used by district cooling operators to optimize operations and plan decarbonization.

🏛政策担当者:Offers evidence-based insights for urban energy policy and district cooling regulations.

🔗 Provenance — このレコードを発見したソース

crossref https://doi.org/10.1016/j.egyr.2025.108933first seen 2026-05-14 22:19:56

🔔 こうした論文の新着を逃したくない方はキーワードアラートに登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。