Évaluation des méthodes d'estimation du productible des parcs éoliens
Notice bibliographique
Résumé
L’estimation de la capacité de production est une étape cruciale dans le processus de conception d’une centrale éolienne. Une mauvaise estimation de la production peut engendrer des pertes économiques importantes. Une étude réalisée sur les centrales éoliennes subventionnées par le gouvernement canadien a démontré que l’estimation moyenne de ces centrales affichait une surestimation de la capacité de production. Dans ce contexte, une étude a été effectuée afin de mieux comprendre l’origine de ces erreurs et de développer une méthode afin de les réduire. \n \nPour ce faire, les logiciels MS-Micro, WAsP, WindFarm et WindPro ont été étudiés et comparés. Selon les résultats obtenus, MS-Micro donne de meilleurs résultats lorsque le terrain est simple comparativement à WAsP. À l’inverse, WAsP accorde des erreurs plus faibles en terrain complexe. Au niveau des modèles de sillage, le modèle WindFarm affiche les résultats les plus concluants lorsqu’il s’agit de sillage unitaire tandis que le modèle WindPro donne les meilleurs résultats dans le cas de sillage multiple. \n \nSuite à ces analyses, des indicateurs de topographie et de sillage ont été développés afin d’identifier l’influence des diverses caractéristiques d’un site sur l’erreur de production. \n \nEntre autres, une classification de la rugosité a été créée, incluant un paramètre de rugosité de référence ainsi qu’un paramètre de complexité de rugosité. Les indicateurs ont également permis d’établir des corrélations et de développer des équations permettant d’évaluer l’erreur de production en fonction du site et du positionnement des éoliennes sur le site. Une réduction de 83.4% des erreurs de production sur l’effet de terrain est obtenue, tandis que les indicateurs de sillage ont engendré une amélioration de l’estimation de 79.3%. \n \nEnfin, diverses études de cas ont été effectuées sur le modèle WAsP afin d’évaluer les erreurs engendrées par certaines approximations. Les résultats démontrent, entre autres, que des erreurs importantes se produisent lorsque les données de vent n’ont pas tendance à suivre une distribution de Weibull. Ce phénomène ne semble pas être observé sur le modèle MS-Micro.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».