Global sensitivity analysis of wind turbine power output
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT The dynamics of wind turbine behavior are complex and a critical area of study for the wind industry. Identification of factors that cause changes in turbine performance can sometimes prove to be challenging, whereas other times, it can be intuitive. The quantification of the effect that these factors have is valuable for making improvements to both power performance and turbine health. In commercial farms, large quantities of meteorological and performance data are commonly collected to monitor daily operations. These data can also be used to analyze the relationship between each parameter in order to better understand the interactions that occur and the information contained within these signals. In this global sensitivity analysis, a neural network is used to model select wind turbine supervisory control and data acquisition system parameters for an array of turbines from a commercial wind farm that exhibit signs of wake interaction. An extended Fourier amplitude sensitivity test is then performed for 2 years of 10‐min averaged data. The study examines the primary and combined sensitivities of power output to each selected parameter for two turbines in the array. The primary sensitivities correspond to single parameter interactions, whereas combined sensitivities account for interactions between multiple parameters simultaneously. Highly influential parameters such as wind speed and rotor rotation frequency produce expected results; the extended Fourier amplitude sensitivity test method proved effective at quantifying the sensitivity of a wide range of more subtle inputs. These include blade pitch, yaw position, main bearing and ambient temperatures as well as wind speed and yaw position standard deviation. The technique holds promise for application in full‐scale wake studies where it might be used to determine the benefits of emerging power optimization strategies such as active wake management. The field of structural health monitoring can also benefit from this method. Copyright © 2013 John Wiley & Sons, Ltd.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle