MétaCan
Menu
Retour à la cohorte
Enregistrement W1955850335 · doi:10.1063/1.4919021

Meteorological phenomena associated with wind-power ramps downwind of mountainous terrain

2015· article· en· W1955850335 sur OpenAlexafffundabout
Michael Sherry, David E. Rival

Notice bibliographique

RevueJournal of Renewable and Sustainable Energy · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensQueen's UniversityUniversity of Calgary
Organismes subventionnairesAlberta Innovates - Technology Futures
Mots-clésWind powerEnvironmental scienceMaximum sustained windWind speedMeteorologyAtmospheric instabilityWind profile power lawAtmospheric sciencesTerrainWind directionWind gradientGeologyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Wind-power ramps are a significant source of uncertainty in wind-energy forecasting and are a challenge to electric-grid stability. In the Canadian province of Alberta, strong westerly winds buffet the Rocky Mountains creating an abundant yet intermittent wind energy resource in the plains of Alberta. In the current study, wind-power ramp events have been detected and correlated to several environmental factors including time-of-day, atmospheric stability, season and a Föhn wind event known locally as a Chinook wind at a field wind measurement station downstream of the Rocky Mountains. Large wind-power ramps (a 50% change in power in less than 4 h) were found to occur on days when a Föhn wind was present over 50% of the time. The result highlights the importance of this meteorological phenomenon to wind energy production locally and also in regions where Föhn winds occur. The detected wind-power ramps were found to vary significantly with season, with the strongest wind-power ramps emanating from the Rocky Mountains in the winter months under stable atmospheric conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,163

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,194
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Renewable and Sustainable EnergyMême sujetEnergy Load and Power ForecastingTravaux en français237 207