Coupled Atmospheric–Ice Load Model for Evaluation of Wind Plant Power Loss
Notice bibliographique
Résumé
Abstract Icing is a weather phenomenon that is typical of cold climates. It impacts human activities through ice accretion on tower structures, transmission lines, and the blades of wind turbines. Icing on turbine blades, in particular, results in wind turbine performance degradation and/or safety shutdowns. The objective of this study is to explore the feasibility of using a coupled atmospheric and ice load model to simulate icing start-up, duration, and amount while also quantitatively evaluating power loss in wind plants related to icing events and mechanisms. Eight of 27 icing episodes identified for a wind plant in the Gaspé region of Québec (Canada) during the period 2008–10 were simulated using a mesoscale model (the Global Environmental Multiscale Limited-Area Model, or GEM-LAM). The simulations were verified using near-surface temperature, relative humidity, and wind speed, all of which compared well to in situ observations. Simulated wind speed, precipitation, cloud liquid water content, and median volume diameter of the droplets were used to drive ice load models to simulate the total ice load on a cylindrical structure. The three ice load models accounted for freezing rain, wet snow, and in-cloud icing, respectively, and in all three cases a sink term was added to account for melting due to radiation. The start-up and duration of ice were well captured by the coupled model, and a positive correlation was found between icing episodes and wind power reduction. This study demonstrates the improvements of the icing forecasts by using three ice load models, and provides a framework for both qualitative and quantitative evaluation of icing impact on wind turbine operations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».