Estimation de l'erreur lidar en terrain complexe avec l'aide d'outils numériques
Notice bibliographique
Résumé
L’utilisation de mâts météorologiques dans le processus d’analyse et de quantification de la ressource éolienne est sans contredit la norme depuis plusieurs années. Pour palier à certains inconvénients de ceux-ci comme leur vulnérabilité aux conditions climatiques et leur mobilité restreinte, un nouvel outil fit récemment son apparition: le LiDAR (Light Detection and Ranging). Cet appareil, par l’entremise de rayons laser projetés dans l’atmosphère et de l’effet Doppler, détermine la vitesse du vent à plusieurs hauteurs simultanées allant de quelques dizaines à quelques centaines de mètres. Le LiDAR performe bien sur terrain plat, mais sa précision diminue sur terrain complexe. Ceci s’explique par l’hypothèse d’homogénéité de l’écoulement que fait l’appareil pour déterminer les composantes Ux,Uy et Uz à partir de vitesses radiales. Bingöl a toutefois démontré qu’il était possible d’évaluer l’erreur du LiDAR à l’aide d’outils numériques tel que WaSP Engineering. En collaboration avec GLGH, NRG systems, Leosphere et le Technocentre éolien, un LiDAR WindCube v2 fut déployé au Québec dans la région gaspésienne à proximité d’un mât météorologique sur terrain complexe, en présence de forêt et de conditions climatiques hivernales rigoureuses pour la période 16/02/2012 and 28/03/2012. L’objectif principal du travail consiste à estimer l’erreur du LiDAR à l’aide du logiciel «open source» OpenFOAM et du logiciel commercial Meteodyn WT64 v4 afin de comparer les résultats aux mesures expérimentales. Dans un premier temps, il fût jugé nécessaire de faire une évaluation des performances de ces logiciels à modéliser la couche limite atmosphérique en présence de forêt. Pour ce faire, les données d’une autre campagne de mesures réalisée sur le même site pour la période 14/12/2007-29/12/2009 furent utilisées. On compare ici les ratios de vitesse horizontale expérimental et simulé entre 2 mâts à une hauteur de 60 m séparés d’environ 4 km. Malgré que les résultats d’OpenFOAM soient à l’intérieur de l’écart type des mesures ou très près, Meteodyn semble livrer de meilleures performances. On estime qu’un calibrage du modèle de forêt d’OpenFOAM pourrait améliorer significativement les résultats. Somme toute, les résultats sont favorables à l’utilisation de ces outils pour modéliser le comportement du LiDAR.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».