Understanding the Influence of Turbine Geometry and Atmospheric Turbulence on Wind Turbine Wakes
Notice bibliographique
Résumé
A wind turbine wake is divided into two regions, near wake and far wake. In the near wake region, the flow is highly turbulent and is strongly influenced by the rotor geometry. In the far wake region, the influence of rotor geometry becomes less important as atmospheric effects become dominant. However, how turbine geometry and atmospheric condition affect the two wake regions is not well studied. In this work, the influence of atmospheric turbulence and the blade aerodynamic forces on wake development is studied using computational fluid dynamics (CFD) models. The CFD simulation results are based on an actuator disk model and an k–ε turbulence model. The effects of blade geometry are captured by prescribing aerodynamics forces exerted by a LM8.2 blade on an actuator disk, and are compared with that of an equivalent uniform normalized force, under two atmospheric turbulence conditions. The finding shows that the length of the near wake region is strongly affected by atmospheric turbulence, with the wake becoming fully developed as far as 2.5 rotor diameters downstream of the rotor under low turbulence conditions. Furthermore, the velocity profile in the far wake region is independent of the blade profile. In other words, in the cases studied, an actuator disk with an equivalent uniform force will produce nearly identical velocity profiles in the far wake region as one with nonuniform aerodynamic force profiles. These findings have implications on existing wake models where the far wake is the region of interest. Specifically, the beginning of the far wake region should be properly defined for each scenario, and that it is not necessary to provide detailed rotor geometry for far wake simulations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».