An engineering model for 3-D turbulent wind inflow based on a limited set of random variables
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. Emerging stochastic analysis methods are of potentially great benefit for wind turbine power output and loads analysis. Instead of requiring multiple (e.g. 10 min) deterministic simulations, a stochastic approach can enable a quick assessment of a turbine's long-term performance (e.g. 20-year fatigue and extreme loads) from a single stochastic simulation. However, even though the wind inflow is often described as a stochastic process, the common spectral formulation requires a large number of random variables to be considered. This is a major issue for stochastic methods, which suffer from the curse of dimensionality leading to a steep performance drop with an increasing number of random variables contained in the governing equations. In this paper a novel engineering wind model is developed which reduces the number of random variables by 4–5 orders of magnitude compared to typical models while retaining proper spatial correlation of wind speed sample points across a wind turbine rotor. The new model can then be used as input to direct stochastic simulations models under development. A comparison of the new method to results from the commercial code TurbSim and a custom implementation of the standard spectral model shows that for a 3-D wind field, the most important properties (cross-correlation, covariance, auto- and cross-spectrum) are conserved adequately by the proposed reduced-order method.
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 | 0,004 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 découle