MétaCan
Menu
Retour à la cohorte
Enregistrement W2604968364 · doi:10.7836/kses.2016.36.6.001

Design of Power and Load Reduction Controller for a Medium-Capacity Wind Turbine

2016· article· en· W2604968364 sur OpenAlexaff
Kwansu Kim, Ju-Hee Kim, Insu Paek, Cheol‐Jin Kim, Hyun‐Gyu Kim, Hyoung-Gil Kim

Notice bibliographique

RevueJournal of the Korean Solar Energy Society · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensOptech (Canada)
Organismes subventionnairesnon disponible
Mots-clésNacelleTurbineControl theory (sociology)Tip-speed ratioThrustController (irrigation)Blade pitchAerodynamicsVariable speed wind turbineWind speedWind powerPower (physics)Permanent magnet synchronous generatorEngineeringComputer scienceMechanical engineeringMagnetAerospace engineeringPhysicsElectrical engineeringMeteorologyControl (management)

Résumé

récupéré en direct d'OpenAlex

A control algorithm for a 100 kW wind turbine is designed in this study. The wind turbine is operating as a variable speed variable pitch (VSVP) status. Also, this wind turbine is a permanent magnet synchronous generator (PMSG) Type. For the medium capacity wind turbine considered in this study, it was found that the optimum tip speed ratios to achieve the maximum power coefficients varied with wind speeds. Therefore a commercial blade element momentum theory and multi-body dynamics based program was implemented to consider the variation of aerodynamic coefficients with respect to Reynolds numbers and to find out the power and thrust coefficients with respect tip speed ratio and blade pitch angles. In the end a basic power controller was designed for below rated, transition and above rated regions, and a load reduction algorithm was designed to reduce tower vibration by the nacelle motion. As a result, damage equivalent Load (DEL) of tower fore-aft has been reduced by 32%. From dynamic simulations in the commercial program, the controller was found to work properly as designed. Experimental validation of the control algorithm will be done in the future.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,191 · 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'étudeSimulation ou modélisation
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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Korean Solar Energy SocietyMême sujetWind Energy Research and DevelopmentTravaux en français237 207