Optimal Irregular Wind Farm Design for Continuous Placement of Wind Turbines with a Two-Dimensional Jensen-Gaussian Wake Model
Notice bibliographique
Résumé
Optimal design of wind turbine placement in a wind farm is one of the most effective tools to reduce wake power losses by alleviating the wake effect in the wind farm. In comparison to the discrete grid-based wind farm design method, the continuous coordinate method has the property of continuously varying the placement of wind turbines, and hence, is far more capable of obtaining the global optimum solutions. In this paper, the coordinate method was applied to optimize the layout of a real offshore wind farm for both simplified and realistic wind conditions. A new analytical wake model (Jensen-Gaussian model) taking into account the wake velocity variation in the radial direction was employed for the optimization study. The means of handling the irregular real wind farm boundary were proposed to guarantee that the optimized wind turbine positions are feasible within the wind farm boundary, and the discretization method was applied for the evaluation of wind farm power output under Weibull distribution. By investigating the wind farm layout optimization under different wind conditions, it showed that the total wind farm power output increased linearly with an increasing number of wind turbines. Under some particular wind conditions (e.g., constant wind speed and wind direction, and Weibull distribution), almost the same power losses were obtained under the wake effect of some adjacent wind turbine numbers. A common feature of the wind turbine placements regardless of the wind conditions was that they were distributed along the wind farm boundary as much as possible in order to alleviate the wake effect.
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 | 0,001 |
| 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 ».