MétaCan
Menu
Retour à la cohorte
Enregistrement W2954862674 · doi:10.1073/pnas.1903680116

Wind farm power optimization through wake steering

2019· article· en· W2954862674 sur OpenAlexaboutno aff
Michael F. Howland, Sanjiva K. Lele, John O. Dabiri

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésWind powerWakeRenewable energyMeteorologyProduction (economics)Environmental sciencePower (physics)Wind speedMarine engineeringEngineeringGeographyElectrical engineeringPhysicsEconomicsAerospace engineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Global power production increasingly relies on wind farms to supply low-carbon energy. The recent Intergovernmental Panel on Climate Change (IPCC) Special Report predicted that renewable energy production must leap from [Formula: see text] of the global energy mix in 2018 to [Formula: see text] by 2050 to keep global temperatures from rising 1.5°C above preindustrial levels. This increase requires reliable, low-cost energy production. However, wind turbines are often placed in close proximity within wind farms due to land and transmission line constraints, which results in wind farm efficiency degradation of up to [Formula: see text] for wind directions aligned with columns of turbines. To increase wind farm power production, we developed a wake steering control scheme. This approach maximizes the power of a wind farm through yaw misalignment that deflects wakes away from downstream turbines. Optimization was performed with site-specific analytic gradient ascent relying on historical operational data. The protocol was tested in an operational wind farm in Alberta, Canada, resulting in statistically significant ([Formula: see text]) power increases of 7-[Formula: see text] for wind speeds near the site average and wind directions which occur during less than [Formula: see text] of nocturnal operation and 28-[Formula: see text] for low wind speeds in the same wind directions. Wake steering also decreased the variability in the power production of the wind farm by up to [Formula: see text] Although the resulting gains in annual energy production were insignificant at this farm, these statistically significant wake steering results demonstrate the potential to increase the efficiency and predictability of power production through the reduction of wake losses.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,264
Écart entre enseignants0,240 · 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

Citations420
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetWind Energy Research and DevelopmentTravaux en français237 207