MétaCan
Menu
Retour à la cohorte
Enregistrement W2962721674 · doi:10.1177/0309524x19862757

Geographic information systems visualization of wind farm operational data to inform maintenance and planning discussions

2019· article· en· W2962721674 sur OpenAlexafffund
Jones Shen, Ryan M. Francis, Lindsay Miller, Rupp Carriveau, David S.‐K. Ting, Marianne Rodgers, JJ Davis

Notice bibliographique

RevueWind Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensKruger (Canada)Wind Energy Institute of CanadaUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Windsor
Mots-clésProfitability indexWind powerVisualizationComputer scienceResource (disambiguation)Decision support systemContingencyOperations researchEngineeringBusinessData mining

Résumé

récupéré en direct d'OpenAlex

As utility scale wind farms age, maintenance and contingency planning become increasingly important. Decisions about when and how to repair or replace major turbine components can critically influence profitability. Condition monitoring and prognostic reliability modelling are sometimes used to support these decision-making processes. These often resource intensive, sophisticated techniques are frequently administered by third parties and can be black boxes to wind farm stakeholders. Early experience from the YR21 Investment Decision Support Program has highlighted the importance of broad engagement across wind farm teams in maintenance and planning discussions. The utilization of geographic information systems to illustrate data trends across wind farms proved to be a valuable tool in fostering fundamental understanding of an operation’s signature performance characteristics. This graphical representation of the farm provides a useful visualization of the operation’s best and worst performers in terms of power produced, wind speeds experienced, total revolutions, or highest gear box temperature. These transparent representations of the data represent valuable starting points for discussion of performance or potential maintenance issues across farms. In some cases, it can reveal unexpected trends that may raise bigger questions about how the farm is operating in general. Finally, these simple figures can serve as complementary inputs to larger, more complex data-driven decision systems. Geographic information system plots are presented for three wind farms to demonstrate the potential utility in simple, transparent, and accessible data visualization.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,004

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 GPT0,238
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWind EngineeringMême sujetWind Energy Research and DevelopmentTravaux en français237 207