MétaCan
Menu
Retour à la cohorte
Enregistrement W2989677737 · doi:10.1115/omae2019-95837

Characterizing Impacts of Atmospheric Turbulence on Wind Farms Through Large Eddy Simulation (LES)

2019· article· en· W2989677737 sur OpenAlexaff
Jahrul Alam, Anton Afanassiev, Jagdeep Singh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPlanetary boundary layerTurbulenceWind powerEnvironmental scienceTurbulence kinetic energyMeteorologyAtmospheric turbulenceTowerAtmospheric sciencesWind profile power lawWind gradientWind speedAtmosphere (unit)Large eddy simulationWind shearPhysicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Wind farms extract energy from the lowest part of the atmospheric boundary layer (ABL). Thus, characterizing the impacts of atmospheric turbulence — precisely, which aspect of it enhances or hinders the capacity factor of wind farms — is currently the least understood and the most demanding topic of wind energy research. This article demonstrates a Large Eddy Simulation (LES) of atmospheric turbulence around an array of 41 full-scale wind turbines with a rotor diameter of 126 m. A wall-adaptive subgrid-scale (SGS) model for atmospheric turbulence around wind farms has been examined. For a moist-free atmosphere in the afternoon, the spectra of kinetic energy are compared with Kolmogorov’s energy spectrum. The power production is discussed with respect to staggered arrangements of turbines. Results show that the LES model has the potential to account for atmospheric turbulence for optimizing tower placements in wind farms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,232 · 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 tête enseignante, 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWind Energy Research and DevelopmentTravaux en français237 207