Investigation of the Capacity Factor of Weather-Routed Energy Ships Deployed in the Near-Shore
Notice bibliographique
Résumé
Abstract The energy ship concept has been proposed as an alternative wind power conversion system to harvest offshore wind energy. Energy ships are ships propelled by the wind and which generate electricity by means of water turbines attached underneath their hull, The generated electricity is stored on-board (batteries, hydrogen, etc.) It has been shown that energy ships deployed far-offshore in the North Atlantic Ocean may achieve capacity factors over 80% using weather-routing. The present paper complements this research by investigating the capacity factors of energy ships harvesting wind power in the near-shore. Two case studies are considered: the French islands of Saint-Pierre et-Miquelon, near Canada, and Ile de Sein, near metropolitan France. The methodology is as follows. First, the design of the energy ship considered in this study is presented. It was developed using an in-house Velocity, and Power Performance Program (VPPP) developed at LHEEA. The velocity and power production polar plots of the ship were used as input to a modified version of the weather-routing software QtVlm. This software was then used for capacity factor optimization using 10m altitude wind data analysis which was extracted from the ERA-Interim dataset provided by the European Centre for Medium-Range Weather Forecasts (ECMWF). Three years (2015, 2016, and 2017) data are considered. The results show that average capacity factors of approximately 40% and 40% can be achieved at Ile de Sein and Saint-Pierre-et-Miquelon with considered energy ship design.
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 | 0,000 |
| 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) | 0,003 | 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 ».