MétaCan
Menu
Retour à la cohorte
Enregistrement W3209002540 · doi:10.29169/1927-5129.2021.17.08

Study of Wind Speed and Wind Potential at Kagbeni, Thini and Palpa in Nepal

2021· article· en· W3209002540 sur OpenAlexvenueno aff
Suresh Prasad Gupta, Binod Adhikar, Dhiraj Lal Yadav

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWind speedWind powerMeteorologyEnvironmental scienceMathematicsStatisticsGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

The primary objective of this paper is to study and analyze the wind characteristics and power potential at the three different places in Nepal. One year of wind speed data measured at 10 m and 20m height above ground level, provided by the Department of Alternative Energy Promotion Center, have been analyzed in this study. Direct use of data including the mathematics of probability and statistics has been applied to compute the wind power potential of the proposed sites with the occurrence of effective wind speed between cut-in and cut-out speed. The diurnal wind speed variation analysis of the three different sites showed that higher wind speed occurred during the daytime and reached a maximum at 3 PM whereas the lowest wind speed occurred after midnight and achieved a minimum at 7 AM to 8 AM. On basis of wind energy potential, Kagbeni has an annual potential energy of 3.98MWhr/m2 at 10m height and 4.82MWhr/m2 at 20m height while Palpa has the potential of 0.27MWhr/m2 and 0.36MWhr/m2 at the two heights with wind speed more or equal to 3m/s. Similarly, Thini has potential of 2.4MWhr/m2 and 2.9MWhr/m2 at 10m and 20m height on the limit of above wind speed. On the monthly basis, Kagbeni and Thini have the highest average wind speed in June whereas Palpa has in March and April. Likewise the highest value of wind speed at Kagbeni, Palpa and Thani are found as 22.53m/s and 21.75m/s; 17.66m/s and 17.11m/s, and 17.9m/s and 7.3m/s in April and March at heights of 10m and 20m respectively.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,016
Tête enseignante GPT0,239
Écart entre enseignants0,222 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetWind Energy Research and DevelopmentTravaux en français237 207