A new three-dimensional wake model for the real wind farm layout optimization
Notice bibliographique
Résumé
The utilization of wind energy has attracted extensive attentions in the last few decades around the world, providing a sustainable and clean source to generate electricity. It is a common phenomenon of wake interference among wind turbines and hence the optimization of wind farm layout is of great importance to improve the wind turbine yields. More specifically, the accuracy of the three-dimensional wake model is critical to the optiamal design of a real wind farm layout considering the combinatorial effect of wind turbine interaction and topography. In this paper, a novel learning-based three-dimensional wake model is proposed and subsequently validated by comparison to the high-fidelity wake simulation results. Moreover, due to the fact that the inevitable deviation of actual wind scenario from the anticipated one can greatly jeopardize the wind farm optimization outcome, the inaccuracy of wind condition prediction using the existing meteorologic data with limited-time measurement is incorporated into the optimization study. Different scenarios including short-, medium-, and long-term wind data are studied specifically with the wind speed/direction prediction errors of [Formula: see text] 0.25 m/s, [Formula: see text] 5.62 [Formula: see text], [Formula: see text] 0.08 m/s, [Formula: see text] 1.75 [Formula: see text] and [Formula: see text] 0.025 m/s, [Formula: see text] 0.56 [Formula: see text], respectively. An advanced objective function which simultaneously maximizes the power output and minimizes the power variance is employed for the optimization study. Through comparison, it is found that the optimized wind farm layout yields over 210 kW more total power output on average than the existed wind farm layout, which verifies the effectiveness of the wind farm layout optimization tool. The results show that as the measurement time for predicting the wind condition gets longer, the total wind farm power output average increases while the error of power output prediction decreases. For the wind farm with 20 wind turbines installed, the individual power output is above 500 kW with an error of 90 kW under the short-term wind [Formula: see text] 0.25 m/s, [Formula: see text] 5.62 [Formula: see text], while it is above 530 kW with an error of 10 kW under the long-term wind [Formula: see text] 0.025 m/s, [Formula: see text] 0.56 [Formula: see text].
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».