MétaCan
Menu
Retour à la cohorte
Enregistrement W4224326313 · doi:10.4043/31716-ms

Ice Risk Analysis for Floating Wind Turbines, Offshore Newfoundland and Labrador

2022· article· en· W4224326313 sur OpenAlexaffabout
Tony King, Freeman Ralph, Mark Fuglem, Paul Stuckey, Jan Thijssen, Ian Turnbull, Yujian Huang, Vandad Talimi, Lei Liu, Renat Yulmetov, Hamid Shayanfar, Mark Howell, Mike Paulin

Notice bibliographique

RevueOffshore Technology Conference · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensIntecsea (Canada)Centre For Cold Ocean Resources Engineering
Organismes subventionnairesnon disponible
Mots-clésOffshore wind powerIcebergSubmarine pipelineWind powerEnvironmental scienceMarine engineeringSea iceDrift iceMeteorologyGeologyOceanographyArctic ice packEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The move to reduce greenhouse gas emissions in the offshore hydrocarbons production industry has resulted in a growing interest in the possibility of using offshore wind to reduce on-platform power generation. While some offshore areas are progressing towards or planning for the use of offshore wind to electrify hydrocarbon producing platforms, they do not have the challenges associated with Newfoundland & Labrador's offshore environment.This region is prone to incursions by icebergs and pack ice, which would present a risk to offshore wind turbines. Analysis approachesto assess these risks, along with preliminary results, are presented herefor floating offshore wind turbines (FOWT). An area of interest (AOI), covering 45°N to 51°N and 45°W to 51°W, was defined covering all development licenses on the Grand Banks, Flemish Pass and Orphan Basin. Iceberg and pack ice contact rates and loads were calculated using data from the Nalcor NESS Metocean database, Canadian Ice Service (CIS) ice charts and satellite imagery. Ice loads corresponding to 50-year return periods levels were assessed, with and without ice management, giving a basis for determining whether ice management and/or disconnection capabilities are required. The frequency and severity of atmospheric icing of turbines was also modelled using available data and models.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,221
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,012
Tête enseignante GPT0,214
Écart entre enseignants0,202 · 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.

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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOffshore Technology ConferenceMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207