MétaCan
Menu
Retour à la cohorte
Enregistrement W4229372613 · doi:10.1002/adc2.105

Towards integrated wind farm control: Interfacing farm flow and power plant controls

2022· article· en· W4229372613 sur OpenAlexaff
Konstanze Kölle, Paula B. Garcia‐Rosa, Vlaho Petrović‬, Irene Eguinoa, Til Kristian Vrana, Qian Long, Vasilis Pettas, Abhinav Anand, Thanasis Barlas, Nicolaos Antonio Cutululis, Andreas Manjock, John Olav Tande, Renzo Ruisi, Ervin Bossanyi

Notice bibliographique

RevueAdvanced Control for Applications · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiens123 Certification (Canada)
Organismes subventionnairesH2020 EnergyHorizon 2020 Framework ProgrammeNorges ForskningsrådEuropean Commission
Mots-clésInterfacingAerodynamicsTurbineWind powerControl (management)GridControl systemWakeControl engineeringEngineeringElectric power systemPower (physics)Computer scienceElectrical engineeringAerospace engineeringGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Concepts for control of wind farms (WFs) can be clustered into two distinct concepts, namely, wind power plant control (WPPC) and wind farm flow control (WFFC). WPPC is concerned with the connection to the power system, compliance with grid codes, and provision of power system services. This comprises the traditional way of operating a WF without consideration of aerodynamic turbine interaction. However, flow phenomena like wake effects can have a large impact on the overall performance of the WF. WFFC considers such aerodynamic phenomena in the WF operation. It can be viewed as a new feature that shall be integrated with the existing control functions. The interaction of these different control concepts is discussed in this article, leading to an identification of the challenges whose solutions will contribute to a successful integration of electrical system and aerodynamic aspects of WF control.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,006
Tête enseignante GPT0,226
Écart entre enseignants0,220 · 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'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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Control for ApplicationsMême sujetWind Energy Research and DevelopmentTravaux en français237 207