MétaCan
Menu
Retour à la cohorte
Enregistrement W4292771587 · doi:10.24084/repqj20.211

Optimization of Offshore Wind Farms Configuration Minimizing the Wake Effect

2022· article· en· W4292771587 sur OpenAlexaff
Bruno Jesus, Adelaide Cerveira, José Baptista

Notice bibliographique

RevueRenewable Energy and Power Quality Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésOffshore wind powerWakeCost of electricity by sourceWind powerProduction (economics)Marine engineeringMeteorologyEnvironmental scienceSubmarine pipelineLinear programmingComputer scienceElectricity generationEngineeringOceanographyGeographyPower (physics)EconomicsGeologyElectrical engineeringAerospace engineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Currently, there has been a great development of the wind energy market, which is accompanied by an increase in the number of wind farms at sea, the offshore wind farms. Therefore, it is crucial to ensure that efficiency in energy production is maximum and that the levelized cost of energy (LCOE) is minimal. In this paper, a mixed-integer linear programming model (MILP) is proposed to find the best wind farm layout taking into account the wake effect in order to maximize energy production. The design of an offshore wind farm located at the North Sea is considered as a case study, contemplating three situations regarding the number of wind turbines to be installed and to determine the best positioning of them in order to maximize energy production, taking into account the wake effect and the lowest LCOE.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRenewable Energy and Power Quality JournalMême sujetWind Energy Research and DevelopmentTravaux en français237 207