Multi-Objective Optimization of a Small Horizontal-Axis Wind Turbine Blade for Generating the Maximum Startup Torque at Low Wind Speeds
Notice bibliographique
Résumé
Generating a high startup torque is a critical factor for the application of small wind turbines in regions with low wind speed. In the present study, the blades of a small wind turbine were designed and optimized to maximize the output power and startup torque. For this purpose, the chord length and the twist angle were considered as design variables, and a multi-objective optimization study was used to assess the optimal blade geometry. The blade element momentum (BEM) technique was used to calculate the design goals and the genetic algorithm was utilized to perform the optimization. The BEM method and the optimization tools were verified with wind tunnel test results of the base turbine and Schmitz equations, respectively. The results showed that from the aerodynamic viewpoint, the blade of a small wind turbine can be divided into two sections: r/R < 0.52, which is responsible for generating the startup torque, and r/R ≥ 0.52, where most of the turbine power is generated. By increasing the chord length and twist angle (especially chord length) in the r/R < 0.52 section and following the ideal chord length and twist angle distributions in the r/R ≥ 0.52 part, a 140% rise in the startup torque of the designed blade was observed with only a 1.5% reduction in power coefficient, compared with the base blade. Thereby, the startup wind speed was reduced from 6 m/s for the base blade to 4 m/s for the designed blade, which provides greater possibilities for the operation of this turbine in areas with lower wind speeds.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».