MétaCan
Menu
Retour à la cohorte
Enregistrement W4413391873 · doi:10.1115/omae2025-157429

Experimental Emulation of Shutdown and Start-Up Procedures in Wave Basin Tests of a 15MW Floating Offshore Wind Turbine

2025· article· en· W4413391873 sur OpenAlexaff
Pedro Cardozo de Mello, Jordi Mas-Soler, Renato M. Monaro, Alexandre N. Simos, Daniel F. de Carvalho e Silva

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWave and Wind Energy Systems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésEmulationOffshore wind powerMarine engineeringTurbineShutdownSubmarine pipelineEnvironmental scienceComputer scienceEngineeringNuclear engineeringAerospace engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Tests of floating offshore wind turbines (FOWT) conducted in wave basins usually focus on the behavior of the floater in waves and require proper emulation of the wind forces and effects of the turbine’s control system. Oftentimes, wind forces are applied to the model by means of an electromechanical device composed of several drone propellers, in an experimental approach known as Software-in-the-Loop (SiL). Such an approach allows not only the emulation of aerodynamics loads with constant or turbulent winds, but also to mimic transient stages of the system start-up and shutdown. The present work assesses a set of experimental results obtained for a 1:45 model scale of a semisubmersible floater supporting the IEA-15MW reference wind turbine, with emphasis on the dynamics during the turbine’s start-up and shutdown transient stages. A start-up control strategy was implemented in the SIL algorithm and tested in different environmental scenarios of waves and winds. Likewise, a shutdown control was also tested both with manual commands from a fictitious operator and automatically, in the latter case adopting a wind speed upper bound as the trigger for the shutdown procedure. No critical dynamic effects were observed during the transients, at least for the environmental conditions that were tested.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,219 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWave and Wind Energy SystemsTravaux en français237 207