MétaCan
Menu
Retour à la cohorte
Enregistrement W4417430347 · doi:10.1049/pbpo267e_ch4

Computational modeling for vertical-axis wind turbines

2025· book-chapter· en· W4417430347 sur OpenAlexaff
Muhammad Saif Ullah Khalid

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsTurbulenceGridWind powerKinematicsFlow (mathematics)Boundary (topology)Vortex

Résumé

récupéré en direct d'OpenAlex

This chapter provides details about computational approaches used for modeling flows over VAWTs and quantifying their aerodynamic, power-producing, and self-starting performances. The sliding mesh technique is potentially the best available method for this purpose. The other better techniques, including immersed-boundary and overset mesh methods, presently suffer from requiring a large grid size to sufficiently resolve the boundary layers around the blades. Modeling turbulent flows around the turbines is also a challenge, since different turbulence models are found to perform better in different kinematic and flow conditions. Hybrid RANS-LES could be a more plausible choice, but the requirements for setting up the grid could be more strict for accurate results. Despite all these complications, computational simulations provide us with more insights about the instantaneous 3D nature and dynamics of the vertical flows. They also provide effective ways to link the vortex dynamics with the instantaneous production of unsteady forces, for which we also present a case study for self-starting phenomenon and performance of single- and dual-rotor VAWTs.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,218
Score d'incertitude au seuil0,694

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 Opus0,023
Tête enseignante GPT0,237
Écart entre enseignants0,215 · 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
GenreAutre

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 sujetWind Energy Research and DevelopmentTravaux en français237 207