MétaCan
Menu
Retour à la cohorte
Enregistrement W6902062087 · doi:10.60692/ycrnc-vxm80

Integrating compressed air energy storage with wind energy system – A review

2023· article· en· W6902062087 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Turbine Control Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCompressed air energy storageCompressed airWind powerResilience (materials science)Energy storageEnergy (signal processing)Current (fluid)

Résumé

récupéré en direct d'OpenAlex

- With an increasing capacity of wind energy globally, wind-driven Compressed Air Energy Storage (CAES) technology has gained significant momentum in recent years. However, unlike traditional CAES systems, a wind-driven CAES system operates with more frequent fluctuations due to the intermittent nature of wind power. Consequently, the design and operation of wind-driven CAES systems must address such a complex and dynamic behavior. Considering the growing interest in wind-driven CAES systems, a comprehensive and systematic review of the existing literature on their design and operational characteristics is appealing. Therefore, this study aims at filling this research gap by examining the existing literature on the configuration, sizing, and operation/scheduling of wind-driven CAES systems. This review also aims at highlighting the underlying assumptions and methodologies employed in previous studies on wind-driven CAES systems. Given the challenges faced by several CAES projects, which were discontinued due to geological and economic constraints, it is imperative to conduct comprehensive feasibility studies to support the development and implementation of wind-driven CAES systems. Additionally, there is a growing necessity to explore the feasibility of small-scale CAES systems, focusing on their potential to bolster energy security and resilience for small or remote communities in distributed energy systems. By examining the existing literature and highlighting the gaps in current research, a number of insights are provided serving as foundations for future investigations in this field.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,849
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 GPT0,171
Écart entre enseignants0,158 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetWind Turbine Control SystemsTravaux en français237 207