Pertes énergétiques d'une éolienne à partir des formes de glace simulées numériquement
Notice bibliographique
Résumé
Les milieux nordiques disposent généralement de régions très bien exposées au vent et ces régions semblent idéales pour l'exploitation des éoliennes. Malheureusement, les problèmes liés au givrage y sont fréquents et ont des sérieuses conséquences sur la production des éoliennes, leur maintenance et leur durée de vie. \n \nLe givrage, qui est caractéristique des régions au climat froid, est le phémomène d'accumulation de glace sur les pales des éoliennes. Il est causé par la pluie verglaçante, la bruine et le brouillard givrant au niveau du sol ou le givrage dans les nuages en altitude, ou le gel, lorsque l'éolienne est installée à proximité des masses d'eau. Le givrage diminue les performances aérodynamiques en provoquant des pertes de puissance et par conséquent des pertes énergétiques. \n \nL'impact du givrage est difficile à quantifier sans essais expérimentaux et simulations numériques en raison du manque de données réelles sur le terrain. Le coût des essais en soufflerie étant élevé, une approche par simulations numériques permet de fournir rapidement des informations sur les pertes de performances aérodynamiques et énergétiques dans différentes configurations d'éoliennes et de conditions météorologiques. Combiner des mesures météorologiques nombreuses à des modèles numériques puissants est essentiel pour évaluer adéquatement l'impact du givre sur le fonctionnement d'une éolienne et sa production annuelle.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».