Buchumschlag

Wind farm layout optimization using a novel machine learning approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Anjiraki, Mehrshad Gholami, Santoni, Christian, Shapourmiandouab, Samin, Seyedzadeh, Hossein, Craig, Jonathan, Sotiropoulos, Fotis, Khosronejad, Ali
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Toward ultra-efficient high-fidelity prediction of bed morphodynamics of large-scale meandering rivers using a novel LES-trained machine learning approach
von: Zhang, Zexia, et al.
Veröffentlicht: (2024)

Computational study of vertical-axis MHK turbines using a coupled flow-sediment-turbine modeling approach
von: Anjiraki, Mehrshad Gholami, et al.
Veröffentlicht: (2025)

On the interaction of fish and marine hydrokinetic turbines: Insights gained through experimental and computational observations
von: Seyedzadeh, Hossein, et al.
Veröffentlicht: (2025)

Large eddy simulation of a utility-scale vertical-axis marine hydrokinetic turbine under live-bed conditions
von: Anjiraki, Mehrshad Gholami, et al.
Veröffentlicht: (2025)

Toward ultra-efficient high fidelity predictions of wind turbine wakes: Augmenting the accuracy of engineering models via LES-trained machine learning
von: Santoni, Christian, et al.
Veröffentlicht: (2024)

Wind-farm power prediction using a turbulence-optimized Gaussian wake model
von: Zehtabiyan-Rezaie, Navid, et al.
Veröffentlicht: (2024)

Wind farm yaw control set-point optimization under model parameter uncertainty
von: Howland, Michael F.
Veröffentlicht: (2021)

Wind-farm wake recovery mechanisms in conventionally neutral boundary layers
von: Lanzilao, Luca, et al.
Veröffentlicht: (2024)

Modeling wind farm noise emission and propagation: effects of flow and layout
von: Colas, J., et al.
Veröffentlicht: (2025)

Two-way coupling of gravity waves and wind farm wakes: a reduced-order boundary-layer model
von: Kafiabad, Hossein A., et al.
Veröffentlicht: (2026)

A machine-learning optimized vertical-axis wind turbine
von: Liu, Huan, et al.
Veröffentlicht: (2025)

Assessment of machine learning methods for state-to-state approaches
von: Campoli, Lorenzo, et al.
Veröffentlicht: (2021)

Power loss mechanisms and optimal induction factors for realistic large wind farms
von: Nishino, Takafumi, et al.
Veröffentlicht: (2025)

Reduced-order modeling of a viscoelastic turbulent jet with hybrid machine learning models
von: Amor, Christian, et al.
Veröffentlicht: (2026)

Simultaneous layout and device parameter optimisation of a wave energy park in an irregular sea
von: Wilks, Ben, et al.
Veröffentlicht: (2025)

A progressive data-augmented RANS model for enhanced wind-farm simulations
von: Amarloo, Ali, et al.
Veröffentlicht: (2024)

Identifying efficient routes to laminarization: an optimization approach
von: Buzhardt, Jake, et al.
Veröffentlicht: (2025)

Statistical machine learning tools for probabilistic closures of turbulence models
von: Lemos, Julia Domingues, et al.
Veröffentlicht: (2025)

A novel simulation approach for concentration-driven evaporation in capillaries
von: Namesnik, Phil, et al.
Veröffentlicht: (2025)

Supervised machine learning of compressible flow past a rotating cylinder
von: Kumar, Sanjeev, et al.
Veröffentlicht: (2026)

Prediction of turbulent energy based on low-rank resolvent modes and machine learning
von: Fan, Yitong, et al.
Veröffentlicht: (2024)

Predicting liquid properties and behavior via droplet pinch-off and machine learning
von: Wang, Jingtao, et al.
Veröffentlicht: (2025)

High-efficient machine learning projection method for incompressible Navier-Stokes equations
von: Chen, Ruilin
Veröffentlicht: (2025)

Discovery of a Physically Interpretable Data-Driven Wind-Turbine Wake Model
von: Jigjid, Kherlen, et al.
Veröffentlicht: (2025)

Drag modelling for flows through assemblies of spherical particles with machine learning: A comparison of approaches
von: Reuter, Julia, et al.
Veröffentlicht: (2025)

oRANS: Online optimisation of RANS machine learning models with embedded DNS data generation
von: Dehtyriov, Daniel, et al.
Veröffentlicht: (2025)

Convergent series of Stokes wave of arbitrary height in deep water via machine learning
von: Lin, Chong, et al.
Veröffentlicht: (2025)

Defiltering turbulent flow fields for Lagrangian particle tracking using machine learning techniques
von: Oura, Tomoya, et al.
Veröffentlicht: (2024)

Deciphering the Dance of the Winds and Waves: Unraveling Anomalous Dynamics in Floating Offshore Wind Turbines
von: Liu, Yihan, et al.
Veröffentlicht: (2023)

Prediction of turbulent channel flow using Fourier neural operator-based machine-learning strategy
von: Wang, Yunpeng, et al.
Veröffentlicht: (2024)

Predicting the dynamics of a gas pocket during breaking wave impacts using machine learning
von: Ezeta, Rodrigo, et al.
Veröffentlicht: (2025)

Compressing fluid flows with nonlinear machine learning: mode decomposition, latent modeling, and flow control
von: Fukagata, Koji, et al.
Veröffentlicht: (2025)

Jet mixing enhancement with Bayesian optimization, deep learning, and persistent data topology
von: Li, Yiqing, et al.
Veröffentlicht: (2023)

Development of a Scaled Down Horizontal Axis Wind Turbine for Wind Tunnel Tests
von: Aryal, Bhaskar, et al.
Veröffentlicht: (2025)

Goal-oriented Feature Extraction: a novel approach for enhancing data-driven surrogate model
von: Wang, Xu, et al.
Veröffentlicht: (2024)

Enhancing generalizability of machine learning general effective-viscosity turbulence model via tensor basis normalization
von: Ji, Ziqi, et al.
Veröffentlicht: (2024)

Predictability of weakly turbulent systems from spatially sparse observations using data assimilation and machine learning
von: Gupta, Vikrant, et al.
Veröffentlicht: (2024)

Non-unique self-similar blowups in shell models: insights from dynamical systems and machine-learning
von: Campolina, Ciro, et al.
Veröffentlicht: (2025)

Machine learning approaches to close the filtered two-fluid model for gas-solid flows: Models for subgrid drag force and solid phase stress
von: Hardy, Baptiste, et al.
Veröffentlicht: (2023)

Prospects of federated machine learning in fluid dynamics
von: San, Omer, et al.
Veröffentlicht: (2022)