CN112343750A - 一种斜坡越浪波能发电装置实时发电量预测方法 - Google Patents
一种斜坡越浪波能发电装置实时发电量预测方法 Download PDFInfo
- Publication number
- CN112343750A CN112343750A CN202011112162.6A CN202011112162A CN112343750A CN 112343750 A CN112343750 A CN 112343750A CN 202011112162 A CN202011112162 A CN 202011112162A CN 112343750 A CN112343750 A CN 112343750A
- Authority
- CN
- China
- Prior art keywords
- water
- wave
- power generation
- real
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
- F03B11/008—Measuring or testing arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Control Of Water Turbines (AREA)
Abstract
本发明公开了一种斜坡越浪波能发电装置实时发电量预测方法,包括如下步骤:步骤1,确定装置与环境参数:步骤2,开展装置越浪性能的小比尺水工物理模型试验:步骤3,形成装置原型越浪量数据库:步骤4,建立蓄水池越浪量估算模型:步骤5,确定蓄水池蓄水放水控制策略:步骤6,计算装置原型实时发电量。本发明所公开的预测方法,涵盖从波浪到发电的全过程模拟预测,在功能上解决了实时预测装置发电量的技术问题,有助于结构优化设计及设备定型决策,节约建造成本,提高装置转换效率,还可应用于装置性能评估。
Description
技术领域
本发明属于海洋可再生能源利用的波浪能发电装置领域,特别涉及该领域中的一种斜坡越浪波能发电装置实时发电量预测方法。
背景技术
斜坡越浪式波浪能发电装置作为一种典型的波浪能发电装置,以水体为能量转换介质,能够将较不稳定的波浪能转换为蓄水池内相对稳定的水体势能,发电出力相对平稳;该种波浪能发电装置活动部件少,抗风浪能力强,可适应于各种极端海况,具有较高的稳定性及可靠性。
斜坡越浪波能发电装置的基本工作原理为波浪撞击装置斜坡道之上,爬升翻越进入后方高位蓄水池中,形成内外水头差,入射波浪能转换为蓄水池中的水体势能,完成能量一级转换;当蓄水池内水头满足发电要求时,通过回流管道释放水体返回大海,并驱动管道内的低水头水轮机工作,水体势能转换为水轮机旋转的机械能,完成能量二级转换;低水头水轮机通过转轴驱动发电机发电,将轴功转换为电能,完成能量三级转换。
由于早期技术发展不成熟,装置的设计往往将多级能量转换过程各自独立研究,忽略了各转换环节的相互影响及耦合联动,这导致装置内各环节机构匹配度差,整体发电效率低,实际运行效果与理论设计预期存在较大的差距。斜坡越浪式波浪能发电装置的结构设计需综合考虑投放海域的波浪场条件、潮位变化与结构物的作用关系,并装配与环境动力相匹配的低水头水轮机及发电机,才可达到装置预期的装机功率。因此如果在装置的研发设计及海试阶段,就能够开展从波浪到发电的全过程模拟预测,提前估算装置的发电出力水平及工作效率,是一项有实际工程意义的重要工作,也是目前海洋能装置发展及规模化亟待解决的问题。
发明内容
本发明所要解决的技术问题就是提供一种斜坡越浪波能发电装置实时发电量预测方法。
本发明采用如下技术方案:
一种斜坡越浪波能发电装置实时发电量预测方法,其改进之处在于,包括如下步骤:
步骤1,确定装置与环境参数:
确定斜坡越浪波能发电装置的形状结构参数,包括蓄水池层数S、每层蓄水池的顶高程HR、深度d、长度L、宽度LB、斜坡倾角α,形状结构参数构成下述步骤6的输入数据库F1,F1=(S,HR,d,L,LB,α...);确定斜坡越浪波能发电装置的设备参数,包括水轮机工作额定水头h1、最小水头h2、设计流量Q、水轮机工作效率eT、发电机工作效率eG,设备参数构成下述步骤6的输入数据库F2,F2=(h1,h2,Q,eT,eG...);确定工程海域环境资料,包括潮位数据和波浪数据,潮位数据包括潮位类型、潮差或实时潮位数据,波浪数据包括随机波波谱、波高和周期,工程海域环境资料构成下述步骤6的输入数据库F3;
步骤2,开展装置越浪性能的小比尺水工物理模型试验:
开展断面水槽试验或平面水池试验,入射波浪采用规则波造波,得到装置在不同规则波及水位组合条件下的单宽平均越浪量;
步骤3,形成装置原型越浪量数据库:
通过步骤2得到的装置单宽平均越浪量数据,根据重力相似原理,进行比尺反算,可得到装置原型在不同波浪周期T、波高H、水位D条件下的有限个数越浪量参考样本K,具体见下式(1),同时利用人工智能方法的神经网络技术,通过关联规则学习,建立网络结构,开展网络训练,形成装置原型在各种波浪和水位组合条件下无限个数的越浪量数据库A,具体见下式(2);
步骤4,建立蓄水池越浪量估算模型:
在装置结构基础上,以实际海况的实时波浪和潮位数据为输入,对实时波面采用上跨零点法,分解为若干组一一对应的波高H1、周期T1、水位D1到波高Hn、周期Tn、水位Dn的组合,并利用已建立好的越浪量数据库A,计算得出对应的若干组越浪量q1......qn,形成蓄水池中实时越浪量的估算模型;
步骤5,确定蓄水池蓄水放水控制策略:
当蓄水池内水位蓄满且与装置外潮位形成的内外水头差达到水轮机额定工作条件时,即可打开蓄水池放水阀门,开始放水,水轮机在水流作用下运转发电;若内外水头差太小,不满足水轮机额定水头要求,则等待装置外潮位下落,直到水头差满足条件;
当内外水头差不足以驱动水轮机正常工作,则关闭蓄水池放水阀门,让蓄水池继续蓄水,以满足下次水轮机工作的额定水头,此时发电机不发电;
步骤6,计算装置原型实时发电量:
将步骤4获得的实时越浪量数据与步骤5确定的控制策略相结合,输入步骤1确定的装置与环境参数数据库F1、F2、F3,根据下式(3)的装置发电功率计算公式,即可计算出蓄水池内的实时水位、水轮机和发电机的运行功率,最终得到装置的实时及累计发电量;
P=ρ·g·Q·He·eT·eG (3)
式中,ρ为海水密度,g为重力加速度,Q为出水口流量,He为装置工作水头差,eT与eG分别为装置水轮机与发电机工作效率。
本发明的有益效果是:
本发明所公开的方法,涵盖从波浪到发电的全过程模拟预测,在功能上解决了实时预测装置发电量的技术问题,有助于结构优化设计及设备定型决策,节约建造成本,提高装置转换效率,还可应用于装置性能评估。另外具有以下优点:
(1)相较于传统的理论方法、经验公式、多级能量转换效率单向线性叠加等推测方法,本方法将小比尺物理模型试验获得的模型数据与人工智能技术相结合,充分利用了物理模型试验获得的实测数据,计算适用范围可推广到实际海况随机波的非线性问题,计算结果更科学合理,具有实际工程意义;
(2)该方法计算过程简单易行,计算成本低,计算时长及对计算机的硬件要求远远小于数值模拟计算;
(3)该方法充分考虑了后端水轮机的控制策略问题,是综合了获能端与发电端双向影响的整体计算方法。
附图说明
图1是本发明实施例1所公开方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1,如图1所示,本实施例公开了一种斜坡越浪波能发电装置实时发电量预测方法,包括如下步骤:
步骤1,确定装置与环境参数:
确定斜坡越浪波能发电装置的形状结构参数,包括蓄水池层数S、每层蓄水池的顶高程HR、深度d、长度L、宽度LB、斜坡倾角α等,形状结构参数构成下述步骤6的输入数据库F1,F1=(S,HR,d,L,LB,α...);确定斜坡越浪波能发电装置的设备参数,包括水轮机工作额定水头h1、最小水头h2、设计流量Q、水轮机工作效率eT、发电机工作效率eG等,设备参数构成下述步骤6的输入数据库F2,F2=(h1,h2,Q,eT,eG...);确定工程海域环境资料,包括潮位数据和波浪数据,潮位数据包括潮位类型、潮差或实时潮位数据,波浪数据包括随机波波谱、波高和周期等,工程海域环境资料构成下述步骤6的输入数据库F3;
步骤2,开展装置越浪性能的小比尺水工物理模型试验:
物理模型试验可根据试验条件和规模开展断面水槽试验或平面水池试验,入射波浪采用规则波造波,波浪要素及水位需尽量涵盖工程海域常见的波浪、潮位条件,通过试验得到装置在不同规则波及水位组合条件下的单宽平均越浪量;
步骤3,形成装置原型越浪量数据库:
通过步骤2得到的装置单宽平均越浪量数据,根据重力相似原理,进行比尺反算,可得到装置原型在不同波浪周期T、波高H、水位D条件下的有限个数越浪量参考样本K,具体见下式(1),同时利用先进的人工智能方法,如利用神经网络技术,通过关联规则学习,建立网络结构,开展网络训练,形成装置原型在各种波浪和水位组合条件下无限个数的越浪量数据库A,具体见下式(2);
步骤4,建立蓄水池越浪量估算模型:
在现有装置结构基础上,以实际海况的实时波浪和潮位数据为输入,对实时波面采用上跨零点法,分解为若干组一一对应的波高H1、周期T1、水位D1到波高Hn、周期Tn、水位Dn的组合,并利用已建立好的越浪量数据库A,计算得出对应的若干组越浪量q1......qn,形成蓄水池中实时越浪量的估算模型;
步骤5,确定蓄水池蓄水放水控制策略:
根据装置实际工作需要,可设计不同的蓄水池蓄水放水控制策略。本方法采用的策略为:
当蓄水池内水位蓄满且与装置外潮位形成的内外水头差达到水轮机额定工作条件时,即可打开蓄水池放水阀门,开始放水,水轮机在水流作用下运转发电;若内外水头差太小,不满足水轮机额定水头要求,则等待装置外潮位下落,直到水头差满足条件;
当内外水头差不足以驱动水轮机正常工作,则关闭蓄水池放水阀门,让蓄水池继续蓄水,以满足下次水轮机工作的额定水头,此时发电机不发电;
以此形成蓄水池蓄水放水,发电机集中高效发电的工作循环。
步骤6,计算装置原型实时发电量:
将步骤4获得的实时越浪量数据与步骤5确定的控制策略相结合,输入步骤1确定的装置与环境参数数据库F1、F2、F3,根据下式(3)的装置发电功率计算公式,即可计算出蓄水池内的实时水位、水轮机和发电机的运行功率,最终得到装置的实时及累计发电量;
P=ρ·g·Q·He·eT·eG (3)
式中,ρ为海水密度,g为重力加速度,Q为出水口流量,He为装置工作水头差,eT与eG分别为装置水轮机与发电机工作效率。
本实施例的目的是提供一种涵盖从波浪到发电全过程的发电量实时预测方法,该方法实现了根据已知波浪场环境条件及越浪式波能发电装置参数,可直接预测装置的输出功率,以科学合理的方法使预测值贴近实际运行效果,解决装置实际运行效果与设计预期差距较大的现实问题,在避免资源浪费的同时,为装置结构设计、控制优化、海试决策、发电性能评估提供可靠的前期依据,提高装置实际投产运行的可行性,并为波浪能装置全过程模拟工具的开发提供了新思路。
Claims (1)
1.一种斜坡越浪波能发电装置实时发电量预测方法,其特征在于,包括如下步骤:
步骤1,确定装置与环境参数:
确定斜坡越浪波能发电装置的形状结构参数,包括蓄水池层数S、每层蓄水池的顶高程HR、深度d、长度L、宽度LB、斜坡倾角α,形状结构参数构成下述步骤6的输入数据库F1,F1=(S,HR,d,L,LB,α...);确定斜坡越浪波能发电装置的设备参数,包括水轮机工作额定水头h1、最小水头h2、设计流量Q、水轮机工作效率eT、发电机工作效率eG,设备参数构成下述步骤6的输入数据库F2,F2=(h1,h2,Q,eT,eG...);确定工程海域环境资料,包括潮位数据和波浪数据,潮位数据包括潮位类型、潮差或实时潮位数据,波浪数据包括随机波波谱、波高和周期,工程海域环境资料构成下述步骤6的输入数据库F3;
步骤2,开展装置越浪性能的小比尺水工物理模型试验:
开展断面水槽试验或平面水池试验,入射波浪采用规则波造波,得到装置在不同规则波及水位组合条件下的单宽平均越浪量;
步骤3,形成装置原型越浪量数据库:
通过步骤2得到的装置单宽平均越浪量数据,根据重力相似原理,进行比尺反算,可得到装置原型在不同波浪周期T、波高H、水位D条件下的有限个数越浪量参考样本K,具体见下式(1),同时利用人工智能方法的神经网络技术,通过关联规则学习,建立网络结构,开展网络训练,形成装置原型在各种波浪和水位组合条件下无限个数的越浪量数据库A,具体见下式(2);
步骤4,建立蓄水池越浪量估算模型:
在装置结构基础上,以实际海况的实时波浪和潮位数据为输入,对实时波面采用上跨零点法,分解为若干组一一对应的波高H1、周期T1、水位D1到波高Hn、周期Tn、水位Dn的组合,并利用已建立好的越浪量数据库A,计算得出对应的若干组越浪量q1......qn,形成蓄水池中实时越浪量的估算模型;
步骤5,确定蓄水池蓄水放水控制策略:
当蓄水池内水位蓄满且与装置外潮位形成的内外水头差达到水轮机额定工作条件时,即可打开蓄水池放水阀门,开始放水,水轮机在水流作用下运转发电;若内外水头差太小,不满足水轮机额定水头要求,则等待装置外潮位下落,直到水头差满足条件;
当内外水头差不足以驱动水轮机正常工作,则关闭蓄水池放水阀门,让蓄水池继续蓄水,以满足下次水轮机工作的额定水头,此时发电机不发电;
步骤6,计算装置原型实时发电量:
将步骤4获得的实时越浪量数据与步骤5确定的控制策略相结合,输入步骤1确定的装置与环境参数数据库F1、F2、F3,根据下式(3)的装置发电功率计算公式,即可计算出蓄水池内的实时水位、水轮机和发电机的运行功率,最终得到装置的实时及累计发电量;
P=ρ·g·Q·He·eT·eG (3)
式中,ρ为海水密度,g为重力加速度,Q为出水口流量,He为装置工作水头差,eT与eG分别为装置水轮机与发电机工作效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112162.6A CN112343750A (zh) | 2020-10-16 | 2020-10-16 | 一种斜坡越浪波能发电装置实时发电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112162.6A CN112343750A (zh) | 2020-10-16 | 2020-10-16 | 一种斜坡越浪波能发电装置实时发电量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112343750A true CN112343750A (zh) | 2021-02-09 |
Family
ID=74362011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011112162.6A Pending CN112343750A (zh) | 2020-10-16 | 2020-10-16 | 一种斜坡越浪波能发电装置实时发电量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112343750A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892099A (zh) * | 2024-03-18 | 2024-04-16 | 湖南科技大学 | 基于概率神经网络的风电机组服役效能评估方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102062041A (zh) * | 2011-01-29 | 2011-05-18 | 浙江大学 | 冲浪式波浪发电装置及方法 |
US8452516B1 (en) * | 2012-01-31 | 2013-05-28 | United Technologies Corporation | Variable vane scheduling based on flight conditions for inclement weather |
CN103195643A (zh) * | 2013-04-24 | 2013-07-10 | 中国水利水电科学研究院 | 一种海岸波能旋流发电方法和装置 |
KR20140092218A (ko) * | 2013-01-14 | 2014-07-23 | 홍문표 | 조석과 파도를 이용한 다단계 복류식 수차발전소구조물. |
CN204212912U (zh) * | 2014-10-20 | 2015-03-18 | 中国海洋大学 | 分层越浪式波能发电装置的分层自启闭电控系统 |
-
2020
- 2020-10-16 CN CN202011112162.6A patent/CN112343750A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102062041A (zh) * | 2011-01-29 | 2011-05-18 | 浙江大学 | 冲浪式波浪发电装置及方法 |
US8452516B1 (en) * | 2012-01-31 | 2013-05-28 | United Technologies Corporation | Variable vane scheduling based on flight conditions for inclement weather |
KR20140092218A (ko) * | 2013-01-14 | 2014-07-23 | 홍문표 | 조석과 파도를 이용한 다단계 복류식 수차발전소구조물. |
CN103195643A (zh) * | 2013-04-24 | 2013-07-10 | 中国水利水电科学研究院 | 一种海岸波能旋流发电方法和装置 |
CN204212912U (zh) * | 2014-10-20 | 2015-03-18 | 中国海洋大学 | 分层越浪式波能发电装置的分层自启闭电控系统 |
Non-Patent Citations (3)
Title |
---|
ZHEN LIU: "Experimental study on multi-level overtopping wave energy convertor under regular wave conditions", 《INTERNATIONAL JOURNAL OF NAVAL ARCHITECTURE AND OCEAN ENGINEERING》 * |
曲娜: "基于BP神经网络的分层越浪式波能发电装置越浪量估算研究", 《中国水运》 * |
韩光华: "越浪式波能发电装置的能量获取系统设计研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892099A (zh) * | 2024-03-18 | 2024-04-16 | 湖南科技大学 | 基于概率神经网络的风电机组服役效能评估方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cuadra et al. | Computational intelligence in wave energy: Comprehensive review and case study | |
Behrouzi et al. | Global renewable energy and its potential in Malaysia: A review of Hydrokinetic turbine technology | |
Liu et al. | Study on energy conversion and storage system for a prototype buoys-array wave energy converter | |
CN114580152A (zh) | 一种基于多体耦合分析的浮式风电结构基础局部应力时域分析方法 | |
JP2012112244A (ja) | 低水位差大流量発電装置 | |
CN110739726B (zh) | 一种考虑海上风电接入的多类型电源容量长期规划方法 | |
Xue et al. | Design of tidal range energy generation schemes using a Genetic Algorithm model | |
Liu et al. | OWC air chamber performance prediction under impulse turbine damping effects | |
CN112343750A (zh) | 一种斜坡越浪波能发电装置实时发电量预测方法 | |
Yacob et al. | Oscillating Water Column Geometrical Factors and System Performance: A Review | |
Chenari et al. | Wave energy systems: An overview of different wave energy converters and recommendation for future improvements | |
Kontoleontos et al. | Annual energy production maximization for tidal power plants with evolutionary algorithms | |
CN114169605A (zh) | 一种适用于泵和水力透平的物理场和性能协同预测方法 | |
Rahoor | Comparison of control strategies for wave energy converters | |
TW202113224A (zh) | 將波浪動能轉換成位能的構造 | |
Bonovas | WECs over general bathymetry: A novel approach for performance evaluation and optimization | |
Knapp et al. | Turbine development for the Wave Dragon wave energy converter | |
Bostan et al. | Kinetical energy of river running water | |
Qureshi et al. | A new method for extracting ocean wave energy utilizing the wave shoaling phenomenon | |
Trapanese et al. | State of art and economic evaluation of wave energy converters. A case study | |
Mayon et al. | Hydrodynamic performance of a porous-type land-fixed oscillating water column wave energy converter | |
Ahmed et al. | Experimental and numerical modelling of break water overtopping for plain, converging and stairs slope | |
Sewnarain | Harnessing tidal energy for power generation in South Africa | |
von Sydow | Investigating the impact of wave energy in the electric power system-a case study of southern sweden | |
Siswantara et al. | Design Procedure of Archimedes Hydro Turbine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |