Experimental Investigation of Dynamic Force on The Performance of Wet Snow Shedding
Notice bibliographique
Résumé
Wet snow can create serious electrical and mechanical problems to power transmission networks due to its high adherence to materials. In this study, both adherence of wet snow to cables and wet snow shedding following the application of periodic loads were investigated in small-scale experiments. Wet snow was obtained from fresh dry snow collected from the top layer of snow accumulated outdoors. The collected dry snow was exposed to warm air for periods of time long enough to obtain the desired liquid water content (LWC) values. Wet snow sleeves were manually prepared after being compressed around the cable. The room temperature, snow sleeve length, cable diameter, and cable length were kept constant for each experiment. Dynamic load on the cable was simulated by a periodic excitation applied at one end of the cable, while the other end was fixed. Since fading adhesion is a condition for snow shedding, and since LWC is a critical factor influencing adhesion, the effects of excitation frequency and amplitude were investigated for different LWC values. LWC was examined for values from 10 to 40%. When free water began to increase, snow at this stage was wet and it adhered stronger to the cable than low LWC, where there is no enough water to stick on the cable or high LWC where snow is transparent. The LWC range was found experimentally between 20 to 30% (Hefny R. et al., 2009). Different snow shedding scenarios were studied, for which the shedding sequence and acceleration were observed at the excitation point, also cable tension at the fixed end and vertical displacement at the mid-point of the span were measured.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».