16. Efficient Cavitation Detection Technology for Optimizing Hydro Turbine Operation and Maintenance
Notice bibliographique
Résumé
Cavitation damages are the result of repeated collapses of transient vapour cavities. When the micro-jets or shock waves of water vapour implosions hit the metal surface of the runner blades, they leave a signature of vibrations at very high frequencies. By measuring vibrations at strategic points on the hydroelectric unit, important data can be retrieved. These data are then mathematically treated in order to isolate vibrations resulting directly of cavitation erosions from other noises inherent with turbine operation. Hydro-Quebec has spent considerable effort in studying cavitation detection using the vibratory approach. In recent years a technology transfer activity took place from lab and field development to field measurement applications. In this paper we will principally describe recent field results. We will explain how these data are valuable for optimal operation aiming at maximizing availability and minimizing maintenance. We will also explain how transferring the technology from IREQ, Hydro-Quebec's research institute to Hydro-Quebec Generation Group helped adapting the method to the field needs. After developing highly cavitation resistant materials and the Scompi robot for cavitation repairs, Hydro-Quebec has spent considerable effort in cavitation detection by the vibratory method. When this technology reached field implementation, the different applications have emerged into: Measuring relative cavitation aggressiveness; Measuring absolute cavitation aggressiveness; Monitoring cavitation aggressiveness. Many uses could be resulting from these applications: Identification of optimal operating conditions for minimizing cavitation damages; Comparison between two machines, one that has been modified and the other not; or comparison between before and after a modification on a machine; Predicting the time of performing repairs, i.e. optimizing repairs planning; Except for an initial inspection, eliminating future cavitation inspections; Verification of model cavitation predictions; Performing acceptance tests. The cavitation detection technology applied on machines with cavitation problems or on new, upgraded or rehabilitated machines can minimize maintenance costs and operating revenue losses.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».