MétaCan
Menu
Retour à la cohorte
Enregistrement W2783346149 · doi:10.11575/prism/5353

Assessing the Accuracy of Convective Heat Transfer from Overhead Conductor at Low Wind Speed Using Large Eddy Simulations (LES)

2017· dissertation· en· W2783346149 sur OpenAlexfundno aff
Mohamed Abdelhady

Notice bibliographique

RevueOpen MIND · 2017
Typedissertation
Langueen
DomaineEngineering
ThématiqueThermal Analysis in Power Transmission
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Electric System Operator
Mots-clésConductorOverhead (engineering)Heat transferMeteorologyConvectionLarge eddy simulationWind speedConvective heat transferEnvironmental scienceMechanicsEngineeringPhysicsElectrical engineeringMaterials scienceTurbulence

Résumé

récupéré en direct d'OpenAlex

This project uses Computational Fluid Dynamics (CFD) to assess the accuracy of the forced cooling term for Real Time Thermal Rating (RTTR) of power lines in overhead conductor codes, IEEE 738 and CIGRÉ 207. The analysis is done for low wind speed, corresponding to Reynolds Number of 1,000, and 3,000. The project uses Large Eddy Simulation (LES) in the ANSYS Fluent software. The primary goal is to calculate the convective heat transfer for cylindrical and stranded conductors in non-turbulent flow and for cylindrical conductors with free-stream turbulence. The results showed that the heat transfer correlations used in the codes are accurate for low turbulent flows and that the stranded conductor causes an increase in heat transfer of ~9 % over a cylindrical conductor at low wind speed. The constant heat flux boundary condition experiences ~15 % higher Nusselt Number than uniform temperature boundary condition. The calculated increase in heat transfer due to turbulence was significant; increased heat transfer due to turbulence ~24 % at Reynolds Number of 3,000 at a turbulence intensity of 8% and length scale to diameter ratio of 0.4.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,367
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetThermal Analysis in Power TransmissionTravaux en français237 207