Investigation of a Pico Turgo Turbine for High-Rise Buildings Using Computational Fluid Dynamics
Notice bibliographique
Résumé
Thailand is a rapidly developing country, and many high-rise buildings are being constructed to satisfy the demands of the increasing populace. The country is located in tropical South East Asia, which means it experiences abundant rainfall during the rainy season. The design of a hydropower system from a waterfall is re-invented in this study using rainwater flowing from the rooftop of a high-rise building to drive a Pico Turgo Turbine. In the building under study, the rooftop is restructured to receive and store 57.6 m3 of rainwater, which is allowed to flow down through a designed pipe of 21 m head to a Pico Turgo Turbine of 1 kW capacity. The turbine is fitted with four 10-mm-diameter nozzles that have a 17 angle of attack between the water jets and the buckets, a 430-mm runner diameter, and 21 buckets with a total capacity of 0.007 m3. The power generated by the device is analysed and compared with a Computational Fluid Dynamics (CFD) simulation under certain boundary conditions. The simulations use the k- turbulent flow model. The bucket is designed according to hydrodynamic theory and parameterised using Bezier polynomials. The theoretical calculation yields 1,310 W of electricity, the CFD simulation suggests 1,037 W, and the experimental result gives 950 W. The results are analysed according to the efficiency of output, with the CFD simulation representing 79.21% efficiency whereas the experimental result suggests 72.51% efficiency. The efficiency of the model is also investigated with respect to flow design and recommendations for future optimisation are presented.
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 | 0,001 | 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 ».