Numerical Investigation of Flow in a Runner of Low-Head Bulb Turbine and Correlation With Particle Image Velocimetry and Laser Doppler Velocimetry Measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is a well-known fact and a much studied problematic that the performance of low-head hydraulic turbines is highly dependent on the runner–draft tube coupling. Around the optimal operating conditions, the efficiency of the turbine follows closely the performance of the draft tube that in turn depends on the velocity field exiting the runner. Hence, in order to predict correctly the performance of the draft tube using numerical simulations, the flow inside the runner must be simulated accurately. Using results from unique and detailed particle image velocimetry (PIV) and laser Doppler velocimetry (LDV) measurements inside the runner channel of a bulb turbine, this paper presents an extensive study of the predictive capability of a widely used simulation methodology based on unsteady Reynolds-averaged Navier–Stokes equations with a k-epsilon closure model. The main objective was to identify the main parameters influencing the numerical predictions of the velocity field at the draft tube entrance in order to increase the accuracy of the simulated performance of the turbine. This paper relies on a comparison of simulations results with already published LDV measurements in the draft tube cone, interblade LDV, and stereoscopic PIV measurements within the runner. This paper presents a detailed discussion of numerical–experimental data correlation inside the runner channel and at the drat tube entrance. It shows that, contrary to widely circulated ideas, the near-wall predictions at the draft tube entrance is surprisingly good while the simulation accuracy inside the runner channels deteriorates from the leading to the trailing edges.
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.
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 découle