MétaCan
Menu
Retour à la cohorte
Enregistrement W2917618616 · doi:10.1115/1.4042963

Numerical Investigation of Flow in a Runner of Low-Head Bulb Turbine and Correlation With Particle Image Velocimetry and Laser Doppler Velocimetry Measurements

2019· article· en· W2917618616 sur OpenAlexafffund
David Štefan, Sébastien Houde, Claire Deschênes

Notice bibliographique

RevueJournal of Fluids Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueCavitation Phenomena in Pumps
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésDraft tubeParticle image velocimetryMechanicsTurbineLaser Doppler velocimetryVelocimetryReynolds numberHead (geology)Flow (mathematics)PhysicsAcousticsSimulationEngineeringAerospace engineeringGeologyTurbulence

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetCavitation Phenomena in PumpsTravaux en français237 207