MétaCan
Menu
Retour à la cohorte
Enregistrement W2968632776 · doi:10.29008/etc2019-381

Part load resonance risk assessment of francis hydropower units

2019· article· en· W2968632776 sur OpenAlexfundno aff
Joao Gomes Perreira, Arthur Favrel, Christophe Nicolet, François Avellan

Notice bibliographique

RevueProceedings of ... European Conference on Turbomachinery Fluid Dynamics & Thermodynamics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesFP7 EnergyBundesamt für EnergieBC HydroKommission für Technologie und InnovationEuropean Commission
Mots-clésFrancis turbineDraft tubeHydropowerTurbineResonance (particle physics)Marine engineeringHydraulic turbinesPrecessionCavitationRotor (electric)RopeMechanicsEngineeringComputer scienceStructural engineeringPhysicsMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

While operating at part load, Francis turbines feature a precessing cavitation vortex rope in its draft tube. The precession of this vortex in the elbow of the draft tube acts as a pres-sure pulsation source which frequency can match the first hydroacoustic eigenfrequency of the hydraulic system in some cases. Resonance phenomenon can be predicted by using reduced scale physical model tests and numerical simulations, but it remains challenging. This paper proposes a procedure to estimate the risk of part load resonance at the early stage of a hydropower project. The proposed procedure uses the hydroacoustic properties of a given reduced scale physical model and applies them to a large number of turbine de-signs and power plant configurations to assess the risk of resonance for each one of them. Results show that resonance are likely to occur in hydropower plants in a certain range of turbine rated head and rated discharge values. These results can then indicate if more detailed investigations in some specific hydropower projects are necessary.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,471
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,200
Écart entre enseignants0,192 · 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'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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of ... European Conference on Turbomachinery Fluid Dynamics & ThermodynamicsMême sujetWater Systems and OptimizationTravaux en français237 207