MétaCan
Menu
Retour à la cohorte
Enregistrement W3170939364 · doi:10.1088/1755-1315/774/1/012115

Numerical Investigation of flow instabilities in Speed No-Load operation of a Bulb turbine

2021· article· en· W3170939364 sur OpenAlexaff
Ken Yamamoto, M Roubaty, M Morisod, Maxime Coulaud, Sébastien Houde

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésTurbineTorqueVortexStall (fluid mechanics)Rotational speedMechanicsFlow (mathematics)PhysicsControl theory (sociology)EngineeringAerospace engineeringMechanical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract When operating in Speed-No-Load (SNL), turbines function at their synchronous rotating speed with a fraction of discharge at best efficiency point, ready for electrical grid connection. The flow in SNL condition is characterized by high swirling component leading to complex flow structures inside the runner, which generate wide-band pressure fluctuations. When operating in SNL condition, high specific speed turbines, such as axial turbines, can be damaged by significant pressure oscillations attributed to rotating vortex phenomena, alike rotating stall. However, understanding the fundamental flow dynamics behind the phenomena in SNL condition remains challenging due to the stochastic nature of flow. The present research highlights unsteady flow characteristics and flow instabilities in SNL condition of a bulb turbine by URANS simulations based on scale-resolving techniques. The simulation results provide evidence that the development of a rotating vortex array in precession with the runner is a major source of pressure oscillations and torque fluctuations in SNL operation of this bulb turbine.

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 enseignants0,011
Score d'incertitude au seuil0,021

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,175
Écart entre enseignants0,167 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207