Technico-economic modelling of maintenance cost for hydroelectric turbine runners
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
Large utilities need to optimize the investment made to maintain their assets. For a utility like Hydro-Québec (37 GW) an important part of those investments are made to maintain their hydroelectric facilities. To minimize the maintenance cost, technico-economic model enabling the propagation of uncertainty associated with the degradation processes of a given component seems essential. Therefore, for Francis hydroelectric turbine runners, we developed two technico-economic models: one for crack propagation and one for cavitation. Since these are the main degradation mechanisms leading to failure of Francis runners, they enable us to study the effect of maintenance strategies on the maintenance cost of these components. The model has been created using VME, an asset management software developed by EDF R&D (Électricité de France). VME uses Monte-Carlo simulations to generate stochastic failure dates and obtains probabilistic indicators of the net present value of a given management strategy. We will use a study case based on a Hydro-Québec (Québec, Canada) facility to illustrate the importance of the proper assessment of current and expected long-term reliability on maintenance cost. The paper will be structured as follows. First, an overview of the modelling strategy will be presented. Then, we will have a closer look on how VME, the tool used for Monte-Carlo simulations, derive its results. Finally, we will present a study case and discuss the results obtained in terms of the sensitivity to the reliability assessment uncertainties.
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) | 0,001 | 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 | 0,001 |
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