DOE-ANOVA to Optimize Hydrokinetic Turbines for Low Velocity Conditions
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
The need of reducing the dependence of fossil fuels and CO2 emissions have motivated the diversification of energy matrix. Among the Renewables, the hydropower shows better characteristics compared to solar, wind, biomass and geothermal, because its low CO2 emissions, higher density and others technical factors. Within the Hydropower, the Hydrokinetic turbines (HT) are considered as a promising technology because can provide electricity during low flow velocity conditions (< 2 m/s) and is able to operate in shallow waters < 8 m and in secluded areas without access to the energy network. In this sense, the present study incentivizes the research in Hydropower and proposes and new application of DOE-ANOVA combined with Computational Fluid Dynamics (CFD) modelling for the HT design and optimization. Accordingly, this work evaluated the performance of a HT with 1.9 m of rotor diameter operating in a water flow of 1.5 m/s through a 23 factorial design with 9 modelling cases (MC). The results showed that the increment of outlet diameters increased the downstream velocity and the hydrodynamic pressure over the HT, and the reduction of the blade tip edge distance generated an increment of the response of the HT hydraulic and mechanical properties.
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