MétaCan
Menu
Retour à la cohorte
Enregistrement W4306175592 · doi:10.1088/1755-1315/1079/1/012003

Investigation of Water Hammer Overpressure in the Hydraulic Passages of Hydropower Plants Equipped with Francis Turbines

2022· article· en· W4306175592 sur OpenAlexaffabout
S-I Lupa, M Gagnon, Sebastian Muntean, Georges Abdul-Nour

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversité du Québec à Trois-RivièresHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésOverpressureWater hammerHydropowerHammerExperimental dataMarine engineeringGeotechnical engineeringTransient (computer programming)Environmental scienceComputer scienceEngineeringStructural engineeringMechanical engineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Water hammer shortens hydraulic passage lifespan and may cause sudden failure. The primary goal is to use a hierarchical approach to assess the main parameters associated with water hammer. This will help investigate their influence and assist in decision making. Analytical calculation results and a numerical model are compared against experimental data. Our investigations examine water hammer overpressure loading induced by transient regimes. We used data from experimental campaigns carried out within the Hydro-Québec fleet that cover different types of hydraulic turbines and hydraulic passage configurations as experimental dataset. Guide vane closing rate was the main parameter controlled during the overpressure experiments and a general trend was identified for overpressure. This empirical trend is compared to model estimates in order to validate the hypothesis taken into account for calculations. An in-depth understanding of the water hammer phenomenon helps to select the appropriate theoretical model and recommend the optimal operating parameters to extend lifetime and to avoid catastrophic failures. Our study case suggests that available experimental data can be used along with gradually increasing analysis complexity to identify the optimal methodology for a given configuration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 GPT0,162
Écart entre enseignants0,154 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetWater Systems and OptimizationTravaux en français237 207