MétaCan
Menu
Retour à la cohorte
Enregistrement W4385583333 · doi:10.1080/15567036.2023.2241409

Critical decision making for rehabilitation of hydroelectric power plants

2023· article· en· W4385583333 sur OpenAlexaff
Kutay Çelebioğlu, Ece Aylı, Oğuzhan Ulucak, Selin Aradağ, Jerry Westerman

Notice bibliographique

RevueEnergy Sources Part A Recovery Utilization and Environmental Effects · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueCavitation Phenomena in Pumps
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésHydroelectricityReliability (semiconductor)Process (computing)Computational fluid dynamicsTurbineRehabilitationReliability engineeringComputer scienceEngineeringMarine engineeringPower (physics)Operations researchMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Due to their diminishing performance, reliability, and maintenance requirements, there has been a rise in the demand for the restoration and renovation of old hydroelectric power facilities in recent decades. Prior to initiating a rehabilitation program, it is crucial to establish a comprehensive understanding of the power plant’s current state. Failure to do so may result in unnecessary expenses with minimal or no improvements. This article presents a systematic rehabilitation methodology specifically tailored for Francis turbines, encompassing a methodological approach for condition assessment, performance testing, and evaluation of rehabilitation potential using site measurements and CFD analysis, and a comprehensive decision-making process. To evaluate the off-design performance of the turbines, a series of simulations are conducted for 40 different flow rate and head combinations, generating a hill chart for comprehensive evaluation. Various parameters that significantly impact the critical decision-making process are thoroughly investigated. The validity of the reverse engineering-based CFD methodology is verified, demonstrating a minor difference of 0.41% and 0.40% in efficiency and power, respectively, between the RE runner and actual runner CFD results. The optimal efficiency point is determined at a flow rate of 35.035 m3/s, achieving an efficiency of 94.07%, while the design point exhibits an efficiency of 93.27% with a flow rate of 38.6 m3/s. Cavitation is observed in the turbine runner, occupying 27% of the blade suction area at 110% loading. The developed rehabilitation methodology equips decision-makers with essential information to prioritize key issues and determine whether a full-scale or component-based rehabilitation program is necessary. By following this systematic approach, hydroelectric power plants can efficiently address the challenges associated with aging Francis turbines and optimize their rehabilitation efforts.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil0,567

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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,220 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Sources Part A Recovery Utilization and Environmental EffectsMême sujetCavitation Phenomena in PumpsTravaux en français237 207