Large eddy simulations of a Francis turbine operating at ultra-low load to overload conditions
Notice bibliographique
Résumé
Due to the increasing global power demand, hydropower plants face the challenge of operating at flow rates far from their best efficiency point to comply with the electrical grid. Consequently, turbine units experience unstable high swirling flows under different load conditions, reducing the life of system components. Understanding the mechanisms behind the onset and sustenance of these instabilities in the swirling flow leaving the turbine runner is crucial for improving turbine performance. To achieve this, large eddy simulations were conducted to characterize the unsteady flow inside an industrial-sized Francis turbine. The turbine was studied under a wide range of flow rates, 100%, 80%, 60%, 40%, and 120% of the design flow rate. A high swirl velocity was introduced as the flow rate deviated from 100% load, causing significant changes in the flow structure. An organized structure of vortex filaments in a helical pattern is seen inside the draft tube at 80% and 60% load, and the 40% load case showed an unorganized collection of small-scale vortices. A straight vortex cavity is seen in the draft tube center at 120% excess load. At the best design point, the magnitude of the swirl velocity was 0.1 times the tip speed. However, as the flow rate dropped to 40% of the design flow rate, the magnitude increased to 0.4 times the tip speed near the wall. In addition, the 40% load case had the highest magnitude of pressure fluctuations, over 25 times the peak design case near the runner. This showed that a very unsteady flow field could damage the system or cause unstable operation at ultra-low partial loads. Generated power dropped dramatically as the flow rate decreased, and more noise was present in the power signal.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».