Using numerical analysis to design and optimize river hydrokinetic turbine to address seasonal velocity variations
Notice bibliographique
Résumé
Seasonal velocity variations can significantly impact total energy delivered to microgrids produced by river hydrokinetic turbines. These turbines typically use a diffuser to increase the velocity at the rotor section, adding weight and increasing deployment and retrieval costs. There is a need for practical solutions to improve the capacity factor of such turbines for remote communities. Part of the solution is addressed by developing multiple turbine rotors that can be interchanged to match seasonal velocity variations and thereby eliminate the need for shrouds to simplify the design and reduce costs. The proposed approach employs different rotor sizes to address seasonal river velocity changes, modifying the turbine power curve to increase the yearly river turbine capacity factor. A turbine design that can be surfaced using boats available in remote communities is used to allow 2 blades rotor changes. BladeGen ANSYS Workbench is used to design the three rotors of decreasing size for free stream velocities of 1.6, 2.2, and 2.8 m/s. For each hydrokinetic turbine rotor, the 3D simulation is applied to reduce aerodynamic losses and target a coefficient of performance of up to 45%, by optimizing the blade shape and rotor aerodynamic parameters. Mechanical stress analyses determine the maximum displacement and blade stress for stainless steel and composite materials. Numerical results were compared to experimental results: the pressure coefficient against the tip speed ratio demonstrated good agreement with the experimental data. Based on the simulations, the three rotor efficiencies varied from 43% to 45% at a TSR of 4, the point at which the maximum pressure coefficient was observed in numerical and experimental results, while the power output varied from 5.4 to 5.6 kW for the three velocities investigated. Results show that it is possible to significantly increase turbine capacity factors by interchanging rotors to account for seasonal velocity variations in rivers.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».