Towards an Improved Model for Predicting Hydraulic Turbine Efficiency- 1- Towards an Improved Model for Predicting Hydraulic Turbine Efficiency
Notice bibliographique
Résumé
Field performance testing of hydraulic turbines is undertaken to define the head-power-discharge relationship, which identify the turbine’s peak operating point. This relationship is essential for the efficient operation of a hydraulic turbine. Unfortunately, in some cases it is not feasible to field test turbines due to time, budgetary, or other constraints. Gordon (2001) proposed a method of mathematically simulating the performance curve for several types of turbines. However, a limited data set was available for the development of his model. Moreover, his model did not include a precise method of developing performance curves for rerunnered turbines. Manitoba Hydro operates a large network of hydroelectric turbines, which are subject to periodic field performance testing. This provides a large data set with which to refine the model proposed by Gordon (2001). Furthermore, since Manitoba Hydro’s data set includes rerunnered units, this provides an opportunity to include the effects of rerunnering in his model. The purpose of this paper is to refine Gordon’s model using Manitoba Hydro’s data set and to include the effects of rerunnering in the model. Analysis shows that the accuracy of the refined model is within ±2 % of the performance test results for an “old ” turbine. For a newer turbine or a rerunnered turbine, the error is within ±1%. For both an “old ” turbine and a rerunnered turbine, this indicates an accuracy improvement of 3 % over the original method proposed by Gordon (2001). 1.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».