Contribution à l'évaluation de la fiabilité en fatigue des turbines hydroélectriques
Bibliographic record
Abstract
Cette recherche a pour objectifs le développement, la validation et l’application d’outils pour estimer la fiabilité en fatigue des aubes de turbines hydroélectriques. Au cours des dernières années, la déréglementation des marchés et la position croissante qui est donnée aux modes de production intermittents, telle que la production d’électricité à partir de l’énergie éolienne, ont forcé les producteurs d’hydroélectricité à modifier leur façon d’opérer leurs équipements de production électrique. Une des conséquences est l’augmentation des fluctuations sur le chargement des équipements qui, en contrepartie, augmente leurs risques de défaillance. Ces changements rendent difficile la planification de la maintenance pour garantir des niveaux de disponibilité adéquats. Donc, pour les manufacturiers de ces équipements et pour les producteurs d’électricité, avoir la possibilité d’évaluer l’influence de tels changements devient essentiel. \n \nLes résultats de cette thèse sont présentés sous la forme de trois chapitres. Ceux-ci couvrent successivement les aspects suivants : la caractérisation du chargement, la construction d’un modèle d’endommagement et le calcul de la fiabilité des aubes de turbines hydroélectriques. Une introduction ainsi qu’une revue de la littérature sont présentés avant les chapitres qui forment le corps de la thèse pour mettre en perspective les travaux effectués. Dans le Chapitre 1, la modélisation du chargement des aubes de turbines hydroélectriques est abordée avec l’application de modèles de simulation stochastique à la simulation de la réponse transitoire des aubes de turbines hydroélectriques lors du démarrage de celles-ci. Nos résultats révèlent que ces méthodes sont utiles lorsque les données observées sont limitées. Le démarrage des turbines hydroélectriques se révèle un cas intéressant, car cet évènement ne se reproduit jamais de manière identique. Ensuite, dans le Chapitre 2, nous proposons un modèle de fiabilité en fatigue spécifiquement adapté aux aubes de turbines hydroélectriques. Dans ce chapitre, un état limite qui permet d’estimer la fiabilité des aubes de turbines hydroélectriques est défini. Cet état limite permet de déterminer à partir de quel moment une fissure devient critique et par le fait même peut être détectée pour éventuellement être réparée. Finalement, au Chapitre 3, l’effet et la portée des hypothèses émises lors de l’établissement du profil de chargement dans le calcul de la fiabilité d’une turbine hydroélectrique sont discutés. Une étude de cas effectuée sur une turbine provenant d’une centrale hydroélectrique qui appartient à Hydro-Québec est utilisée pour illustrer l’influence de ces hypothèses émises sur le chargement. Plusieurs profils de chargement simplifiés sont proposés avec des caractéristiques définies à partir des données observées in situ. \n \nLa conclusion de cette thèse montre les avancées scientifiques qu’ont générés nos travaux sur la fiabilité en fatigue des turbines hydroélectrique. De plus, nous portons un intérêt particulier aux perspectives de recherche soulevées par les travaux présentés dans cette thèse et aussi aux travaux que nous avons initiés parallèlement à ceux-ci.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".