Exploring the potential of artificial intelligence tools in enhancing the performance of an inline pipe turbine

涡轮机 计算流体力学 尾水管 套管 水力发电 人工神经网络 海洋工程 航程(航空) 发电 计算机科学 工程类 机械工程 功率(物理) 模拟 人工智能 电气工程 航空航天工程 物理 量子力学
作者
Kutay Çelebioğlu,Ece Aylı,Huseyin Cetinturk,Yiğit Taşcıoğlu,Selin Aradağ
标识
DOI:10.1177/09544089231224324
摘要

In this study, investigations were conducted using computational fluid dynamics (CFD) to assess the applicability of a Francis-type water turbine within a pipe. The objective of the study is to determine the feasibility of implementing a turbine within a pipe and enhance its performance values within the operating range. The turbine within the pipe occupies significantly less space in hydroelectric power plants since a spiral casing is not used to distribute the flow to stationary vanes. Consequently, production and assembly costs can be reduced. Hence, there is a broad scope for application, particularly in small and medium-scale hydroelectric power plants. According to the results, the efficiency value increases on average by approximately 1.5% compared to conventional design, and it operates with higher efficiencies over a wider flow rate range. In the second part of the study, machine learning was employed for the efficiency prediction of an inline-type turbine. An appropriate Artificial Neural Network (ANN) architecture was initially obtained, with the Bayesian Regularization training algorithm proving to be the best approach for this type of problem. When the suitable ANN architecture was utilized, the prediction was found to be in good agreement with CFD, with an root mean squared error value of 0.194. An R 2 value of 0.99631 was achieved with the appropriate ANN architecture.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
247793325发布了新的文献求助10
1秒前
2秒前
3秒前
3秒前
小马甲应助111采纳,获得10
3秒前
XLtx完成签到,获得积分10
4秒前
能HJY发布了新的文献求助10
5秒前
5秒前
brossica发布了新的文献求助10
6秒前
7秒前
蝴蝶洁完成签到 ,获得积分10
7秒前
白桃汽水发布了新的文献求助10
7秒前
7秒前
榴莲小胖发布了新的文献求助10
8秒前
8秒前
8秒前
英姑应助水娃采纳,获得10
8秒前
Zz完成签到,获得积分10
10秒前
10秒前
聪仔应助General采纳,获得30
11秒前
jonghuang发布了新的文献求助10
12秒前
xixili发布了新的文献求助10
13秒前
榴莲小胖完成签到,获得积分10
13秒前
南风不竞发布了新的文献求助10
13秒前
Aganlin完成签到 ,获得积分0
14秒前
15秒前
搜集达人应助非也非也6采纳,获得10
15秒前
大个应助Jae采纳,获得10
15秒前
小水滴完成签到,获得积分10
17秒前
岁聿云暮发布了新的文献求助10
17秒前
小豆芽完成签到 ,获得积分10
18秒前
云青发布了新的文献求助10
18秒前
18秒前
19秒前
19秒前
20秒前
天天向上发布了新的文献求助10
21秒前
22秒前
23秒前
23秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Saponins and sapogenins. IX. Saponins and sapogenins of Luffa aegyptica mill seeds (black variety) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3260332
求助须知:如何正确求助?哪些是违规求助? 2901546
关于积分的说明 8316014
捐赠科研通 2571113
什么是DOI,文献DOI怎么找? 1396847
科研通“疑难数据库(出版商)”最低求助积分说明 653584
邀请新用户注册赠送积分活动 631997