CFD and data-driven modeling for safe spillway discharge
Tid: Fr 2023-06-09 kl 10.00
Plats: D3, Lindstedtsvägen 5, Stockholm
Videolänk: https://kth-se.zoom.us/j/64241349845
Språk: Engelska
Ämnesområde: Byggvetenskap, Betongbyggnad
Respondent: Shicheng Li , Betongbyggnad, KTH Royal Institute of Technology
Opponent: Professor Robert Boes, Department of Civil, Environmental and Geomatic Engineering, ETH Zurich
Handledare: Professor Anders Ansell, Betongbyggnad; Dr James Yang, Betongbyggnad
QC 20230516
Abstract
Ett utskovsparti är en viktig del av en dammanläggning eftersom det reglerar avbördning och uppströmsvattenstånd samt förhindrar överströmning. Majoriteten av vattenkraftsdammarna i världen byggdes före 1980-talet och i förhållande till gällande dimensionerande kriterier är många befintliga utskov underdimensionerade. Ökad avbördning förändrar också luftinblandningsproblematiken i vattenvägen, vilket ger upphov till risker relaterade till utskovens funktion. Hög vattenhastighet vid avbördning är ett bekymmer vid utformning av vattenvägen. Om hastigheten överstiger 20 m/s finns risk för kavitation, vilket är ett problem som påverkar många dammar i Sverige. En annan frågeställning kopplad till ökad utskovsavbördning är energiomvandling. Många befintliga energiomvandlare är otillräckliga eller endast utformade för en lägre dimensionerande standard, giltig då dammarna byggdes. För att rätta till dessa problem är det nödvändigt att noggrant utvärdera avbördningsegenskaperna hos utskov, inklusive avbördningskapacitet, tvåfasströmning, energiomvandlingsfunktion, kavitation, etc. Tekniska lösningar för förbättrad hydraulisk prestanda är också avgörande för att garantera säker drift av dammanläggningar.
Med fokus på CFD och datadrivna metoder baserade på nya insikter i avbördningsmodellering presenteras i denna avhandling förbättrade metoder för prediktering av utskovsströmningar och föreslag på strukturella anpassningar för ökad hydraulisk prestanda. Forskningen består av fem delar. (1) För uppskattning av flöden i en älv upprättas olika maskininlärningsmodeller. Syftet är att tillhandahålla korrekta inflödesuppgifter, även på flera dagars sikt. För att bestämma avbördningskapacitet hos utskov utvecklas tre datadrivna modeller vilka ger flödesprognoser som överträffar de som kan fås med empiriska korrelationer. (2) För att förbättra hydrauliska beteenden undersöks flera okonventionella utformningar hos s.k. "stepped spillways", i vilka ingår steg med avfasning, hålrumsblockering och lutande steg. Målet är att ta fram tekniska lösningar för att förbättra energiomvandlingen och minska kavitationsriskerna.. (3) För förbättrad modellering av tvåfasströmning upprättas först en s.k. "population balance model" för att ta hänsyn till den evolutionära processen för luftbubblor. Sedan integreras maskininlärningstekniker för felkorrigering. Den resulterande modellen genererar bättre resultat, med 99,6% och 89,6% av predikterad hastighet och luftkoncentration inom 20% felmarginal. (4) För att minska kavitationen används ofta en luftningsramp för att på konstgjord väg få in luft i strömningen. Det utvecklas en maskininlärningsmetod för beräkning av luftningsbehovet. Jämfört med den bästa empiriska formeln förbättrar den föreslagna metoden konditionsindex med 23% samtidigt som felen reduceras med 48%. (5) Med teoretiska grunder behandlas också flera aspekter av fysiska hydrauliska modelleringar, alla med stöd av fältmätningar. För korrekt konvertering av luftflöde i en luftningsramp från modell till prototyp krävs det att vattenhastigheten vid luftningsrampen ska överskrida 7,00–7,50 m/s, eller att Reynolds-talet bör vara högre än 1,58 × 106. Om detta villkor inte uppfylls skulle försök att skala upp luftflödet leda till fel.