Design and Performance of a Pico Propeller Hydro Turbine Model

Q: 이 논문에서 정의한 피코 프로펠러 수차 모델이란 무엇인가?

도시 및 산업 환경의 물 공급 네트워크 내에 존재하는 압력 에너지를 효율적으로 회수하기 위해 특별히 설계된 소형 수력 터빈을 의미한다. 이는 에너지 회수를 통해 시스템 효율을 높이는 것을 목적으로 하는 소규모 수력 발전 장치다.

Q: 새로운 러너 모델이 기존 모델보다 효율이 향상된 핵심 요인은 무엇인가?

연구 결과, 새로운 러너 모델은 러너 내부 및 출구 파이프 영역에서 발생하는 유동 손실을 효과적으로 감소시킴으로써 효율을 높였다. 이를 통해 기존 모델 대비 약 14% 향상된 84.0%의 최대 효율과 더 높은 단위 동력을 달성하였다.

Viet Luyen Vu; Zhenmu Chen; Young-Do Choi

doi:10.5293/kfma.2018.21.3.044

학술저널

저자정보: Viet Luyen Vu (Mokpo National University) Zhenmu Chen (Mokpo National University) Young-Do Choi (Mokpo National University)

저널정보: 한국유체기계학회 한국유체기계학회 논문집 한국유체기계학회 논문집 제21권 제3호(통권 제108호)

오류 신고하기

피인용 0

검색

초록·키워드

Water supply networks (WSN) are important structures in urban and industrial environments that are built to transport fluid between several supply and demand points. However, a significant amount of pressure energy still remains at the end of the water supply pipe system. This energy is usually released and wasted. Therefore, a pico propeller turbine was chosen as a solution to recover the energy. In order to study more deeply on the performance of a pico propeller turbine in a laboratory environment, a new runner model was designed to improve the performance of the existing runner model. The design of the new runner blade model considers several key parameters such as the hub-tip diameter ratio and velocity triangle calculation which govern blade performance. The performance of the new runner model was evaluated by CFD analysis and compared with the performance characteristics of the old runner model. The internal flow and cavitation performance were also investigated for the new runner design.

#Pico Propeller Hydro Turbine Model(피코 프로펠러 수차 모델) #Runner Design(러너 설계) #Performance Characteristics(성능 특성) #Loss Analysis(손실 분석) #Cavitation Performance(캐비테이션 성능)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료