Experience Gained from Designing Exhaust Hoods of Large Steam Turbines Using Computational Fluid Dynamics Techniques


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Experience gained from designing exhaust hoods for modernized versions of K-175/180-12.8 and K-330-23.5-1 steam turbines is presented. The hood flow path is optimized based on the results of analyzing equilibrium wet steam 3D flow fields calculated using up-to-date computation fluid dynamics techniques. The mathematical model constructed on the basis of Reynolds-averaged Navier–Stokes equations is validated by comparing the calculated kinetic energy loss with the published data on full-scale experiments for the hood used in the K-160-130 turbine produced by the Kharkiv Turbine-Generator Works. Test calculations were carried out for four turbine operation modes. The obtained results from validating the model with the K-160-130 turbine hood taken as an example were found to be equally positive with the results of the previously performed calculations of flow pattern in the K-300-240 turbine hood. It is shown that the calculated coefficients of total losses in the K-160-130 turbine hood differ from the full-scale test data by no more than 5%. As a result of optimizing the K-175/180-12.8 turbine hood flow path, the total loss coefficient has been decreased from 1.50 for the initial design to 1.05 for the best of the modification versions. The optimized hood is almost completely free from supersonic flow areas, and the flow through it has become essentially more uniform both inside the hood and at its outlet. In the modified version of the K-330-23.5-1 turbine hood, the total loss coefficient has been decreased by more than a factor of 2: from 2.3 in the hood initial design to a value of 1.1 calculated for the hood final design version and sizes adopted for developing the detailed design. Cardinally better performance of both the hoods with respect to their initial designs was achieved as a result of multicase calculations, during which the flow path geometrical characteristics were sequentially varied, including options involving its maximally possible expansion and removal of the guiding plates producing an adverse effect.

Об авторах

S. Galaev

Peter the Great St. Petersburg Polytechnic University

Email: vvris@yandex.ru
Россия, St. Petersburg, 195251

V. Ris

Peter the Great St. Petersburg Polytechnic University

Автор, ответственный за переписку.
Email: vvris@yandex.ru
Россия, St. Petersburg, 195251

E. Smirnov

Peter the Great St. Petersburg Polytechnic University

Email: vvris@yandex.ru
Россия, St. Petersburg, 195251

A. Babiev

Teploenergoservis Managing Company

Email: vvris@yandex.ru
Россия, Yekaterinburg, 620057

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Inc., 2018

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».