ورود به حساب کاربری

نام کاربری *
رمز عبور *
یاداوری

Case Study: Supercomputing Natural Gas Turbine Generators for Huge Boosts in Efficiency

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال
 

 

 

 

Hyperion Research has published a new case study on how General Electric engineers were able to nearly double the efficiency of gas turbines with the help of supercomputing simulation

HPC plays a critical role because its computational horsepower can solve the equations used to represent key physical behaviors. Also, the large memory capacity of an HPC system is needed to store the models of the geometries and boundary conditions of the physical systems. It is also essential to create the visualization of the simulation results used by GE engineers to better understand what is happening inside the gas turbine generators.

Understanding physical behaviors in harsh environments is extremely hard, and at times, critically important. That is the situation General Electric (GE) engineers faced when designing their new heavy-duty gas turbine generator. Gaining even 1% greater efficiency could save their electric utility customers millions of dollars and improve GE’s world-wide competitiveness. The key issues involved a better understanding of the fluid dynamics and reactive flow behaviors in the turbine’s 1,500 degree Celsius combustion chambers and the interactions between the 2 to 16 individual flames in the chambers. GE Power engineers had reached the limits of theory and experiments, motivating them to apply advanced modeling and simulation.

When the engineers at the GE Power division realized that their traditional approaches to designing heavy-duty gas turbine generators were insufficient, they turned to the GE Global Research
computational combustion lab. In turn, the combustion lab approached Oak Ridge National Laboratory (ORNL) and Cascade Technologies. By using the Titan supercomputer at the ORNL Computational Leadership Facility (OLCF), researchers adapted and applied the CHARLES code to understanding the complex physics found inside a gas turbine. This involved creating a nearly billion cell mesh to run simulations on 8,000 to 16,000 Titan processor cores.

With these advanced modeling and simulation capabilities, GE was able to replicate previously observed combustion instabilities. Following that validation, GE Power engineers then used the tools to design improvements in the latest generation of heavy-duty gas turbine generators to be delivered to utilities in 2017. These turbine generators, when combined with a steam cycle, provided the ability to convert an amazing 64% of the energy value of the fuel into electricity, far superior to the traditional 33% to 44%.

GE’s example provides great lessons about what it takes to develop HPC-enabled modeling and simulation capabilities to create improved science-based understanding of physical behaviors in inaccessible environments. It also demonstrates the importance of “use inspired” research to accelerate the development and deployment of improvements in modeling and simulation capabilities.

Titan Supercomputer

What’s that noise? For the engineers at General Electric Power, finding answers to that question is vitally important. In a natural gas turbine generator, noise can be an indication of instabilities that can cause significant damage to the turbine. Also, noise may indicate inefficiencies in the combustion of the fuel which can lead to increasing emissions from the turbine. The challenge of understanding the source of noise in a gas turbine is that the combustors, the possible source of noise, operate in an extremely harsh environment; the temperatures in the combustion chamber in a gas turbine can exceed 1,500 degrees Celsius. This, and other experimental restrictions, limit the ability of engineers to see directly into operating gas turbines.

This use case is a story about how GE Power engineers were challenged with finding new ways to obtain science-based insight into complex physical behaviors in an environment that was beyond the scope of theory and experiments. GE turned to Cascade Technologies of Palo Alto, CA and Oak Ridge National Laboratory (ORNL) and the capabilities of their Titan Cray XK7 supercomputer. This is also a story about how investments made by the DOE years ago in the Stanford University’s turbulent mixing simulation center resulted in a commercial applications code offered by Cascade Technologies that provided the critical capability that made obtaining that insight possible.

Download the White Paper: “Understanding Behaviors in the Extreme Environment of Natural Gas Turbine Generators”

 

----------------------------------------

source: insidehpc.com

شرکت دانش بنیان رایانش سریع هزاره ایرانیان به منظور طراحی، ساخت و گسترش کاربردهای رایانش سریع در علوم مختلف پایه گذاری شده است. این شرکت به دنبال ایجاد بستری با ظرفیت محاسباتی و ذخیره سازی بالا مبتنی بر CPU و GPU می باشد تا بتواند از آن طریق سرویسهای متعددی را به محققین، اساتید، دانشجویان تحصیلات تکمیلی و سایر علاقه مندان این حوزه ارائه نماید.

 

سایت مرتبط : " بنیاد توسعه رایانش سریع و ابری "

 

 

آخرین مقالات

کامپایل و نصب mfix-2016.1

درک عملکرد دستگاه های انرژی، محیط زیست و فرایندها...

ماشین هوشمند بدون کمک انس...

یک ماشین هوشمند با حل معمای مکعب روبیک بدون هیچ آم...

معرفی lammps

اصطلاح شناسی شبیه ساز: فراهم کننده ی بستری برای شب...

آموزش نرم افزار amber (زب...

در اینجا تعدادی از آموزش های آماده شده توسط توسعه...

HPC Moves to the Cloud –...

While some domains that rely on computing systems...

یکسان سازی یا نرمال سازی...

در متن کاوی منظور از پردازش زبان طبیعی (NLP)، قابل...

پردازش متن با Jhazm نسخه...

jHazm نسخه جاوایی هضم از کتابخانه پایتون برای پردا...

Why Demand for In-Memory...

The demand for in-memory computing (IMC) and new...

آموزش عملی گراف کاوی و تح...

networkx یک بسته پایتون برای ایجاد، دستکاری و مطا...

معرفی مختصر مدل اقلیمی CW...

CWRF نسخه توسعه یافته اقلیمی مدل WRF می باشد که د...

بالاخره بعد از سالها یکه...

از سال 2013، ماشین های چینی در رتبه قدرتمندترین اب...

کاربردها و خطرات کلان داد...

داده شامل اطلاعات است؛ اما این همه‌ي ماجرا نیست....

Case Study: Supercomputin...

Hyperion Research has published a new case study...

داده کاوی بزرگ مقرون به ص...

چکیده : کاوش داده ی بزرگ، اغلب نیازمند منابع محاس...

Python: Unlocking the Pow...

The programming language Python is being used to...

Opportunities Abound: HPC...

The is the first entry in a five-part insideHPC s...

آموزش کد محاسباتی سیستا (...

در این آموزش سعی داریم انرژی کل و طول پیوند مولکو...

درمورد مدل‌های آب و هوایی...

دو اصطلاح اقلیم‌شناسی و هوا‌شناسی بیشتر مواقع به‌ج...

الگوریتم تجزیه بندرز خودک...

در نسخه‌ی ۱۲٫۷ نرم‌افزار CPLEX رویه‌ی جدیدی جایگز...

نرم افزار tecplot

معرفی : Tecplot در واقع یک ابزار تجسمی و رسم نمودا...

تجزیه گر یا پارسر متون و...

آپاچی تیکا: آپاچی تیکا یکی از پروژه‌های متن باز A...

OpenFOAM v5 User Guide: I...

This guide accompanies the release of version 5.0...

OpenFOAM User Guide - Ver...

Introduction The OpenFOAM User Guide provides an...

How to Prepare Weather an...

In this video from the NVIDIA GPU Technology Conf...

مثالی از داده کاوی و تحلی...

در این پست یک تحلیل و بصری سازی خوب از گراف ۶۰،۰۰...

نرم افزار سیپلکس

معرفی : Cpelx یک بسته ی نرم افزاری شامل مجموعه ای...

تلاش AMD برای ساخت تراشه‌...

ریسک‌های کمی در دنیای فناوری به بزرگی خرج میلیارده...

معرفی، آموزش و لینک دانلو...

معرفی : ابزاری به منظور آنالیز فنی و طراحی کامپیوت...

Neurala Reduces Training...

Today Neurala announced a breakthrough update to...

با 10 باور نادرست در ارتب...

برای آنکه اطمینان حاصل کنید برنامه‌های سازمان شما...

گالری تصاویر