Bayesian Optimization Driven Hydro Turbine Design for Energy Harvesting in Water Networks

A hydro turbine is a rotatory machine that converts water’s kinetic and potential energy into mechanical work. This thesis aims to investigate the possibility of replacing pressure-reducing valves (PRVs) in water distribution systems (WDS) with hydro turbines by constructing a framework on how to automize the design process of a turbine blade in such a turbine and by analyzing different control strategies so that the turbine could function as a pressure reducing valve. Bayesian optimization has been used to optimize the black-box objective function describing the geometry of a turbine runner blade. The objective function also contains a computational fluid dynamics (CFD) solver capable of running simulations on the blade. The results from the simulations are used to update the blade design, this will be carried out iteratively for a fixed number of iterations in this thesis 140 iterations were performed. A Simscape model of a WDS was used to evaluate different control strategies; the final control strategy uses a feedforward mid-ranging approach to coordinate the output signal from the different controllers. The thesis results show that it is possible to automate the design process of a turbine blade by using Bayesian optimization to maximize an objective function value obtained from CFD simulations and automatically update the geometry based on previous simulation results.The control strategy shows that it is possible to keep the downstream pressure at a desired reference pressure even though the system is subjected to both up-and downstream disturbances.
En vattenturbin är en roterande maskin som omvandlar kinetisk och potentiell energi från vatten till mekaniskt arbete. Detta arbete syftar till att undersöka möjligheten att ersätta tryckreduceringsventiler i distributionsnät för vatten med vattenturbiner genom att konstruera ett tillvägagångssätt för hur man automatiserar designprocessen för ett turbinblad i en sådan turbin och att analysera olika reglerstrategier så att turbinen kan fungera som en tryckreduceringsventil. Bayesiansk optimering har använts för att optimera en objekt funktion som beskriver geometrin för ett turbinblad. Objekt funktionen innehåller även en CFD lösare som kan utföra simuleringar på bladet. Resultaten från simuleringarna används sedan för att uppdatera bladets design, detta utförs iterativt för ett bestämt antal iterationer, i detta arbete utfördes 140 iterationer. En Simscape-modell av ett distributionsnät användes för att utvärdera olika reglerstrategier, den slutliga regulatorn använder sig av en feedforward mid-ranging strategi för att samordna mellan utsignalen från de olika regulatorerna. Resultaten av detta arbete visar att det är möjligt att automatisera designprocessen för ett turbinblad genom att använda Bayesiansk optimering för att maximera ett funktionsvärde erhållet från CFD-simuleringar och automatiskt uppdatera geometrin baserat på tidigare simuleringsresultat. Reglerstrategin visar att det är möjligt att hålla nedströmstryck vid ett önskat referenstryck även om systemet utsätts för både uppströms- och nedströmsstörning