Nicola Luciano

Nicola Luciano

Auto-generated profile, based on publicly available information

Nicola Luciano

Ricerca sul Sistema Energetico - RSE S.p.A, Milano, Italy

Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 November 2024 in Renewable Energy
Verified
Journal Article
Open access
GAG. Agate
G. Agate
FCF. Colucci
F. Colucci
NLN. Luciano
N. Luciano
Elisa MarrassoElisa Marrasso
Elisa Marrasso
CMChiara Martone
Chiara Martone
GSG. Squarzoni
G. Squarzoni

16 March 2026 in Environmental Fluid Mechanics
Verified
Journal Article
Open access
PDF file
NLNicola Luciano
Nicola Luciano
Domenico ToscanoDomenico Toscano
Domenico Toscano
ABAlessandra Balzarini
Alessandra Balzarini
GPGuido Pirovano
Guido Pirovano
Surface contamination of overhead power line insulators poses a significant risk to the reliability and operational continuity of electrical networks. This study develops and validates a three-dimensional Computational Fluid Dynamics (CFD) model to investigate dry aerosol deposition on a chain of U120B glass insulators, with a focus on the underlying aerodynamic mechanisms. The model employs an Eulerian-Lagrangian approach to resolve the coupled dynamics of turbulent airflow and particle transport, incorporating molecular and turbulent diffusion, inertial and gravitational effects, and a detailed representation of the insulator geometry. Validation against established experimental datasets confirms the model’s ability to accurately predict deposition velocities across a broad spectrum of particle sizes and flow regimes. Application of the framework reveals that local flow structures, such as recirculation zones, boundary layer separation, and adverse pressure gradients, influence the pollutants deposition spatial distribution, with different deposition velocities on the top and bottom surfaces of the insulators. The analysis demonstrates that wind speed and particle size critically influence deposition efficiency, with non-monotonic behaviours emerging under specific conditions. These findings provide a predictive, physics-based foundation for optimizing insulator design and maintenance strategies, supporting enhanced resilience of power systems to environmental contamination.

3 April 2026
Verified
Thesis
Closed access
NLNicola Luciano
Nicola Luciano
Une stratégie optimisée de hybrid data reduction dans les mesures spectroscopiques Raman/Rayleigh 1D de flammes turbulentes: Une variété d’applications techniques dans la conversion d’énergie sont basées sur la combustion turbulente. En dépit du fonctionnement avancé de la technologie, la science de la combustion (turbulente) en est à un stade relativement jeune. Des études détaillées des flammes de référence sont essentielles pour mieux comprendre la physique sous-jacente aux processus mentionnés, ainsi que pour fournir une base de données fiable permettant de valider les modèles numériques développés pour simuler des problèmes de combustion turbulents. La spectroscopie Raman / Rayleigh est une technique extrêmement utile qui permet d’accéder simultanément à des informations sur la température et la concentration en espèces chimiques principales dans les structures de flammes. La data reduction strategy appliquée avec cette technique est cruciale pour extraire des informations fiables des investigations expérimentales. Dans cette thèse, une version modifiée de la stratégie, basée sur la Hybrid Method de Fuest et al., a été développée et testée à l’aide de techniques de résolution de NLP problem, dont des méthodes d’optimisation globale et un algorithme génétique. La stratégie proposée permet une réduction significative du temps de traitement des données, nécessite moins d’expertise de l’utilisateur et réduit l’erreur de mesure. La procédure modifiée a été appliquée à un data set fourni par une étude expérimentale de deux jet flame méthane/air prémélangés turbulentes appartenant au régime flamelet de la combustion prémélangée turbulente. Le data set est composé de plusieurs scalaires, y compris les principales espèces et la température, mesurés simultanément avec la single-shot 1D Raman/Rayleigh spectroscopy. Les résultats des mesures sont analysés et discutés.