Injection of Pulverized Coal and Natural Gas into Blast Furnaces for Iron-making: Lance Positioning and Design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Injecting pulverized coal and natural gas into blast furnaces for ironmaking decreases metallurgical coke requirements, providing a net decrease in the CO2 emissions and in many cases, operating costs associated with iron production. Ideally, the fuel would enter the raceway partially reacted and the injection would not have negative impacts on the equipment or process. Success in achieving this outcome is sensitive to the details of how the injection is implemented. Given this sensitivity and that it is difficult to make accurate, detailed observations in blast furnaces or devise representative pilot-scale experiments, computational fluid dynamics (CFD) has become a useful and complementary tool for the analysis and design of fuel injection methodologies. This study uses CFD to examine the interaction of the blast air and fuel flows in the blowpipe and tuyere nozzle for different fuel injection strategies. Important operating issues such as initiation of partial combustion and heat loads on the tuyere nozzle are examined. It was found that two key fuel injection strategies developed separately for coal and natural gas can be combined effectively in a single combined fuel lance that leverages a bluff body effect to help coal dispersion and has radial nozzles to improve natural gas combustion. The bluff body effect is a simple process whereby the interaction between the blast air flow and a thick-walled lance creates a wake that can impart coal dispersion without the complexity or costs of adding an auxiliary dispersive fluid, such as an annular swirling flow of air. The performance of this combined fuel lance is compared against two configurations for separate fuel lances.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle