MétaCan
Menu
Retour à la cohorte
Enregistrement W1478307365 · doi:10.2355/isijinternational.55.1377

Injection of Pulverized Coal and Natural Gas into Blast Furnaces for Iron-making: Lance Positioning and Design

2015· article· en· W1478307365 sur OpenAlexafffund
Adrian Majeski, Allan Runstedtler, John D’Alessio, Neil Macfadyen

Notice bibliographique

RevueISIJ International · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensUnion Gas (Canada)Sydney Steel (Canada)Natural Resources Canada
Organismes subventionnairesGovernment of Canada
Mots-clésTuyereRacewayBlast furnacePulverized coal-fired boilerComputational fluid dynamicsCoalNatural gasNozzleEngineeringCombustionBlast furnace gasWaste managementMechanical engineeringPetroleum engineeringMaterials scienceChemistryMetallurgyAerospace engineeringLubrication

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,264
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISIJ InternationalMême sujetIron and Steelmaking ProcessesTravaux en français237 207