Development of a Heat Transfer Correlation for Supercritical CO2 Based on Multiple Data Sets
Notice bibliographique
Résumé
Currently, increase in thermodynamic efficiency of water-cooled Nuclear Power Plants (NPPs) can only be achieved by raising the coolant’s operating conditions above the supercritical point. The critical point of water is 22.06 MPa and 373.95°C, making supercritical water research very power-intensive and expensive. CO2 behaves in a similar manner once in the supercritical state, but at significantly lower pressure and temperature, since critical point of CO2 is 7.37 MPa and 30.98°C. The applications of supercritical CO2 research range from using it as a modelling fluid, to supercritical turbine applications in Liquid Metal Fast Breeder Reactors (LMFBRs), and use in a supercritical Brayton cycle. Therefore, it is of prime importance to model its behaviour as accurately as possible. For this purpose, experimental data of Koppel (1960), He (2005), Kim (2005) and Bae (2007) for CO2 were analyzed, and a new correlation was developed. The dataset consists of 1409 wall temperature points with pressures ranging from 7.58 to 9.58 MPa, mass fluxes from 419 to 1200 kg/m2s, and heat fluxes from 20 to 130 kW/m2. All runs take place in bare tubes of inner diameters from 0.948 to 9.00 mm in both vertical and horizontal configurations. The proposed correlation takes a wall-temperature approach to predicting the Nusselt number. This paper compares the new correlation with other work which has been done at the University of Ontario Institute of Technology by Mokry et al. (2009), as well as with correlations by Swenson et al. (1965) and Dittus-Boelter (1930). It was found that the new correlation has an overall RMS error of 13% for Heat Transfer Coefficient (HTC) values and 5% for calculated wall temperature values. The correlation can be used as a conservative approach to predict wall temperature values in Supercritical Water Reactor (SCWR) preliminary calculations, to predict heat transfer in secondary-loop turbine/ heat exchanger applications, as with the LMFBR, and to help validate scaling parameters used for water and other coolants.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».