Evaluation of the Performance of Air Dense Medium Fluidized Bed (ADMFB) for Low-Ash Coal Beneficiation. Part 1: Effect of Operating Conditions
Notice bibliographique
Résumé
Low-rank coals are widely used as fuel in coal-fired power plants. However, feeding such a coal in addition to lower efficiency generates a variety of problems mostly associated with the ash-forming minerals. An efficient dry coal cleaning method can offer a solution while avoiding problems associated with wet methods and generates partially dried coal. Air dense medium fluidized bed (ADMFB) can be an efficient and economical dry ash removal technology, but the comprehensive understanding on its performance is not yet openly available. In the present work, a detail study of the factors affecting the beneficiation of a low-ash lignite coal using ADMFB is provided. Response surface methodology supported by a central composite experiment design method is employed to study the effect of superficial air velocity ( V ), residence time ( T ), and bed height ( H ) on the performance of a batch ADMFB separator at three levels. Also, the effects of sample weights and particle size of lignite coal are separately studied. The system was found to effectively decrease the ash content of the clean coal product. The organic material recovery to clean coal product was affected negatively by H, V, and T, while T, H, and V were found to affect the separation efficiency positively. Various levels of interactions between parameters were also revealed and discussed. The optimum operating condition for maximizing the recovery was found to be 15 cm/s, 90 s, and 15 cm for V, T, and H, respectively. This condition led to a clean coal ash content, recovery, and separation efficiency of 10.6, 95.63, and 15.29%, respectively. The beneficiation test results also revealed that higher ash removal (23%) and recoveries (86%) are obtainable for coarser coal particles. Higher recovery and separation efficiency are achievable for larger sample weights (84.6 and 30.7%, respectively).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».