Numerical Analysis for a 870MW Wall-fired Pulverized Coal Boiler: Comparison with Field Test and Simulation
Notice bibliographique
Résumé
Pulverized coal-fired boilers have been used to generate power in Korea, contributing 39% of the total electricity in 2014. [1] Recently, the Korea South East Plant (KOSEP) constructed a wall-fired boiler with a capacity of 870MW on Dec. 2014. The boiler was designed to burn low rank coal (5,300 kcal/kg) and this uses a Low-NOx Burner and air staging system for reduction of NOx emission during coal combustion. This system can control emissions and combustion efficiency. For this reason, Kim et al. The test results are about change of NOx and CO concentration at exit from the boiler depending on the parameters. Computation fluid dynamics (CFD) have been widely used to predict boiler performance. [3-5]. It's because CFD can provide a detailed boiler analysis such as distribution of temperature, velocity and species concentration in the boiler. So the objective of this study is a numerical investigation of the field test in the 870MW wall-fired boiler This study is investigated the effects of burner swirl angle and OFA flow distribution on the combustion and emission characteristics such as gas movement, coal particles trajectory, temperature, thermal absorption at water wall around a burner zone etc. The CFD results compare to the field test and analyse the combustion characteristics in the boiler. The commercial CFD code ANSYS FLUENT v16.1 is employed to simulate the CFD simulations. The fluid flow and coal particle combustion process are modelled using the Euler-Lagrange approach. The governing equations for the conservations of energy, mass, momentum and species are solved
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».