A Detailed Numerical Study of NOx Kinetics in Counterflow Methane Diffusion Flames: Effects of Fuel-Side versus Oxidizer-Side Dilution
Notice bibliographique
Résumé
Dilution combustion has been widely utilized due to various merits, such as enhanced efficiency, fewer pollutants emissions, and even a promising future in alleviating global warming. Diluents can be introduced through the oxidizer or fuel side to achieve the desired combustion properties, and H2O and CO2 are the most common ones. A comprehensive comparison between the different dilution methods still lacks understanding and optimizes the dilution combustion technologies. This study numerically compared the effects of H2O and CO2 dilution in the oxidizer or fuel stream on counterflow methane diffusion flames, emphasizing NO formation kinetics. Results showed that the impact of different radiation heat transfer models on NO emissions diminishes with increasing the dilution ratio. The calculations of radiation heat transfer were treated in three ways: radiation-neglected, optically thin, and using a nongrey radiation model. When keeping the oxygen content and methane fraction constant, CO2 dilution in the air-side has the most profound influence on NO reduction, and CO2 dilution in the fuel-side has the least. H2O dilution showed a medium impact with a larger degree on air-side than that on fuel-side. To gain a deeper understanding of this effect order, the contributions of different NO formation routes were quantified, and analyses were made based on the diluents’ chemical and thermal effects. It was found that the oxidizer-side dilution and fuel-side dilution affect the NO formation pathway similarly. Still, the influence of H2O dilution on the NO formation pathway differs from that of CO2 dilution.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».