Computational Fluid Dynamics (CFD) Modeling and Analysis of Hydrocarbon Vapor Cloud Explosions (VCEs) in Amuay Refinery and Jaipur Plant Using FLACS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Process safety helps prevent the unexpected and unplanned release of flammable and toxic chemicals, leading to poisonous gas clouds, fires, and explosions. Vapor cloud explosions (VCEs) are among the most severe hazards to humans and the environment in process facilities. Therefore, process safety demands to use best and reliable techniques to model VCEs in process industries and storage tanks of flammable chemicals. In this regard, the Computational Fluid Dynamics (CFD) models are more appropriate, as these models provide three-dimensional (3D) modeling of all sequences of events in an accident. In this study, CFD is used to model VCE in two industrial accidents: the Amuay refinery disaster (happened in 2012) and the Indian Oil Corporation’s (IOC) Jaipur terminal (2009). This work studies 3D CFD modeling of flammable cloud explosion in the real-time configuration for both accidents. FLACS (FLame ACceleration Simulator), a CFD software, is used to simulate the loss of hydrocarbon containment, cloud formation, and explosion in both industrial case studies. The ignition locations and grid sizes were varied to analyze their influence on explosion overpressure, temperature, vapor velocity, and fuel mass. This work also investigated the effect of geometry complexity on the explosion. Results showed that, as opposed to the coarse grid, the fine grid provides more precision in the analysis. The study also reveals an explosion overpressure of the order 4–15 bar (g) for the given case studies. This study’s results can help perform a qualitative and quantitative risk assessment of the Amuay refinery accident and Jaipur fire. The simulation of different scenarios can help develop and improve safety guidelines to mitigate similar accidents.
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.
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 | 0,001 |
| 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 découle