Effect of ash composition on adsorption and agglomeration characteristics in low‐low‐temperature electrostatic precipitator systems
Notice bibliographique
Résumé
Abstract The low‐low temperature electrostatic precipitator (LLT‐ESP) has been applied in many power plants to improve the emission performance. In this study, a number of fix‐bed experiments were conducted, which simulated the operation condition of LLT‐ESP. The effect of chemical composition on the adsorption characteristics of ash samples and the agglomeration after adsorption were studied. The results show that the agglomeration of ash particles occurs in three forms, including agglomeration among small particles, adhesion of loose pellets to large particles, and agglomeration among large particles. The capacity of ash particles to adsorb sulphuric acid is less affected by the increase of added amounts of NaCl or KCl. At the same time, the added amount of NaCl or KCl also has little effect on the agglomeration degree of ash particles. The addition of MgO, CaO, Fe 2 O 3 , Na 2 CO 3 , or K 2 CO 3 from 0% to 13.3%, 22.4%, 23.9%, 18.4%, or 14.2%, promotes the adsorption of sulphuric acid by ash particles from 1.95 mg g −1 to 7.33, 7.71, 6.72, 5.1, or 5.44 mg g −1 (based on sulphur content), respectively, thereby promoting the agglomeration between ash particles. As the addition amount increases, the agglomeration phenomenon among particles becomes more conspicuous. The form of agglomeration changes from agglomeration among small particles to agglomeration among large particles. In addition, the addition of MgO or CaO has great influence on the adsorption and agglomeration.
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 ».