Modeling industrial shaft furnaces and investigation of CH4-related side reactions
Notice bibliographique
Résumé
The shaft furnace is a promising low-carbon ironmaking technology, but its complex internal processes pose challenges for efficient operation and control. Numerical simulation provides an effective method for revealing the internal states, whereas many existing models incorporate simplifications that limit prediction accuracy. This study presents a CFD model for industrial MIDREX shaft furnaces, incorporating major reactions, including CH 4 -related side reactions. An improved unreacted shrinking core model (USCM) is introduced for reduction based on the thermodynamic equilibrium diagram. It allows for the decoupling of reaction and diffusion layers, reducing the reaction layers and enabling variable diffusion structures. Consequently, the reaction model provides a more physically realistic and thermodynamically consistent representation of the multi-step reduction process, is valid for H 2 –CO mixtures, and increases computational efficiency by 65–75 %. The model is validated using four sets of laboratory and industrial data, covering inner states and overall performance parameters. It also successfully captures the influence of CH 4 , an inevitable component arising from reforming. A high CH 4 content causes substantial heat loss near the gas inlet and reduces metallization, primarily due to the combined effects of endothermic reduction and side reactions. Based on simulation results, an optimal CH 4 level is identified to balance metallization, gas utilization, and energy efficiency. The model can serve as a valuable tool for analyzing shaft furnace performance and has the potential to support the evaluation of advanced decarbonization strategies such as high H 2 content operation.
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 ».