<scp>CFD</scp> modelling and qualitative assessment of liquid entrainment in flare systems
Notice bibliographique
Résumé
Abstract The flare knock‐out drum (KOD) is a vital safety component in offshore plants, designed to manage hydrocarbon gases by routing them through a flare system for combustion, thereby reducing environmental impact. Vapours generated from various offshore operations are directed to the KOD, where gas–liquid separation occurs before the gases are flared. This study models a flare KOD used at a drilling centre and evaluate the performance using computational fluid dynamics (CFD). The KOD was analyzed under maximum liquid level (MLL) conditions using a combination of the volume of fluid (VOF) and discrete phase model (DPM). The aim was to assess liquid particle carryover and optimize internal flow distribution. Two critical relief scenarios were simulated—maximum gas flow and maximum liquid flow—representing worst‐case operational conditions. A half‐open pipe inlet design was incorporated to reduce inlet momentum, improving phase separation efficiency. The model ensured that droplets with significant volume fractions transitioned from the DPM to the bulk liquid phase in the VOF model. Transient simulations showed that the largest droplets escaping with vapour were below 100 μm, well within the API standard limit of 600 μm. The study confirms that the flare KOD effectively prevents carryover of large liquid droplets, ensuring compliance with industry standards. It demonstrates the unit's operational reliability, even under critical loading scenarios, and highlights the effectiveness of CFD in evaluating the performance of offshore flare system components.
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 ».