Machine Translated by Google

Energia Aplicada 317 (2022) 119147

Listas de conteúdos disponíveis em ScienceDirect

Energia Aplicada

página inicial da revista: www.elsevier.com/locate/apenergy

O estudo das características de transferência de calor e massa e

otimização multiobjetivo em forno elétrico a arco.

Xuan-Kai Zhang, Ya-Ling He *, Meng-Jie Li , Xin Hu

Laboratório Chave de Ciência e Engenharia de Termofluidos do Ministério da Educação, Escola de Engenharia de Energia e Energia, Universidade de Xi'an Jiaotong, Xi'an, Shaanxi
710049, China

DESTAQUES

• Um modelo de forno de arco elétrico transiente é estabelecido para analisar as características de transferência de massa
de calor. • O modelo matemático é validado por comparação com experimentos. • A
influência de parâmetros operacionais típicos no processo de fundição de corindo marrom é investigada. • Um conjunto de
indicadores é proposto para avaliar de forma abrangente o desempenho da EAF. • Modelo de predição
de rede neural BP e otimização genética multi-objetivo em EAF são realizados. • Um conjunto de parâmetros operacionais de
otimização sobre EAF é apresentado.

INFORMAÇÕES DO ARTIGO ABSTRATO

Palavras-chave: É crucial revelar as características de conversão de energia e transferência de calor e massa nos fornos elétricos a arco (EAFs). Neste
corindo marrom
artigo, um modelo matemático transiente foi construído para capturar adequadamente a distribuição de campos multifísicos em EAF. O
Forno elétrico a arco (EAF)
método de modelagem numérica foi verificado contra dados experimentais de fundição de corindo marrom. Além disso, foi examinada a
Modelo matemático
influência dos parâmetros operacionais típicos no processo de fundição do corindo duro, e analisados os principais problemas que
análise ortogonal
limitam a melhoria do desempenho da fundição. Além disso, quatro indicadores foram propostos para avaliar de forma abrangente o
Modelo de previsão de rede neural de
retropropagação (BP) desempenho do EAF, consistindo na fração de volume líquido ÿ, eficiência energética ÿ, índice de aumento de temperatura ÿ e índice de
Algoritmo genético de ordenação não dominada II uniformidade de temperatura ÿ. Além disso, a combinação ideal de parâmetros operacionais foi selecionada automaticamente com base
(NSGA-II) no modelo de previsão de rede neural de retropropagação (BP) e no algoritmo genético de classificação não doméstica II (NSGA-II).

Os resultados mostraram que o fenômeno de superaquecimento local é grave e que homogeneizar a distribuição de energia no forno é
a chave para melhorar o desempenho da fusão. Aumentar a imersão e a voltagem do eletrodo pode aumentar significativamente a taxa
de transferência de calor e massa. No caso de ÿ = 0,75, ÿ = 0,6, quando ÿ é aumentado de 0,2 para 0,6, ÿmax é reduzido em 13,3% e
ÿmax é aumentado em 12,0%. Enquanto com ÿ = 0,75 e ÿ = 0,4, ÿmax é reduzido em 36,0% quando ÿ aumenta de 0,2 para 1,0, mas
ÿmax também é reduzido em 7,0%. Verificou-se que diminuir a relação entre altura e diâmetro melhora o desempenho geral da fundição
do EAF, mas também aumenta a área de perda de calor. No caso de ÿ = 0,4, ÿ = 0,6, ÿave e ÿmax melhoraram em 3,1 e 14,5%,
respectivamente, quando ÿ diminui de 1,0 para 0,5. Os desempenhos do EAF são consideravelmente melhorados em comparação com
os parâmetros operacionais básicos (ÿ = 0,75, ÿ = 0,4 e ÿ = 0,6), sujeitos a parâmetros de operação ótimos (ÿ = 0,61, ÿ = 0,59 e ÿ = 0,59).
Nesse caso, ÿmax e ÿmax diminuíram 6,2 e 4,1%, respectivamente, enquanto ÿmax e ÿave aumentaram 6,8 e 1,0%, respectivamente.

processo produtivo da indústria metalúrgica e química, além de desempenhar um papel

fundamental no efeito estufa [1,2]. O forno elétrico a arco (EAF), como equipamento-
1. Introdução
chave no processo de fundição mineral, é amplamente utilizado na fundição de metais
ferrosos e não ferrosos, bem como importantes
O processo de fundição mineral é o processo-chave no típico

* Autor correspondente.
Endereço de e-mail: yalinghe@mail.xjtu.edu.cn (Y.-L. Ele).

https://doi.org/10.1016/j.apenergy.2022.119147 Recebido
em 27 de outubro de 2021; Recebido no formulário revisado em 20 de fevereiro de 2022; Aceito em 14 de abril de 2022
Disponível online em 4 de maio de
2022 0306-2619/© 2022 Elsevier Ltd. Todos os direitos reservados.
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Nomenclatura ÿe emissividade
ÿ índice de aumento de
Amush zona mole constante, kgÿm-3s ÿ 1 capacidade ÿ temperatura eficiência
1 ÿ 1
cp de calor específico, Jÿkgÿ diâmetro 1 ÿKÿ energética condutividade térmica, 1 ÿKÿ
D da zona de carga, m ÿ Wÿmÿ viscosidade dinâmica,
3
f força, Nÿmÿ ÿ índice de uniformidade de temperatura Paÿs
ÿ2 3
g aceleração da gravidade, mÿs ÿ densidade, kgÿmÿ
H 2
altura da zona de carga, m ÿ constante de Stefan-Boltzman, Wÿmÿ 4 ÿKÿ
h 1
entalpia, coeficiente ÿ parâmetro de tempo de fundição
h' 2
de transferência de calor Jÿkgÿ , corrente 1 ÿKÿ ÿ parâmetro de voltagem do eletrodo
de eletrodo Wÿmÿ, índice ÿ
taxa de imersão do eletrodo taxa
eu k de medição de teste ortogonal A de diâmetro da altura
ÿ
1
L calor latente, Jÿkgÿ
Subscritos
la altura da fonte de calor imersa na carga, m massa, kg raio da fonte
A arco
m de calor
ar
ra do arco na superfície da carga, m taxa de fusão da carga do
ÿ1 avenida
eletrodo de carga
rm forno, pressão s, taxa de geração de
b de forno de valor
p calor Pa, faixa
3 e médio de ar
q Wÿmÿ de temperatura de teste
f superfície de carga do forno
R ortogonal, tempo K, tensão do
T gás do forno
eletrodo s,
t domínio computacional grade nod líquido
gil máximo
você
velocidade V da carga
ÿ1 máximo radiação
você
fundida, mÿs
mínimo mínima
Símbolos gregos r
ÿ fração de volume líquido porosidade raio ref os estados do sólido de
ÿ do sistema s referência
ÿ de coordenadas cilíndricas altura do sistema de c parede da fornalha
ÿ coordenadas cilíndricas

matérias-primas químicas, como carboneto de cálcio e fósforo, e tem sido o único
equipamento para fundição de minerais em grande escala [3,4].
No entanto, no momento, o EAF é atormentado por problemas sérios, como alto consumo
de energia e baixa eficiência energética [5]. Os pesquisadores têm trabalhado para melhorar
o desempenho da fundição EAF como parte da tendência atual de desenvolver tecnologias
profundas de economia de energia e redução de emissões nas indústrias metalúrgicas e
químicas [6]. No entanto, uma vez que as características de acoplamento e distribuição de
campo multifísico dentro do forno permanecem desconhecidas, o que torna difícil fornecer
sugestões para melhorar o EAF e há estudos limitados de EAF. Portanto, é importante
estudar o mecanismo de efeitos sinérgicos de processos multifísicos em EAF para entender
os processos físicos e, potencialmente, melhorar os processos para ajudar a reduzir o
consumo de energia e aumentar a competitividade da indústria.
Um modelo matemático acoplado de campos multifísicos para o processo de fusão em
alta temperatura é necessário primeiro para que a pesquisa seja realizada. No EAF, a maior
parte do calor é fornecida pelo arco para a fundição do forno, mas a maioria dos estudiosos
simplificou a simulação do calor do arco em seus estudos. Bezuidenhout et ai. [7,8]
estabeleceram um modelo 3D trifásico de EAF de metal do grupo da platina, cujo modelo
simplifica a frequência da mudança de corrente trifásica de 50 Hz para 0,0167 Hz. Ao
mesmo tempo, foi aquecido pelo calor Joule gerado pela resistividade da carga do forno. O
modelo 2D EAF para processamento de ferroníquel foi desenvolvido por Karalis et al. [9] e
todo o processo de fundição também foi estudado usando o método de aquecimento Joule.
forno durante o processo de fundição real. Alguns estudiosos também usaram o modelo de
radiação para simular a entrada de energia no topo do eletrodo.
Yigit et al. [11] estudaram o processo de combustão de carbono em um FEA. Em comparação
com os dados experimentais de Zhang et al. [12], a radiação P1 foi utilizada para simular a
energia térmica liberada pelo arco elétrico. Khodabandeh et ai. [13] investigaram a
transferência de calor em um FEA e sistema de resfriamento através do modelo de radiação
S2S. Scheepers et ai. [14] usaram o método da fonte de calor equivalente para modelar o
calor do arco para simular a produção de fósforo. Além disso, para otimizar o desempenho
termo-hidráulico do sistema de resfriamento, Ahmadi e Bahiraei [15] definiram o fluxo de
calor da parede interna do painel de resfriamento do telhado em 100 kW/m2, embora a
distribuição de calor no forno seja extremamente desigual. , até
É evidente que as pesquisas de EAF conduzidas por cientistas são baseadas
principalmente em um modelo matemático que simplifica ou mesmo ignora o arco, o que não
revela com precisão a evolução dos campos multifísicos eletromagnéticos de componentes
de temperatura no processo de fundição.
De acordo com as revisões da literatura, o modelo numérico do arco está bem estabelecido
na pesquisa de soldagem devido à facilidade de experimentação e observação do arco
[16,17]. No processo de soldagem, o arco é liberado da extremidade da vareta de solda para
liberar calor e fundir o metal, formando uma poça de fusão, processo semelhante à fundição
de minerais. De certa forma, o processo de fundição mineral é equivalente a um processo
de soldagem no qual a vareta de solda não se move. Pavelic et ai. [18] propuseram
primeiramente um modelo Gaussiano de fonte de calor de superfície para simular o calor do
arco. Este modelo é

Além de usar o método de aquecimento Joule, Li et al. [10] simplificou o modelo de
transferência calor-massa ao desprezar o fluxo de carga fundida, o que também foi aceito.
Embora o método de aquecimento Joule permita que o modelo seja calculado de forma
rápida e fácil, o fornecimento de calor nos extremos elétricos obtidos mostra que as
características de alto nas bordas do eletrodo e baixo no meio, o que não corresponde à
distribuição de energia no
simples e fácil de usar, mas ignora a espessura do fluxo de calor da poça de fusão. Bachorski
et ai. [19] incorporou um modelo de recurso de calor de corpo colunar uniforme à fonte de
calor de superfície gaussiana para caracterizar o arco. Wu e outros. [20] apresentaram o
modelo de recurso de calor corporal de superfície curva rotativa de Gauss para simular uma
piscina “nailhead” com uma alta proporção. Este modelo foi verificado contra dados em seus
experimentos.
Tong e outros. [21] estudaram a variação da poça de metal fundido quando a vareta de solda
se moveu usando um modelo de fonte de calor elíptica dupla para

2
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

simular a fonte de calor do arco. Como o eletrodo no EAF não se move e o tempo de você

ÿ= ÿ1 (3)
trabalho é longo, ele é adequado para simulação usando o modelo de recurso de calor Ustand
corporal de superfície curva de Gauss rotativo. Como resultado, este modelo é selecionado
para simular a fonte de calor do arco em EAF. t
ÿ= (4)
De acordo com as revisões da literatura acima, existem relativamente poucos estudos tmax

sobre fundição mineral, e os modelos matemáticos existentes para EAF sofrem

principalmente de descrições imprecisas, com estudos posteriores sendo insuficientes.
Este artigo propõe um modelo matemático que pode refletir de forma abrangente as
características do processo de transferência de calor e massa em EAF e conclui a
verificação de confiabilidade por meio de experimentos de fundição para resolver este
problema. Com base nisso, o corindo marrom, que é difícil de fundir, é escolhido como
alvo de pesquisa, e a influência dos parâmetros operacionais é minuciosamente
examinada, e um conjunto de combinações de índices que podem ser usados para refletir
o desempenho da fundição mineral também é proposto. . Além disso, a análise ortogonal
é usada para determinar o mecanismo do efeito sinérgico do processo multifísico EAF.
Finalmente, a otimização EAF é proposta usando o modelo de predição de redes neurais
de retropropagação (BP) e o algoritmo genético de ordenação não dominada II (NSGA-II).
2. Descrição do modelo físico
De acordo com o número de eletrodos, os EAFs são classificados em eletrodos
simples, eletrodos duplos, eletrodos triplos e EAFs multieletrodos [22,23]. No entanto, os
princípios operacionais de quase todos os EAFs são essencialmente os mesmos. Para
obter as características da distribuição de campos multifísicos de forma mais clara e
reduzir a dificuldade de simulação, o EAF de eletrodo único é selecionado como objeto
de pesquisa, que é mostrado na Fig. 1 (a). Para reduzir os gastos computacionais, os
eletrodos e a carga do forno são escolhidos como zonas de estudo. Como essas zonas
são corpos rotacionais, a seção longitudinal 2D é selecionada como o domínio
computacional na Fig. 1 (b).
Os parâmetros operacionais típicos, incluindo a relação altura-diâmetro ÿ, a relação
de imersão do eletrodo ÿ, o parâmetro de tensão do eletrodo ÿ e o parâmetro de tempo
de fundição ÿ, que são dados a seguir:
onde D é o diâmetro da zona de carga, H é a altura da zona de carga, U é a tensão do
eletrodo e t é o tempo. Segundo informações fornecidas pela cooperativa, Ustand = 50
V e tmax = 12.600 s (3,5 h).
A Tabela 1 exibe as faixas de parâmetros detalhadas. O princípio de alteração de
cada parâmetro é baseado na suposição de que o volume da zona de carga permanece
constante.
3. Descrição do modelo matemático
O estudo do processo de fundição do corindo marrom é importante porque é
amplamente utilizado em refratários e outros produtos industriais [24]. No entanto, é difícil
fundir devido à alta temperatura de fusão da alumina (Al2O3, 2327 K), que é o principal
componente do corindo marrom [25]. De acordo com a revisão da literatura, a temperatura
de fusão da maioria dos materiais de fundição EAF é inferior a 2327 K, o que significa
que o consumo de energia do processo de fundição de corindo marrom é maior do que a
maioria dos materiais de fundição. Portanto, é significativo estudar o processo de fundição
de corindo marrom para reduzir o consumo de energia EAF.
3.1. Hipóteses do modelo
Não há escória durante o processo de fundição do corindo marrom. Assim, para
manter o tempo computacional razoável, todo o suprimento de energia vem do arco no
presente trabalho com muito pouco calor Joule no forno. Ao mesmo tempo, outras
hipóteses também são feitas como segue: (1) não há polarização de arco no FEA. (2) a
interface carga-eletrodo é assumida como plana, o que foi adotado na literatura anterior.
(3) o líquido Al2O3 está em um movimento laminar, instável e incompressível.

D A dissipação viscosa é desprezível.

ÿ= (1)
H
3.2. Equações governamentais
h
ÿ= (2)
H O modelo de recurso de calor corporal de superfície curva Gauss rotativa descreve
a fonte de calor do arco como segue [20]:

ÿ 9ÿ2
9UI r2
qA| ÿ,ÿ = um log( ÿla) (5)
ÿr2 la ( 1 ÿ )e
1e3 _
a

onde I é a corrente do eletrodo, ra é o raio da fonte de calor do arco na superfície superior

da carga, la é a altura da fonte de calor imersa na carga, ÿ e ÿ são o raio e a altura da
coordenada cilíndrica sistema, respectivamente.

As equações governantes para prever as características de transferência de calor e

massa com convecção natural incluem as equações de continuidade, momento e energia,
listadas a seguir.
Equação de continuidade:

ÿÿ
+ ÿ(ÿÿu ) = 0 (6)
ÿt

onde ÿ é a densidade real e ÿu é a velocidade da carga fundida.

Tabela
1 Parâmetros detalhados dos cálculos.
Projeto Parâmetro

Razão diâmetro altura ÿ 0,5–1,0

Taxa de imersão do eletrodo ÿ 0,2–0,6
Parâmetro de tensão do eletrodo ÿ 0,2–1,0
Parâmetro de tempo de fusão ÿ 0–1,0
Fig. 1. Descrição do modelo físico do EAF de eletrodo único.

3
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Equação do momento:
ÿ = ÿÿg + (1 ÿ ÿ)ÿb (15)
ÿ(ÿÿu ) ÿ

+ (ÿÿu ÿÿ)ÿu = ÿ ÿp + ÿÿ2ÿu + ÿg + fb ÿ+ Su ÿt (7)

3.3. Limite e condições iniciais

onde p é a pressão, ÿ é a viscosidade dinâmica e g é a aceleração da gravidade.

A Fig. 2 mostra as condições de contorno do domínio computacional. Nenhum
ÿ
limite de deslizamento é aplicado às paredes e ao fundo. Mais detalhes são
fb é a força de empuxo determinada pela aproximação de Boussinesq na Eq. expressos a seguir:
(8), que pode ser expressa como: Limites convectivos existem na parede e no fundo por causa da
ÿ temperatura do ar mais baixa:
ÿg + fb = ( ÿ ÿ ÿref) g = ÿ ÿ0ÿv ( T ÿ Tref) g (8)
ÿ

qw = h (Tw ÿ Tair) (16)

onde ÿv é o coeficiente de expansão térmica e T é a temperatura.
Subscript ref representa os estados de referência. onde h' é o coeficiente de transferência de calor por convecção. Os subscritos w e air
ÿ

Na Eq. (7), o termo fonte Su modifica o balanço de momento, dependendo da representam a parede do forno e o ar, respectivamente.
Além da convecção, a radiação precisa ser calculada na superfície da carga do
conclusão da mudança de fase da carga do forno, amortecendo a velocidade na
forno e nas paredes laterais do eletrodo. A perda de calor
interface de mudança de fase de modo que se torne
ÿ
nestas regiões estão listados:
o da fase solidificada após a transição. Su seguinte pode ser obtido pelo
ÿ
equação: qf = h ÿ T4 (17)
( Tf ÿ Tg ) + ÿÿe ( T4f g)
2
ÿ
= (1 ÿ ÿ)
su (9)
ÿ3 + ÿ Amush( ÿu ÿ u s ) onde ÿe é a emissividade. Subscritos f representam a superfície de carga do forno.

Nas Eqs. (9), ÿ é a fração de volume da fase líquida, que pode ser descrita como: O limite de acoplamento é adotado na interface entre o
carga do eletrodo e do forno:

ÿ 0 TÿTs ÿbÿTb = ÿeÿTe (18)

T ÿ Ts
ÿ= TsÿTÿTl (10) onde o subscrito e representa o eletrodo.
ÿÿÿÿ

Tl ÿ Ts
O EAF é pré-aquecido antes de iniciar o processo de fundição, de modo que o
1 TÿTl
ÿÿÿÿ

condição inicial do domínio computacional é mostrada a seguir:

onde Amush é a constante da zona pastosa que reflete a frente de fusão e T| b,t=0 = T| = 1000K, ÿu |b,t=0 = 0 (19)
e,t=0
geralmente varia de 104 a 107 kgÿm-3s ÿ 1 [26,27]. No totalmente solidificado
ÿ

regiões, ÿ é igual a 0, de modo que é o infinito. Para evitar a divisão por 3.4. Propriedades termofísicas
Su zero, ÿ é definido como um número pequeno em 0,001 neste artigo. Subscritos
s e l representam sólido e líquido, respectivamente. Neste artigo, a carga real do forno para fundição de corindo marrom é analisada
Equação de energia: usando um difratômetro de raios X (XRD), conforme mostrado na Fig. 3. A fração
de massa de Al2O3 na carga do forno é de 95,63%, o que implica que o estágio de
ÿ
(ÿh(T)) + ÿ(ÿÿu h(T)) = ÿÿ2 T + qA (11) fundição pode ser simplificado no processo de fusão de Al2O3.
ÿt
Os parâmetros termofísicos detalhados do Al2O3 estão listados na Tabela 2 com
A entalpia h na Eq. (11) é mostrado a seguir: base em revisões anteriores da literatura e informações de empresas cooperativas
[25].
T Ts T
(12)
h = hs + hl = (1 ÿ ÿ) ÿ Tref cpdT + ÿ ( ÿ Tref
cpdT + L + ÿ Tl cpdT)

onde L é o calor latente e cp é o calor específico integrado.

Como a carga não fundida do forno é material poroso no processo de fundição
real, a condutividade térmica real ÿ na Eq. (12) é mostrado a seguir [28]:

ÿ = ÿÿg + (1 ÿ ÿ)ÿb + ÿr (13)

onde ÿ é a porosidade. Os subscritos g, b e r representam gás de fornalha, carga

de fornalha e radiação, respectivamente.
O valor de ÿr na Eq. (13) pode ser calculado pela aproximação de Rosseland
[29]:
ÿÿÿÿÿÿÿÿÿÿÿ

16ÿT3 32rdÿT3 ÿ ÿ
ÿr = = (14)
3ÿ 9 1 ÿ ÿ 3 ÿ1 ÿ ÿ

onde ÿ é a constante de Stefan-Boltzman, ÿ é o coeficiente de extinção de radiação

e rd é o tamanho característico da alimentação.
Comparado com a capacidade térmica específica da carga do forno, a
capacidade térmica específica do gás é tão pequena que tem pouca influência na
capacidade térmica específica integrada, então cp na Eq. (12) é igual à capacidade
de calor específico da carga do forno.
A densidade real ÿ nas fórmulas acima é calculada como:
Fig. 2. As condições de contorno do domínio computacional.

4
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Fig. 3. Análise da composição da carga do forno.

Pelas equações acima, pode-se saber que os parâmetros adimensionais ÿ com ÿ

Tabela
podem ser usados para descrever as características de transferência de calor e massa,
2 Parâmetros termofísicos detalhados do Al2O3 .
e ÿ com ÿ pode refletir bem o estado da distribuição de temperatura no FEA.
Projeto Parâmetro

ÿ 1,0 × 10-6 T2 - 6,2 × 10-3T + 3967,1 8106,6 Tÿ

0,98
ÿÿ 9,0 × 10-9 + 5.1 4. Validação do modelo
cp T3 - 3,0 × 10-5 T2 + 2,95 × 10-2T + 1,3026 0,3
ÿ
eu 1137,9 4.1. Validação de modelos matemáticos por experimentos
Ts 2303
Tl 2327 Os estudos experimentais do EAF foram conduzidos conforme mostrado na Fig. 4.
Em condições de trabalho, a plataforma experimental do EAF é alimentada por 50KVA
e 50 V, corrente contínua. O eletrodo de carbono tem um diâmetro de 100 mm e o
3.5. Procedimento de cálculo
diâmetro interno do forno é de 400 mm.
Os experimentos são realizados em estado aberto para facilitar a observação do forno e
As equações governantes são calculadas pelo método de volume finito (FVM) com
a medição da temperatura da superfície de carga. A temperatura média da superfície de
um solucionador de precisão dupla no pacote de software de dinâmica de fluidos
carga do forno é calculada medindo a temperatura em 6 pontos-chave e calculando a
computacional (CFD) do ANSYS FLUENT 18. A fonte de calor do arco é adicionada
média dos resultados.
como o termo de origem da equação de energia por a função definida pelo usuário
A temperatura é medida pela pistola de medição de temperatura TM990D, que varia de
(UDF). A equação de correção de pressão é resolvida usando o esquema PRESTO, e
200 ÿ a 2600 ÿ.
os termos convectivos nas equações de momento e energia são discretizados usando
A Fig. 5 mostra a comparação da temperatura entre as medições experimentais e
um esquema upwind de segunda ordem.
os resultados numéricos. Os resultados da simulação são consistentes com a tendência
A tarefa é executada de maneira transitória com o tamanho do passo de tempo de 2 s.
dos dados experimentais, com uma diferença não superior a 14,8% entre os dois
Os dados são registrados a cada 5 min. Quando os resíduos escalados das equações
conjuntos de dados. Como resultado, obtém-se uma concordância razoável, indicando
discretizadas caem abaixo de uma tolerância predefinida de 10ÿ é 4 , convergência
a confiabilidade do modelo matemático.
assumida. Uma simulação típica leva 72 horas para ser concluída usando 10 núcleos e
2,3 GHz.

4.2. Geração de grade e validação de independência

3.6. Definições de indicadores
As malhas computacionais são geradas pelo software pré-processador ICEM. O
Os seguintes indicadores são propostos para analisar os resultados e avaliar o tamanho da grade não próximo à parede é aumentado apropriadamente para reduzir a
desempenho da EAF neste estudo [30]. ÿ é um parâmetro carga de computação, conforme mostrado na Fig. 2. Diferentes tamanhos de malha
adimensional, que pode descrever a eficiência energética do FEA: foram usados para garantir que os resultados fossem independentes do número de
malha. Os resultados numéricos são considerados independentes do número da malha
quando as mudanças em t são menores que 5% sob a condição de ÿ = 1. O número
Ts

ml ( ÿ Tref cpdT + L ) final da grade adotado é de cerca de 8,6 × 104 .

ÿ= (20)
qAt
5. Resultados e discussão
ÿ mostra o aumento de temperatura no forno:

Tave 5.1. As características da transferência de massa de calor em EAF

ÿ= (21)
Ts

É importante analisar a distribuição de campos multifísicos porque as características

ÿ é o índice de uniformidade de temperatura:
de transferência de calor e massa e a distribuição de energia no FEA são diretamente
ÿn i=1(|Ti ÿ Tave|vi ) influenciadas pela temperatura e pelos campos componentes. O arco é usado como
ÿ=1ÿ (22)
|Tave| ÿn i=1vi fonte de calor para o modelo, e equações triplas de continuidade, momento e conservação
de energia são usadas para determinar a temperatura, velocidade e mudanças de fase.
onde os subscritos ave e i representam o valor médio e para o nó da grade do domínio A temperatura total e a distribuição do campo de fluxo são representadas na Fig. 6. A
computacional, respectivamente. Fig. 6(a) mostra claramente

5
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Fig. 4. O estudo experimental da EAF.

Fig. 5. Comparação das observações experimentais e resultados numéricos.

que a temperatura máxima pode ser encontrada na interface entre eletrodo e

carga e no início do processo de smelting a poça de fusão também ocorre
nesta região. No estágio inicial, a maior parte do calor do arco se difunde para
a zona lateral superior do forno sob a ação do campo de fluxo da poça de
fusão. A carga na área do lado superior é completamente fundida à medida
que o processo de fundição progride, conforme ilustrado na Fig. 6(b).

A Fig. 7 revela o gradiente de temperatura e o fluxo de calor no forno.

O gradiente de temperatura é maior na região superior do eletrodo e o calor do
arco é facilmente transferido para outra zona EAF em 3000 s. Aos 6000 s, o
calor do arco dificilmente se difunde para a zona não fundida, o que é um
importante fenômeno revelado pela imagem. Comparado com a Fig. 6 (b), a
razão para este problema é que a distribuição de temperatura na poça de
fusão é uniforme devido à convecção natural, resultando no aparecimento de
resistência térmica próximo ao topo do eletrodo.
A Fig. 8 descreve as regras de mudança das propriedades metalúrgicas.
Fig. 6. Distribuição de campos multifísicos em EAF (ÿ = 0,75, ÿ = 0,4, ÿ = 0,6).
Um fenômeno significativo que pode ser facilmente percebido na Fig. 8 (a) é
que a taxa de fusão da carga do forno rm diminuiu rapidamente após 6250 s.
De acordo com o resultado da Fig. 7, a resistência térmica perto do topo do Fig. 8 (b). O calor transferido para a zona não fundida aumenta e rm cresce
eletrodo é gradualmente formada em cerca de 6000 s, tornando a carga do gradualmente à medida que o superaquecimento local se intensifica. Ao final
forno não fundido mais difícil de receber calor e um superaquecimento local do processo de fundição, a diferença de temperatura no forno tende a se
mais sério no FEA. Na Fig. 8 (a), o valor mínimo de rm aparece em t = 7200 s. estabilizar e a taxa de crescimento de rm diminui. O aumento de rm nos últimos
600 em
Após este tempo, o extremo de temperatura aumenta no EAF, que pode ser encontrado s é 59,6% menor do que nos 600 s anteriores.
Uma constatação clara da análise anterior é que o

6
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

fenômeno de distribuição de campo de temperatura desigual causará inúmeros

problemas. Por exemplo, reduz a região de aquecimento efetiva, resultando em
perda desnecessária de energia e problemas de operação em alta temperatura. No
entanto, uma diferença de temperatura suficiente no EAF é benéfica para a difusão
do calor do arco da região superior do eletrodo para a zona lateral do forno, o que
contribui para o aumento da taxa de fusão da carga. Portanto, a distribuição
razoável de energia é essencial para melhorar a eficiência da transferência de calor
e massa no FEA.

5.2. Efeitos de parâmetros operacionais típicos no desempenho do EAF

Alterar os parâmetros operacionais típicos é a abordagem mais comum para

Fig. 7. O gradiente de temperatura e o fluxo de calor no forno (ÿ = 0,75, ÿ = 0,4,
ÿ = 0,6).
melhorar o desempenho do EAF. A influência do tempo de smelting é proposta na
seção anterior, então apenas o efeito de outros parâmetros é discutido nesta seção.
A Fig. 9 mostra a influência da razão ÿ do diâmetro da altura da carga do forno na
temperatura e na distribuição do fluxo de calor. Na realidade, ÿ pode ser alterado
variando a quantidade de alimentação. A imagem mostra claramente que a
característica de distribuição do campo de temperatura muda com ÿ indicando que
o fenômeno de superaquecimento local existe em todos os modelos de pesquisa.
Outra consideração importante é que o comprimento do caminho do fluxo de calor
no EAF reduz conforme ÿ.
De acordo com a análise acima, uma distância de difusividade de calor de arco
mais curta resulta em um tempo de fusão de carga mais curto. À medida que ÿ
diminui de 1,0 para 0,5, o tempo necessário para terminar a fusão da carga do
forno é reduzido em 12,1%. O aumento final da temperatura no forno também não
é grave por esta razão, conforme mostrado na Fig. 10. A eficiência energética e a
uniformidade da temperatura também foram melhoradas. ÿmax e ÿave melhoraram
em 14,5% e 3,1%, respectivamente. No entanto, à medida que ÿ diminui, as
propriedades metalúrgicas tendem a se tornar mais estáveis. Por exemplo, ÿmax
aumenta apenas 0,8% quando ÿ diminui de 0,6 para 0,5. As causas desse fenômeno
podem ser divididas em duas categorias. Primeiro, a superfície superior da carga
aumenta gradualmente neste processo, o que aumenta a perda de calor para o gás do forno.
Outra causa importante é que a distância do fluxo de calor radial aumenta, o que
aumenta o tempo de transferência de calor do topo do eletrodo para a zona lateral.
Esta análise indica que existe um valor de ÿ ótimo para obter o melhor desempenho
de fundição abrangente.
A Fig. 11 descreve o efeito da taxa de imersão do eletrodo ÿ no campo de
temperatura e na distribuição do fluxo de calor. O caminho do fluxo de calor é mais
curto em ÿ = 0,6 do que em ÿ = 0,2. Além disso, a temperatura da zona de carga
superior em ÿ = 0,6 é menor quando comparada à

Fig. 8. A regra de mudança das propriedades metalúrgicas (ÿ = 0,75, ÿ = 0,4, ÿ

= 0,6).

Fig. 9. Campo de temperatura e fluxo de calor no forno (ÿ = 0,4, ÿ = 0,6, t = 6.000

s).

7
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Fig. 10. A influência de ÿ no desempenho da fundição (ÿ = 0,4, ÿ = 0,6).

distribuição do campo de temperatura em ÿ = 0,2. Este fenômeno contribui

para o uso eficiente de energia e isolamento. Na Fig. 12, quando ÿ aumenta
de 0,2 para 0,6, ÿmax diminui em 13,3% e ÿmax aumenta em 12,0%.
No entanto, a diferença em ÿmax entre ÿ = 0,5 e ÿ = 0,6, por outro lado, é de
apenas 2,1%. A explicação para esta situação é que a transferência de calor
do arco para a superfície da carga é difícil quando o valor de ÿ é muito grande.
Além disso, aumentar ÿ aumentará o risco de um derretimento do porão na
realidade. Portanto, um valor apropriado de ÿ é necessário para a operação
real.
Alterar a tensão do eletrodo é outra maneira comum de melhorar o
processo de fundição EAF. De acordo com as revisões da literatura, a
vantagem mais óbvia de melhorar a tensão do eletrodo é acelerar o processo
de fundição. Mas este método aumentará a quantidade de energia no FEA
enquanto diminui a eficiência geral de utilização de energia.
A Fig. 13 mostra a influência da tensão do eletrodo no desempenho da
fundição. Quando ÿ aumenta de 0,2 para 1,0, ÿmax e ÿmax diminuem em
36,0% e 7,0%, respectivamente. Mais energia também significa níveis de
temperatura mais altos no EAF. Quando comparado a ÿ = 0,2, o aumento
médio na taxa de crescimento de ÿ é aproximadamente 1,1 vezes maior do
Fig. 11. Campo de temperatura e fluxo de calor no forno (ÿ = 0,75, ÿ = 0,6, t =
que ÿ = 1,0. Quando a tensão do eletrodo aumenta, o índice de uniformidade
4.200 s).
de temperatura ÿ diminui rapidamente no estágio anterior, indicando que o
fenômeno de superaquecimento local do EAF é mais severo. No entanto,
devido ao aumento da convecção natural, ÿ sobe rapidamente no final do
estágio de fundição. Na prática, os operadores geralmente escolhem uma
tensão de eletrodo maior dentro da faixa de temperatura permitida.
De acordo com a análise acima, o índice de desempenho de fundição
única pode ser melhorado ajustando os principais parâmetros operacionais,
mas é difícil otimizar todos os indicadores de desempenho de fundição ao
mesmo tempo devido ao efeito sinérgico de vários parâmetros operacionais
em todo o processo de fundição. Como resultado, é necessário realizar
pesquisas sobre otimização de desempenho abrangente de EAF.

5.3. Análise ortogonal em EAF

A análise ortogonal é adotada para investigar o efeito de ÿ, ÿ, ÿ no

Fig. 12. A influência de ÿ em ÿmax e ÿmax (ÿ = 0,75, ÿ = 0,6).
desempenho abrangente da EAF. Embora de acordo com a análise acima, ÿ
seja um parâmetro operacional típico, ÿmax é usado para desempenho de
EAF porque o tempo de fusão também representa a taxa de fusão. De acordo
com as introduções anteriores, a análise ortogonal inclui o processo de
transferência de calor-massa e o processo de elevação de temperatura. Para
avaliar todo o processo de fundição de forma mais conveniente, ÿmax/ÿmax é
empregado para refletir o processo físico anterior e ÿmax/ÿave é usado para
descrever outro. Como resultado, o objetivo de otimização do EAF é min
{ÿmax, ÿ max} + max{ÿmax, ÿave}. O gráfico de fatores e níveis é mostrado

8
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

têm um efeito sinérgico em todo o processo de fundição. A influência de cada

parâmetro operacional no processo de transferência de calor-massa no forno
é, por outro lado, primária e secundária. Além disso, min {ÿmax} pode ser
alcançado por ÿ = 0,5, ÿ = 0,6, ÿ = 1,0, mas o alvo de min {ÿ max} + max{ÿmax,
ÿave} é finalizado por ÿ = 0,5, ÿ = 0,6, ÿ = 0,2.
Portanto, pode-se concluir que reduzir ÿ e aumentar ÿ são benéficos para
melhorar o desempenho da fundição. Esta conclusão é consistente com a
tendência de desenvolvimento de EAF maciço e atarracado. Maior imersão
do eletrodo é adotada pelos operadores de corrente em condições de
segurança. Este fenômeno comprova a confiabilidade da análise ortogonal
em EAF.

5.4. Modelo de previsão de rede neural BP e otimização genética

multiobjetivo

Embora a análise ortogonal seja realizada na seção anterior, apenas um

conjunto específico de pontos de operação pode ser analisado devido aos
limites desse método. Além disso, o conjunto unificado de otimização não
pode ser obtido a partir da análise ortogonal. Para melhorar todo o
desempenho da fundição, a otimização genética multiobjetivo é estudada.
Para promover pesquisas sobre otimização de desempenho abrangente de
EAF, são necessários modelos matemáticos preditivos de quatro indicadores.
Como o modelo de predição da rede neural BP é capaz de classificação de
padrões complexos e excelente aproximação de funções multidimensionais,
ele é adotado para este estudo. O princípio de funcionamento é mostrado na
Fig. 14. De acordo com as informações nesta figura, os parâmetros de
operação do EAF são fornecidos primeiro ao modelo. O erro entre o
treinamento e os dados reais é então analisado e o modelo de previsão é
modificado. A saída do modelo é essencialmente consistente com o valor real
após muitas vezes de treinamento [31,32]. 1.000 pontos de dados reais são
usados para treinar o modelo de previsão de rede neural BP para cada
parâmetro de desempenho para garantir a confiabilidade. Cada modelo de
previsão de parâmetros de desempenho tem um coeficiente de correlação maior que 0,99
A Fig. 15 mostra a comparação entre o modelo de previsão e os resultados
do cálculo original. Nesta figura, os pontos são os resultados originais do
cálculo enquanto as curvas representam a previsão do modelo.
Há uma diferença muito pequena entre os valores previstos e os resultados
originais, especialmente na fase posterior do processo de fundição.
Fig. 13. As influências de ÿ nos indicadores EAF (ÿ = 0,75, ÿ = 0,4).
Portanto, pode-se concluir que o modelo de previsão de rede neural BP de 4
indicadores é preciso e confiável.
Além disso, o programa NSGA-II é usado para finalizar a otimização
Tabela 3 genética multiobjetivo, conforme mostrado na Fig. 16. A função objetivo para
O gráfico de fatores e níveis. esta parte também é min{ÿmax, ÿ max} + max{ÿmax, ÿave}. De acordo com o
Nível ÿ ÿ ÿ
diagrama, os parâmetros de otimização aleatórios são gerados e, em seguida,
os parâmetros aleatórios são trazidos para a fórmula de correlação de ajuste
1 0,5 0,2 0,2
2 0,75 0,4 0,6
obtida na seção anterior para produzir os índices de desempenho. Além disso,
3 1,0 0,6 1,0 a combinação de parâmetros mais próxima da função objetivo é selecionada
como a próxima geração por seleção, cruzamento e mutação [33,34]. Após
várias gerações de evolução genética, o conjunto ótimo final, conhecido como
Tabela conjunto de solução ótima de Pareto, pode ser obtido.
4 Os designs de teste ortogonais. O conjunto de soluções ótimas de Pareto é mostrado na Tabela 6. Quando
comparado aos parâmetros operacionais básicos (ÿ = 0,75, ÿ = 0,4 e ÿ = 0,6),
Não. ÿ ÿ ÿ ÿmax ÿmax ÿmax ÿave
o desempenho do EAF é significativamente melhorado sob a condição de
1 0,5 0,2 0,2 0,8700 0,3128 1,0870 0,8525 parâmetros operacionais ideais (ÿ = 0,61, ÿ = 0,59, ÿ = 0,59), que define o
2 0,5 0,4 0,6 0,6464 0,3103 1,0889 0,8422
número igual a 3. Nessa situação, ÿmax e ÿmax são reduzidos em 6,2 e 4,1%,
3 0,5 0,6 1,0 0,5053 0,3144 1.0796 0,8256
4 0,75 0,2 0,6 0,7311 0,2768 1.1705 0,7982 respectivamente, enquanto ÿmax e ÿave aumentam em 6,8 e 1,0%,
5 0,75 0,4 1,0 0,5699 0,2798 1.1615 0,8248 respectivamente. ÿmax e ÿave são maiores quando o número definido é igual
6 0,75 0,6 0,2 0,8292 0,3171 1,0659 0,8665 a 1. Além disso, a taxa de fundição de carga é mais rápida quando o número
7 1,0 0,2 1,0 0,6657 0,2423 1.2784 0,7480
definido é igual a 4. Os pesquisadores podem selecionar os parâmetros
8 1,0 0,4 0,2 0,9343 0,2830 1,1412 0,8646
9 1,0 0,6 0,6 0,6423 0,3031 1,0927 0,8555
apropriados com base nos requisitos específicos do processo de fundição real.
Em conclusão, a otimização multiobjetivo do EAF pode ser obtida através
dos métodos de pesquisa descritos neste artigo, que tem um certo significado
na Tabela 3, e projetos de teste ortogonais de 3 fatores em 3 níveis são orientador para o futuro do desenvolvimento do EAF.
detalhados na Tabela 4.
A Tabela 5 indica a faixa R e o índice de medida k do teste ortogonal
sobre diferentes índices de desempenho. Parâmetros operacionais claramente

9
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Tabela
5 k e R sobre diferentes índices de desempenho.
Parâmetros ÿ ÿ ÿ Parâmetros ÿ ÿ ÿ

ÿmax k1 0,6739 0,7556 0,8778 ÿmax k1 0,3125 0,2773 0,3043

k2 0,7101 0,7169 0,6733 k2 0,2913 0,2910 0,2967
k3 0,7474 0,6589 0,5803 k3 0,2761 0,3115 0,2789
R 0,0736 0,0967 0,2975 R 0,0364 0,0342 0,0255
Influência: ÿ > ÿ > ÿ Influência: ÿ > ÿ > ÿ ÿave
ÿmax k1 1.0851 1.1786 1,0980 k1 0,8401 0,7996 0,8612
k2 1.1326 1.1305 1.1174 k2 0,8298 0,8438 0,8320
k3 1.1707 1.0794 1.1732 k3 0,8227 0,8492 0,7994
R 0,0856 0,0993 0,0752 R 0,0174 0,0496 0,0617
Influência: ÿ > ÿ > ÿ Influência: ÿ > ÿ > ÿ

(1) As características de transferência de massa de calor em EAF podem ser

descritas com precisão pelo modelo tridimensional transiente geral. A precisão do
modelo é comprovada pela comparação com dados experimentais.
(2) O fenômeno de superaquecimento tende a fazer com que a temperatura de
carga superior do eletrodo seja mais alta que o ponto de fusão e evita que o calor
do arco se difunda para a zona não fundida. Esta situação pode levar a uma perda
de energia desnecessária e a uma baixa taxa de fusão da carga. Por outro lado,
as diferenças de temperatura contribuem para um aumento na carga de fusão do forno
avaliar.

(3) Aumentar a tensão pode efetivamente aumentar a taxa de transferência de

calor e massa. No entanto, também aumentará a temperatura geral do forno e o
consumo desnecessário de energia. Enquanto ÿ = 0,75 e ÿ = 0,4, ÿmax é reduzido
em 36,0% quando ÿ aumenta de 0,2 para 1,0, mas ÿmax é reduzido em 7,0%.

(4) Diminuir a relação altura-diâmetro e aumentar a relação de imersão do

eletrodo melhorará o desempenho geral da fundição EAF. No caso ÿ = 0,4, ÿ = 0,6,
quando ÿ diminui de 1,0 para 0,5, ÿave e ÿmax melhoram em 3,1 e 14,5%,
respectivamente. No caso de ÿ = 0,75, ÿ = 0,6, quando ÿ é aumentado de 0,2 para
Fig. 14. O princípio de funcionamento do modelo de previsão de rede neural BP. 0,6, ÿmax é reduzido em 13,3% e ÿmax é aumentado em 12,0%. No entanto,
diminuir ÿ pode aumentar a perda de calor do arco para o gás do forno e aumentar
6. Conclusão ÿ reduzirá a taxa de recepção de calor do arco de carga de superfície.

Neste estudo, um modelo matemático transiente do EAF foi desenvolvido, a (5) O modelo de previsão de rede neural BP é preciso com o coeficiente de

influência de parâmetros operacionais típicos no processo de fundição de corindo correlação maior que 0,99 para cada modelo de previsão de parâmetro de

marrom está sendo investigada. O algoritmo NSGA-II baseado no modelo de desempenho. Após a otimização genética multiobjetivo, o desempenho do EAF é

predição da rede neural BP foi usado de forma criativa para a otimização significativamente melhorado. Comparado com os parâmetros operacionais básicos

multiobjetivo do EAF. As seguintes conclusões são derivadas: (ÿ = 0,75, ÿ = 0,4 e ÿ = 0,6), ÿmax e ÿmax nos parâmetros operacionais (ÿ = 0,61, ÿ
= 0,59, ÿ = 0,59) reduzidos em 6,2 e

Fig. 15. A comparação entre o modelo de previsão e os resultados do cálculo original.

10
Machine Translated by Google

X.-K. Zhang et ai. Energia Aplicada 317 (2022) 119147

Declaração de Interesse Concorrente

Os autores declaram que não têm interesses financeiros concorrentes conhecidos

ou relacionamentos pessoais que possam parecer influenciar o trabalho relatado neste
artigo.

Reconhecimentos

O presente trabalho é apoiado pela Fundação para Grupos de Pesquisa Inovadora

da Fundação Nacional de Ciências Naturais da China (No.51721004) e pelo Programa
Chave Nacional de P&D da China (No.2018YFB0605901).

Os autores também gostariam de agradecer ao Projeto 111 (B16038).

Referências

[1] Chen Z, Zhou S, Ma W, Deng X, Li S, Ding W. O efeito das propriedades dos materiais carbonáceos
no consumo de energia da produção de silício no forno de arco submerso. J Clean Prod
2018;191:240–7.
[2] An RY, Yu BY, Li R, Wei YM. Potencial de economia de energia e emissão de CO2
redução na indústria de ferro e aço da China. Appl Energy 2018;226(15):862–80.
[3] Lin Z, Yu D, Sum YN, Zhang Y. Síntese de derivados de acetileno funcionais de
carboneto de cálcio. ChemSusChem 2012;5(4):625–8.
[4] Zhang XK, Tong ZX, He YL, Hu X. Influência da arquitetura de alimentação na transferência de calor e
massa em forno elétrico de carboneto de cálcio. Int J Heat Mass Transfer 2021;164: 120593. https://
doi.org/10.1016/j.ijheatmasstransfer.2020.120593.
[5] Kirschen M, Risonarta V, Pfeifer H. Eficiência energética e influência do gás
queimadores às emissões de dióxido de carbono relacionadas à energia de fornos elétricos a arco na
indústria siderúrgica. Energia 2009;34(9):1065–72.
[6] Chen Z, Ma W, Wei K, Li S, Ding W. Efeito das matérias-primas no processo de produção do forno de
silício. J Clean Prod 2017;158:359–66.
[7] Bezuidenhout JJ, Eksteen JJ, Bradshaw SM. Dinâmica de fluidos computacional
modelagem de um forno elétrico de fundição no processo de recuperação de platina. Miner Eng
2009;22(11):995–1006.
[8] Ritchie S, Eksteen JJ. Investigando o efeito das condições do banho de escória na existência de
zonas de emulsão multifásica em fornos de fundição PGM usando dinâmica de fluidos
computacional. Miner Eng 2011;24(7):661–75.
[9] Karalis KT, Karkalos N, Cheimarios N, Antipas GSE, Xenidis A, Boudouvis AG.
Uma análise CFD das propriedades da escória, forma do eletrodo e efeitos da profundidade de imersão
no aquecimento do forno de arco elétrico submerso no processamento de ferroníquel. Appl Math Model
2016;40(21-22):9052–66.
[10] Li B, Wang Bo, Tsukihashi F. Modelagem de campo eletromagnético e forma de poça de metal líquido
em um processo de refusão por eletroescória com dois eletrodos conectados em série.
Metall Mater Trans B: Process Metall Mater Process Sci 2014;45(3): 1122–32.

[11] Yigit C, Coskun G, Buyukkaya E, Durmaz U, Güven HR. Modelagem CFD da combustão de carbono e
radiação de eletrodo em um forno elétrico a arco. App Therm Eng 2015;90:831–7.

[12] Zhang J, Prationo W, Zhang L, Zhang Z. Modelagem computacional de dinâmica de fluidos na queima de
Fig. 16. Fluxograma geral baseado no programa NSGA - II. ar e na combustão de oxi-combustível de carvão marrom vitoriano seco. Energy Fuels 2013;27(8):4258–
69.
[13] Khodabandeh E, Ghaderi M, Afzalabadi A, Rouboa A, Salarifard A. Paramétrico
estudo da transferência de calor em forno elétrico a arco e sistema de resfriamento. Appl Therm Eng
Tabela 6
2017;123:1190–200.
O conjunto de soluções ótimas de Pareto. [14] Scheepers E, Yang Y, Adema AT, Boom R, Reuter MA. Modelagem de processos e
Otimização de um forno de arco submerso para produção de fósforo. Metall Mater Trans B:
Não. Parâmetros operacionais índices de desempenho Process Metall Mater Process Sci 2010;41(5):990–1005.
[15] Ahmadi AA, Bahiraei M. Otimização do desempenho termohidráulico do sistema de resfriamento de um
ÿ ÿ ÿ ÿmax ÿmax ÿmax ÿave
forno elétrico a arco operado com nanofluido: um estudo de CFD. J Clean Prod 2021;310:127451.
básico 0,75 0,40 0,60 0,682 0,2904 1.1342 0,8605 https://doi.org/10.1016/j.jclepro.2021.127451.
1 0,50 0,58 0,20 0,820 0,3487 1.0587 0,8838 [16] Tabatabaeipour SM, Honarvar F. Uma avaliação comparativa de testes ultrassônicos de soldas AISI 316L
2 0,50 0,60 0,60 0,622 0,3178 1.0811 0,8497 feitas por processos de soldagem a arco de metal blindado e soldagem a arco de gás tungstênio . J
3 0,61 0,59 0,59 0,640 0,3102 1,0880 0,8688 Mater Process Technol 2010;210(8):1043–50.
4 0,63 0,60 0,74 0,513 0,2902 1,0550 0,8402 [17] Wang Z, Zhang YuMing, Wu L. Controle de modelo de intervalo adaptativo da superfície da poça de
fusão na soldagem a arco de metal a gás pulsado. Automatica 2012;48(1):233–8.
[18] Pavelic V, Tanbakuchi R, Auyehara OA, Myers PS. Histórias de temperatura experimentais e
computadas na soldagem a arco de gás tungstênio de placas finas. Weld J Res Supplement
4,1%, respectivamente, enquanto ÿmax e ÿave aumentaram 6,8 e 1,0%, respectivamente. 1969;48(7):295.
[19] Bachorski A, Painter MJ, Smailes AJ, Wahab MA. Previsão de elemento finito de distorção durante a
soldagem a arco de metal a gás usando a abordagem de volume de contração.
J Mater Process Tech 1999;30(92–93):405–9.
Declaração de contribuição de autoria do CRediT
[20] Wu S, Zhao HY, Wang L, Zhang XH. Um novo modelo de fonte de calor para
simulação de soldagem de feixe de alta energia (Chin). Trans China Weld Inst 2004;25(1): 99–102.
Xuan-Kai Zhang: Investigação, Metodologia, Análise formal, Validação, Redação –
[21] Tong LG, Gu JC, Yin SW, Wang L, Bai SW. Impactos do movimento da tocha na fase
rascunho original, Software. Ya-Ling He: Metodologia, Supervisão, Administração do
mudança e fluxo de fluido na poça de fusão de SMAW. Int J Transferência de massa de calor 2016;100:
projeto, Conceituação, Redação – revisão e edição, Aquisição de financiamento. Xin Hu: 949–57.

Validação, Análise formal. Meng-Jie Li: Investigação, Análise formal. [22] Wang Z, Fu Y, Wang N, Feng L. Simulação numérica 3D de fornos elétricos a arco para a produção de
MgO. J Mater Process Tech 2014;214(11):2284–91.

11
Machine Translated by Google
X.-K. Zhang et ai.
[23] Li X, Jiang Z, Geng X, Liu F, Peng L, Shi S. Simulação numérica de um novo
tecnologia de refusão por eletroescória com molde estacionário condutor de corrente. Appl
Thermal Eng 2019;147:736–46.
[24] Pan D, Zhao H, Zhang H, Zhao P, Li Y, Zou Q. Efeito de diferentes fontes de corindo na microestrutura
e propriedades de refratários Al2O3-Cr2O3 . Ceram Int 2019;45 (15):18215–21.
[25] Ma QF, Fang RS, Xiang LC, Li S. Manual de propriedades termofísicas práticas (Chin). China Agr
Pres 1986.
[26] Seddegh S, Wang X, Henderson AD. Um estudo comparativo do comportamento térmico de um
armazenamento de energia de casco e tubo horizontal e vertical usando materiais de mudança de fase.
Appl Therm Eng 2016;93:348–58.
[27] Xu Y, Ren Q, Zheng ZJ, He YL. Avaliação e otimização da fusão
desempenho de uma unidade de armazenamento de energia térmica de calor latente parcialmente
preenchida com meios porosos. Appl Energy 2017;193:84–95.
[28] Huang CL, Lin ZZ, Feng Y, Zhang X, Wang G. Condutividade térmica da sílica
pó de nanopartículas: Medição e análise teórica. Eur Phys J Plus 2015; 130(12):1–6.
12
Energia Aplicada 317 (2022) 119147
[29] Gusarov AV, Kovalev EP. Modelo de condutividade térmica em leitos de pó. Phys Rev B
2009;80(2):024202.1–024202.15.
[30] Li MJ, Tao WQ. Revisão de metodologias e políticas para avaliação de eficiência energética em
indústrias de alto consumo de energia. Appl Energy 2017;187:203–15.
[31] Chen Z, Ma W, Wei K, Wu J, Li S, Xie K, et al. Modelagem de redes neurais artificiais para avaliação
do consumo de energia da produção de silício em fornos de arco submerso. Appl Therm Eng
2017;112:226–36.
[32] Jiang H, Xi Z, A. Rahman A, Zhang X. Previsão de potência de saída com rede neural artificial
usando conjuntos de dados estendidos para motores Stirling. Appl Energy 2020;271: 115123.
https://doi.org/10.1016/j.apenergy.2020.115123.
[33] Lotfan S, Ghiasi RA, Fallah M, Sadeghi MH. Modelagem baseada em ANN e redução
emissões desafiadoras do motor bicombustível pelo algoritmo evolutivo multi-objetivo NSGA-II.
Appl Energy 2016;175:91–9.
[34] Wei L, Yan FW, Hu J, Xi GW, Liu B, Zeng JW. Eficiência de conversão de NOx
otimização baseada em NSGA-II e controle preditivo de modelo não linear de realimentação
de estado do sistema de redução catalítica seletiva em motor diesel. Appl Energia 2017;
206(15):959–71.