Escolar Documentos
Profissional Documentos
Cultura Documentos
The Study of Heat-Mass Transfer Characteristics and Multi-Objective Optimization On Electric Arc Furnace
The Study of Heat-Mass Transfer Characteristics and Multi-Objective Optimization On Electric Arc Furnace
The Study of Heat-Mass Transfer Characteristics and Multi-Objective Optimization On Electric Arc Furnace
Energia Aplicada
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.
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.
* 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
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 forno durante o processo de fundição real. Alguns estudiosos também usaram o modelo de
equipamento para fundição de minerais em grande escala [3,4]. radiação para simular a entrada de energia no topo do eletrodo.
No entanto, no momento, o EAF é atormentado por problemas sérios, como alto consumo Yigit et al. [11] estudaram o processo de combustão de carbono em um FEA. Em comparação
de energia e baixa eficiência energética [5]. Os pesquisadores têm trabalhado para melhorar com os dados experimentais de Zhang et al. [12], a radiação P1 foi utilizada para simular a
o desempenho da fundição EAF como parte da tendência atual de desenvolver tecnologias energia térmica liberada pelo arco elétrico. Khodabandeh et ai. [13] investigaram a
profundas de economia de energia e redução de emissões nas indústrias metalúrgicas e transferência de calor em um FEA e sistema de resfriamento através do modelo de radiação
químicas [6]. No entanto, uma vez que as características de acoplamento e distribuição de S2S. Scheepers et ai. [14] usaram o método da fonte de calor equivalente para modelar o
campo multifísico dentro do forno permanecem desconhecidas, o que torna difícil fornecer calor do arco para simular a produção de fósforo. Além disso, para otimizar o desempenho
sugestões para melhorar o EAF e há estudos limitados de EAF. Portanto, é importante termo-hidráulico do sistema de resfriamento, Ahmadi e Bahiraei [15] definiram o fluxo de
estudar o mecanismo de efeitos sinérgicos de processos multifísicos em EAF para entender calor da parede interna do painel de resfriamento do telhado em 100 kW/m2, embora a
os processos físicos e, potencialmente, melhorar os processos para ajudar a reduzir o distribuição de calor no forno seja extremamente desigual. , até
consumo de energia e aumentar a competitividade da indústria.
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
Um modelo matemático acoplado de campos multifísicos para o processo de fusão em de temperatura no processo de fundição.
alta temperatura é necessário primeiro para que a pesquisa seja realizada. No EAF, a maior De acordo com as revisões da literatura, o modelo numérico do arco está bem estabelecido
parte do calor é fornecida pelo arco para a fundição do forno, mas a maioria dos estudiosos na pesquisa de soldagem devido à facilidade de experimentação e observação do arco
simplificou a simulação do calor do arco em seus estudos. Bezuidenhout et ai. [7,8] [16,17]. No processo de soldagem, o arco é liberado da extremidade da vareta de solda para
estabeleceram um modelo 3D trifásico de EAF de metal do grupo da platina, cujo modelo liberar calor e fundir o metal, formando uma poça de fusão, processo semelhante à fundição
simplifica a frequência da mudança de corrente trifásica de 50 Hz para 0,0167 Hz. Ao de minerais. De certa forma, o processo de fundição mineral é equivalente a um processo
mesmo tempo, foi aquecido pelo calor Joule gerado pela resistividade da carga do forno. O de soldagem no qual a vareta de solda não se move. Pavelic et ai. [18] propuseram
modelo 2D EAF para processamento de ferroníquel foi desenvolvido por Karalis et al. [9] e primeiramente um modelo Gaussiano de fonte de calor de superfície para simular o calor do
todo o processo de fundição também foi estudado usando o método de aquecimento Joule. arco. Este modelo é
Além de usar o método de aquecimento Joule, Li et al. [10] simplificou o modelo de simples e fácil de usar, mas ignora a espessura do fluxo de calor da poça de fusão. Bachorski
transferência calor-massa ao desprezar o fluxo de carga fundida, o que também foi aceito. 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
Embora o método de aquecimento Joule permita que o modelo seja calculado de forma piscina “nailhead” com uma alta proporção. Este modelo foi verificado contra dados em seus
rápida e fácil, o fornecimento de calor nos extremos elétricos obtidos mostra que as experimentos.
características de alto nas bordas do eletrodo e baixo no meio, o que não corresponde à Tong e outros. [21] estudaram a variação da poça de metal fundido quando a vareta de solda
distribuição de energia no se moveu usando um modelo de fonte de calor elíptica dupla para
2
Machine Translated by Google
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
ÿ 9ÿ2
9UI r2
qA| ÿ,ÿ = um log( ÿla) (5)
ÿr2 la ( 1 ÿ )e
1e3 _
a
ÿÿ
+ ÿ(ÿÿu ) = 0 (6)
ÿt
Tabela
1 Parâmetros detalhados dos cálculos.
Projeto Parâmetro
3
Machine Translated by Google
Equação do momento:
ÿ = ÿÿg + (1 ÿ ÿ)ÿb (15)
ÿ(ÿÿu ) 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:
Tl ÿ Ts
O EAF é pré-aquecido antes de iniciar o processo de fundição, de modo que o
1 TÿTl
ÿÿÿÿ
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)
16ÿT3 32rdÿT3 ÿ ÿ
ÿr = = (14)
3ÿ 9 1 ÿ ÿ 3 ÿ1 ÿ ÿ
4
Machine Translated by Google
5
Machine Translated by Google
6
Machine Translated by Google
7
Machine Translated by Google
8
Machine Translated by Google
9
Machine Translated by Google
Tabela
5 k e R sobre diferentes índices de desempenho.
Parâmetros ÿ ÿ ÿ Parâmetros ÿ ÿ ÿ
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
10
Machine Translated by Google
Reconhecimentos
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
[23] Li X, Jiang Z, Geng X, Liu F, Peng L, Shi S. Simulação numérica de um novo [29] Gusarov AV, Kovalev EP. Modelo de condutividade térmica em leitos de pó. Phys Rev B
tecnologia de refusão por eletroescória com molde estacionário condutor de corrente. Appl 2009;80(2):024202.1–024202.15.
Thermal Eng 2019;147:736–46. [30] Li MJ, Tao WQ. Revisão de metodologias e políticas para avaliação de eficiência energética em
[24] Pan D, Zhao H, Zhang H, Zhao P, Li Y, Zou Q. Efeito de diferentes fontes de corindo na microestrutura indústrias de alto consumo de energia. Appl Energy 2017;187:203–15.
e propriedades de refratários Al2O3-Cr2O3 . Ceram Int 2019;45 (15):18215–21. [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
[25] Ma QF, Fang RS, Xiang LC, Li S. Manual de propriedades termofísicas práticas (Chin). China Agr 2017;112:226–36.
Pres 1986. [32] Jiang H, Xi Z, A. Rahman A, Zhang X. Previsão de potência de saída com rede neural artificial
[26] Seddegh S, Wang X, Henderson AD. Um estudo comparativo do comportamento térmico de um usando conjuntos de dados estendidos para motores Stirling. Appl Energy 2020;271: 115123.
armazenamento de energia de casco e tubo horizontal e vertical usando materiais de mudança de fase. https://doi.org/10.1016/j.apenergy.2020.115123.
Appl Therm Eng 2016;93:348–58. [33] Lotfan S, Ghiasi RA, Fallah M, Sadeghi MH. Modelagem baseada em ANN e redução
[27] Xu Y, Ren Q, Zheng ZJ, He YL. Avaliação e otimização da fusão emissões desafiadoras do motor bicombustível pelo algoritmo evolutivo multi-objetivo NSGA-II.
desempenho de uma unidade de armazenamento de energia térmica de calor latente parcialmente Appl Energy 2016;175:91–9.
preenchida com meios porosos. Appl Energy 2017;193:84–95. [34] Wei L, Yan FW, Hu J, Xi GW, Liu B, Zeng JW. Eficiência de conversão de NOx
[28] Huang CL, Lin ZZ, Feng Y, Zhang X, Wang G. Condutividade térmica da sílica otimização baseada em NSGA-II e controle preditivo de modelo não linear de realimentação
pó de nanopartículas: Medição e análise teórica. Eur Phys J Plus 2015; 130(12):1–6. de estado do sistema de redução catalítica seletiva em motor diesel. Appl Energia 2017;
206(15):959–71.
12