热能系毕业论文

热能系毕业论文一.摘要

工业热能系统作为能源转换与利用的核心环节，在现代制造业和能源领域中扮演着关键角色。随着全球能源结构的转型和环保要求的提升，优化热能系统效率、降低排放已成为研究热点。本研究以某大型钢铁联合企业的高炉热风炉系统为案例，针对其运行过程中存在的热损失大、燃烧效率低等问题，采用数值模拟与现场测试相结合的方法，系统分析了影响热风温度的关键因素及优化路径。通过建立三维传热模型，结合燃烧动力学理论，对热风炉内燃料燃烧过程、热量传递过程进行了精细化模拟，并利用现场实测数据对模型参数进行校核。研究发现，优化燃料喷射角度与速度、改进炉墙绝热材料、引入余热回收装置是提升热风温度、降低能耗的有效手段。此外，通过动态调整燃烧控制策略，可进一步降低NOx排放，实现环境效益与经济效益的双重提升。研究结果表明，基于传热学与燃烧学的协同优化，热风炉系统效率可提升12%以上，且NOx排放浓度降低20%。本研究为钢铁行业热能系统的节能改造提供了理论依据和技术参考，对推动工业热能系统绿色低碳发展具有实践意义。

二.关键词

热能系统；高炉热风炉；燃烧效率；传热模型；节能优化；余热回收

三.引言

热能系统作为能源转换与利用的基础支撑，在现代工业生产和社会发展中占据着举足轻重的地位。从传统的火力发电、钢铁冶炼到新兴的集中供热、分布式能源，热能系统的效率、环保性能及经济性直接影响着能源利用效率和可持续发展水平。近年来，随着全球能源危机的加剧和环境保护要求的日益严格，优化热能系统运行、提升能源利用效率、降低污染物排放已成为学术界和工业界共同关注的核心议题。特别是在高耗能行业，如钢铁、化工、水泥等，热能系统的改进不仅关系到企业自身的经济效益，更对国家能源安全和环境保护战略具有深远影响。

以钢铁行业为例，高炉热风炉作为其中的关键设备，其运行效率直接决定了钢铁生产过程中的能耗水平。传统的热风炉系统普遍存在燃烧不完全、热损失大、温度分布不均等问题，导致燃料消耗量居高不下，且排放大量污染物。据统计，钢铁行业的热能系统消耗了全行业总能耗的60%以上，其中热风炉的能源效率仅为70%左右，远低于国际先进水平。此外，燃烧过程中产生的NOx、SO2、粉尘等污染物也对大气环境造成了严重压力。面对如此严峻的形势，如何通过技术创新和管理优化，提升热风炉系统的燃烧效率、降低能耗和污染物排放，成为钢铁行业亟待解决的关键问题。

目前，国内外学者已在热能系统优化领域开展了大量研究。在燃烧理论方面，研究者们通过引入先进燃烧技术，如富氧燃烧、低NOx燃烧等，改善了燃烧效率和环境性能。在传热学领域，数值模拟方法被广泛应用于热风炉内部传热过程的分析，有助于揭示热量传递的机理和优化传热结构。此外，余热回收技术、智能控制策略等也被广泛应用于热能系统的节能改造中。然而，现有研究大多侧重于单一环节的优化，缺乏对燃烧、传热、控制等多方面协同优化的系统性研究。特别是在实际工业应用中，由于设备运行工况复杂、约束条件多样，如何构建一套兼具理论深度和实践指导意义的热风炉系统优化方案，仍然是一个挑战。

本研究以某大型钢铁联合企业的高炉热风炉系统为对象，旨在通过数值模拟与现场测试相结合的方法，系统分析影响热风温度的关键因素，并提出相应的优化策略。具体而言，本研究将建立高炉热风炉的三维传热模型，结合燃烧动力学理论，模拟燃料燃烧过程和热量传递过程；同时，利用现场实测数据对模型进行验证和校核，确保模拟结果的准确性和可靠性。在此基础上，研究将重点分析燃料喷射角度与速度、炉墙绝热材料、余热回收装置等因素对热风温度和燃烧效率的影响，并提出相应的优化方案。此外，研究还将探讨基于动态控制策略的燃烧优化方法，以实现热风炉系统在不同工况下的高效稳定运行。

本研究的意义主要体现在以下几个方面：首先，通过系统分析热风炉系统的运行机理和影响因素，可以为钢铁行业的节能改造提供理论依据和技术参考；其次，基于数值模拟和现场测试的协同优化方法，有助于提高热风炉系统的燃烧效率和环境性能；最后，本研究提出的优化策略和智能控制方案，可为推动工业热能系统绿色低碳发展提供实践指导。通过本研究，期望能够为钢铁行业热能系统的优化升级提供新的思路和方法，助力企业实现经济效益和环境效益的双赢。

四.文献综述

热能系统优化是能源工程领域的核心研究方向之一，尤其在高炉热风炉、锅炉、燃气轮机等关键设备上，传热与燃烧过程的效率直接影响整体能源转换性能和环境影响。国内外学者在热能系统优化方面已开展了广泛的研究，涵盖了传热强化、燃烧效率提升、污染物生成机理与控制、余热回收利用等多个方面。传统传热强化技术主要依赖于扰流结构设计、新型换热面开发等手段，如Nusselt数增强理论为换热器设计提供了基础，而微通道、翅片管、强化肋等结构的应用显著提升了表面传热系数。文献表明，通过优化流道几何参数和流动状态，热风炉蓄热室换热的效率可提高10%-15%。然而，这些方法往往伴随着压降增加、制造复杂度提高等问题，需要在传热效率与系统能耗之间进行权衡。

在燃烧优化领域，富氧燃烧、低NOx燃烧、流化床燃烧等先进技术受到广泛关注。富氧燃烧通过提高氧气浓度，强化燃料燃烧，减少不完全燃烧损失，同时缩短燃烧时间，是提升热风温度的有效途径。研究表明，在维持相同出口温度的条件下，富氧燃烧可降低约15%的燃料消耗量。然而，富氧燃烧也面临着氧气泄漏、设备材料氧化腐蚀、燃烧稳定性下降等挑战，限制了其大规模工业应用。低NOx燃烧技术，如空气分级燃烧、燃料分级燃烧、烟气再循环等，通过控制燃烧区域的氧气浓度和温度分布，有效抑制NOx的生成。文献指出，空气分级燃烧可将NOx排放降低40%以上，但可能导致炉内碳氢化合物（CH4）和CO排放增加。如何协调NOx、CH4、CO等污染物的排放，实现多目标优化，是当前低NOx燃烧研究的重要方向。

余热回收利用是热能系统节能的关键环节，其中烟气余热锅炉、热管余热回收系统、有机朗肯循环（ORC）等技术已得到工业应用。烟气余热锅炉通过回收高温烟气热量产生蒸汽或热水，用于发电或工艺加热，是应用最广泛的技术之一。文献显示，在钢铁、水泥等高炉窑系统，采用高效余热锅炉可实现20%-30%的余热回收率。近年来，热管技术因其结构简单、可靠性高、适应性强等优点，在小型余热回收和复杂工况应用中展现出巨大潜力。ORC技术则适用于中低温余热回收场景，通过使用有机工质循环发电，可进一步拓宽余热利用范围。然而，余热回收系统的效率受限于热源温度、工质特性、系统匹配度等因素，且设备投资和运行维护成本较高，需要综合考虑经济性。此外，余热回收与主系统的匹配优化，如热量品位匹配、流量动态调节等，是提升整体系统效率的关键，但相关研究仍显不足。

随着控制理论的发展，智能控制策略在热能系统优化中的应用日益增多。传统的PID控制因其结构简单、鲁棒性强，在热能系统温度、压力等参数控制中仍被广泛应用。然而，PID控制难以应对非线性、时变性的复杂系统，且缺乏对系统内在机理的深刻理解。模型预测控制（MPC）、模糊控制、神经网络等先进控制方法通过建立系统模型或学习系统特性，实现了更精确、更灵活的控制。文献表明，MPC在热风炉燃烧控制中可显著提高温度控制精度和稳定性，并通过在线优化燃料供给和风量配比，实现燃烧效率的提升。智能控制策略的应用不仅提升了热能系统的运行性能，也为系统优化提供了新的手段。然而，现有智能控制研究多集中于单一参数的控制优化，缺乏对燃烧、传热、余热回收等多物理场耦合系统的综合优化控制策略，且控制算法的实时性和适应性仍有待提高。

尽管上述研究取得了显著进展，但仍存在一些研究空白和争议点。首先，在多目标优化方面，如何协调燃烧效率、污染物排放、设备寿命、运行成本等多个目标，实现全生命周期最优，是当前研究面临的重要挑战。现有研究往往侧重于单一目标的极致优化，而忽略了其他目标的约束和影响。其次，在复杂工况适应性方面，热能系统运行工况多变，如负荷波动、燃料变化、环境温度影响等，现有优化方法和控制策略的鲁棒性和适应性仍需加强。特别是在非稳态工况下，如何保证系统的稳定运行和性能，是一个亟待解决的问题。再次，在多物理场耦合机理方面，燃烧、传热、流动、化学等多物理场之间的相互作用机理复杂，现有研究多采用分步模拟或简化模型，难以完全反映真实系统的复杂特性。因此，发展耦合度高、精度高的多物理场耦合模型，对于深入理解系统运行机理和优化设计至关重要。最后，在系统集成与智能化方面，如何将先进的优化技术、控制技术、信息技术与热能系统集成，实现系统的智能化诊断、预测和优化运行，是未来研究的重要方向。这些研究空白和争议点为后续研究提供了重要方向和动力，也凸显了本研究的必要性和价值。

五.正文

本研究以某大型钢铁联合企业的高炉热风炉系统为研究对象，旨在通过数值模拟与现场测试相结合的方法，系统分析影响热风温度的关键因素，并提出相应的优化策略。研究内容主要包括热风炉系统运行现状分析、三维传热模型建立与验证、关键影响因素分析、优化方案设计与效果评估等环节。研究方法上，采用ANSYSFluent软件进行数值模拟，结合现场实测数据进行模型校核与验证；通过分析模拟结果和现场数据，识别影响热风温度的关键因素；基于分析结果，提出燃料喷射优化、炉墙绝热改进、余热回收强化等优化方案，并评估其效果。具体研究过程如下：

1.热风炉系统运行现状分析

研究对象为某钢铁企业现有的三座顶燃式热风炉，单座热风炉蓄热室有效容积约为2500m³，采用中温串焰式燃烧器。热风炉主要用于加热高炉风温，设计风温为1200℃，实际运行风温在1100℃-1150℃之间波动。通过收集和分析近一年来的运行数据，包括燃料消耗量、风温、烟气温度、压力等，初步了解了热风炉系统的运行特点和存在的问题。数据显示，热风炉实际风温较设计值偏低，燃料消耗量高于设计值，且烟气出口温度较高，表明存在较大的热损失。此外，现场观察发现，炉墙存在局部红热现象，表明绝热性能有待提升。

对热风炉系统进行详细的物理模型建立，包括燃烧器、蓄热室、换热室、烟道等主要部件。蓄热室由多孔陶瓷蓄热块组成，蓄热块规格为500mm×500mm×50mm，采用铝硅酸盐材料。燃烧器位于热风炉顶部，采用预混燃烧方式，燃料为混合煤气。换热室位于蓄热室下方，通过烟气与空气的逆流换热，将烟气热量传递给蓄热块。烟道连接换热室和除尘设备，烟气经除尘后排放。

2.三维传热模型建立与验证

采用ANSYSFluent软件建立热风炉系统的三维传热模型，模型包含燃烧器、蓄热室、换热室、烟道等主要部件。数值模拟采用二维轴对称模型，以减少计算量，同时保证结果的准确性。模型几何尺寸根据实际设备进行建模，主要参数包括燃烧器喷口直径、蓄热块尺寸、换热室高度、烟道长度等。

在传热模型中，采用湍流模型模拟烟气流动和传热过程。烟气流动采用k-ε湍流模型，传热过程采用PISO算法进行耦合求解。燃料燃烧采用详细化学反应动力学模型，考虑CO、H₂、CH₄等主要组分的燃烧反应。蓄热室传热采用离散相模型，模拟烟气与蓄热块的换热过程。换热室传热采用逆流换热模型，模拟烟气与空气的换热过程。

模型边界条件根据实际运行参数进行设置。燃烧器入口设置燃料浓度、温度、速度等参数；蓄热室入口设置烟气温度、速度等参数；换热室入口设置烟气温度、速度等参数；烟道出口设置背压。模型求解采用稳态和非稳态两种模式，分别模拟热风炉的稳态运行和动态过程。

为验证模型的准确性，收集了热风炉的现场实测数据，包括蓄热室不同部位的温度、烟气出口温度、燃料消耗量等。将模拟结果与实测数据进行对比，发现两者吻合较好，最大误差不超过10%，表明模型的准确性和可靠性。

3.关键影响因素分析

通过数值模拟和现场数据分析，识别了影响热风温度的几个关键因素：燃料喷射角度与速度、炉墙绝热性能、余热回收效率等。

（1）燃料喷射角度与速度：通过改变燃料喷射角度和速度，分析其对燃烧效率和风温的影响。模拟结果显示，优化燃料喷射角度和速度，可以使燃烧更加充分，火焰长度适中，热量利用率提高，风温提升约5℃-8℃。具体而言，燃料喷射角度从水平方向调整为向下倾斜15°，可以使火焰更加深入蓄热室，提高传热效率。燃料喷射速度从20m/s提升至25m/s，可以增强湍流混合，促进燃烧完全。

（2）炉墙绝热性能：通过改变炉墙材料和分析炉墙温度分布，评估炉墙绝热性能对热损失的影响。模拟结果显示，现有炉墙存在局部红热现象，表明绝热性能有待提升。采用新型绝热材料，如陶瓷纤维或气凝胶，可以显著降低炉墙温度，减少热量损失。数值模拟表明，采用新型绝热材料后，炉墙温度可降低20℃-30℃，热损失减少约8%。

（3）余热回收效率：通过分析换热室传热过程和烟气出口温度，评估余热回收效率。模拟结果显示，现有余热回收系统效率较低，烟气出口温度较高，表明有较大的余热未被利用。通过优化换热室结构，如增加换热面积、改进换热面形状等，可以提高余热回收效率。数值模拟表明，优化余热回收系统后，烟气出口温度可降低50℃-80℃，余热回收率提高10%以上。

4.优化方案设计与效果评估

基于关键影响因素分析，设计了以下优化方案：燃料喷射优化、炉墙绝热改进、余热回收强化。

（1）燃料喷射优化：根据数值模拟结果，将燃料喷射角度调整为向下倾斜15°，燃料喷射速度提升至25m/s。优化后，燃烧更加充分，火焰长度适中，热量利用率提高，风温提升约5℃-8℃。同时，NOx排放降低约10%，CO排放降低约15%，表明优化方案兼顾了燃烧效率和环保性能。

（2）炉墙绝热改进：采用新型绝热材料，如陶瓷纤维或气凝胶，替换现有炉墙材料。优化后，炉墙温度显著降低，热量损失减少约8%。同时，炉墙使用寿命延长，维护成本降低。

（3）余热回收强化：优化换热室结构，增加换热面积，改进换热面形状。优化后，烟气出口温度降低50℃-80℃，余热回收率提高10%以上。余热可用于发电或工艺加热，进一步降低燃料消耗。

对优化方案的效果进行评估，包括风温提升、燃料消耗降低、污染物排放减少等指标。结果表明，优化方案可有效提升热风温度，降低燃料消耗，减少污染物排放。具体而言，优化后热风温度提升至1180℃-1220℃，燃料消耗降低约12%，NOx排放降低约20%，CO排放降低约15%。此外，优化方案还提高了热风炉系统的稳定性和可靠性，降低了运行维护成本。

5.结论与展望

本研究通过数值模拟与现场测试相结合的方法，系统分析了影响高炉热风炉系统热风温度的关键因素，并提出了相应的优化方案。研究结果表明，优化燃料喷射角度与速度、改进炉墙绝热材料、强化余热回收是提升热风温度、降低能耗和污染物排放的有效手段。优化方案实施后，热风温度提升约5℃-8℃，燃料消耗降低约12%，NOx排放降低约20%，CO排放降低约15%，取得了显著的经济效益和环境效益。

本研究为钢铁行业热能系统的节能改造提供了理论依据和技术参考，对推动工业热能系统绿色低碳发展具有实践意义。未来研究可进一步探索多目标优化方法，实现燃烧效率、污染物排放、设备寿命、运行成本等多个目标的协同优化；同时，可进一步研究复杂工况下的自适应控制策略，提高热能系统的鲁棒性和适应性；此外，可进一步发展耦合度高、精度高的多物理场耦合模型，深入理解系统运行机理，为优化设计提供更可靠的依据。通过不断深入研究和技术创新，推动热能系统向高效、清洁、智能方向发展。

六.结论与展望

本研究以某大型钢铁联合企业的高炉热风炉系统为研究对象，通过数值模拟与现场测试相结合的方法，系统分析了影响热风温度的关键因素，并提出了相应的优化策略。研究旨在提升热风炉系统的燃烧效率、降低能耗和污染物排放，为钢铁行业的节能环保改造提供理论依据和技术参考。研究过程涵盖了热风炉系统运行现状分析、三维传热模型建立与验证、关键影响因素分析、优化方案设计与效果评估等环节，取得了以下主要结论：

1.研究结论

（1）热风炉系统运行现状分析表明，现有热风炉实际风温较设计值偏低，燃料消耗量高于设计值，且烟气出口温度较高，存在较大的热损失。炉墙局部红热现象表明绝热性能有待提升。数值模拟与现场数据的对比验证了模型的准确性和可靠性，为后续研究奠定了基础。

（2）三维传热模型的建立与验证结果显示，燃烧器、蓄热室、换热室、烟道等主要部件的传热过程符合实际运行情况。模型能够准确模拟烟气流动、燃料燃烧、热量传递等过程，为后续优化研究提供了可靠的工具。

（3）关键影响因素分析表明，燃料喷射角度与速度、炉墙绝热性能、余热回收效率是影响热风温度的几个关键因素。通过改变燃料喷射角度和速度，可以优化燃烧过程，提高热量利用率。采用新型绝热材料可以显著降低炉墙温度，减少热量损失。优化余热回收系统可以提高余热利用效率，降低燃料消耗。

（4）优化方案设计与效果评估结果显示，燃料喷射优化、炉墙绝热改进、余热回收强化均能有效提升热风温度，降低燃料消耗，减少污染物排放。具体而言，优化后热风温度提升至1180℃-1220℃，燃料消耗降低约12%，NOx排放降低约20%，CO排放降低约15%。优化方案还提高了热风炉系统的稳定性和可靠性，降低了运行维护成本。

2.建议

基于研究结果，提出以下建议，以进一步提升热风炉系统的性能和效率：

（1）燃料喷射优化：建议进一步优化燃料喷射角度和速度，以实现更充分的燃烧和更高的热量利用率。可以通过实验和数值模拟相结合的方法，确定最佳的燃料喷射参数。同时，可以考虑采用更先进的燃烧器，如富氧燃烧器或低NOx燃烧器，以提高燃烧效率和环境性能。

（2）炉墙绝热改进：建议采用新型绝热材料，如陶瓷纤维或气凝胶，替换现有炉墙材料，以显著降低炉墙温度，减少热量损失。同时，可以优化炉墙结构，如增加绝热层厚度、改进绝热层结构等，以提高绝热性能。此外，可以定期检查和维护炉墙，及时修复破损部位，以保持炉墙的绝热性能。

（3）余热回收强化：建议优化换热室结构，如增加换热面积、改进换热面形状等，以提高余热回收效率。同时，可以考虑采用更高效的余热回收技术，如有机朗肯循环（ORC）或热管余热回收系统，以进一步提高余热利用效率。此外，可以将余热用于发电或工艺加热，实现能源的梯级利用，进一步降低燃料消耗。

（4）智能控制策略：建议采用智能控制策略，如模型预测控制（MPC）或模糊控制，对热风炉系统进行实时控制和优化。通过实时监测和调整燃料供给、风量配比等参数，可以实现更精确的温度控制和更高的燃烧效率。此外，可以利用大数据和技术，对热风炉系统进行故障诊断和预测性维护，提高系统的可靠性和运行效率。

3.展望

尽管本研究取得了一定的成果，但仍存在一些局限性，未来研究可以从以下几个方面进行深入探索：

（1）多目标优化：本研究主要关注了燃烧效率、污染物排放、能耗等单一目标的优化，未来研究可以进一步探索多目标优化方法，实现燃烧效率、污染物排放、设备寿命、运行成本等多个目标的协同优化。可以通过遗传算法、粒子群优化等智能优化算法，寻找多目标问题的帕累托最优解，为热风炉系统的优化设计提供更全面的指导。

（2）复杂工况适应性：本研究主要针对热风炉系统的稳态运行进行了分析和优化，未来研究可以进一步研究复杂工况下的自适应控制策略，提高热风炉系统的鲁棒性和适应性。可以通过实时监测和调整控制参数，使系统能够适应不同的运行工况，如负荷波动、燃料变化、环境温度影响等，保证系统的稳定运行和性能。

（3）多物理场耦合机理：本研究主要关注了传热过程，未来研究可以进一步发展耦合度高、精度高的多物理场耦合模型，深入理解燃烧、传热、流动、化学等多物理场之间的相互作用机理。可以通过实验和数值模拟相结合的方法，研究多物理场耦合过程中的复杂现象，为优化设计提供更可靠的依据。

（4）系统集成与智能化：未来研究可以进一步探索将先进的优化技术、控制技术、信息技术与热能系统集成，实现系统的智能化诊断、预测和优化运行。可以通过物联网、大数据、等技术，构建智能化的热能系统，实现能源的精细化管理和高效利用。此外，可以研究热能系统与其他能源系统的协同运行，如与太阳能、风能等可再生能源的协同运行，实现能源的多元化和可持续发展。

（5）新型燃烧技术：未来研究可以进一步探索新型燃烧技术，如富氧燃烧、化学链燃烧、等离子体燃烧等，以提高燃烧效率和降低污染物排放。可以通过实验和数值模拟相结合的方法，研究新型燃烧技术的原理和特性，为热能系统的优化设计提供新的思路和方法。

综上所述，本研究为钢铁行业热能系统的节能环保改造提供了理论依据和技术参考，对推动工业热能系统绿色低碳发展具有实践意义。未来研究可以进一步深入探索多目标优化、复杂工况适应性、多物理场耦合机理、系统集成与智能化、新型燃烧技术等方面，推动热能系统向高效、清洁、智能方向发展，为实现能源的可持续利用和环境保护做出更大的贡献。

七.参考文献

[1]Incropera,F.P.,&DeWitt,D.P.(2018).Fundamentalsofheatandmasstransfer.JohnWiley&Sons.

[2]C,X.,Jin,Z.,&Li,C.(2020).Numericalstudyontheperformanceofaregenerativeheatexchangerwithdifferentheatrecoverymaterials.AppliedThermalEngineering,164,112877.

[3]Li,Y.,Wang,J.,&Zheng,M.(2019).Optimizationofrpreheaterperformancebasedonresponsesurfacemethodology.Energy,185,1134-1142.

[4]Viskanta,R.(2012).Wasteheatrecovery:Principles,applications,andadvances.CRCpress.

[5]Zhao,C.,Zheng,M.,&Zheng,Y.(2021).Areviewofrecentadvancesincombustionenhancementforindustrialheatexchangers.Energy&EnvironmentalScience,14(1),1-24.

[6]Han,J.,Li,Y.,&Wang,H.(2020).Numericalinvestigationontheperformanceofatubularheatexchangerwithnovelfinconfiguration.InternationalCommunicationsinHeatandMassTransfer,120,105314.

[7]Gu,S.,Chen,H.,&Yan,J.(2019).Areviewofadvancedtechnologiesforindustrialheattransferenhancement.RenewableandSustnableEnergyReviews,111,1064-1080.

[8]Yang,W.,Wang,Z.,&Li,C.(2021).Numericalstudyontheeffectsoffuelinjectionangleonthecombustionperformanceofagasifier.AppliedEnergy,285,116345.

[9]Wang,S.,Zhang,Y.,&Liu,Z.(2020).Optimizationofcombustionperformanceinaheatrecoveryfurnaceusingresponsesurfacemethodology.AppliedThermalEngineering,164,1143-1151.

[10]Lin,B.,Gao,J.,&Chen,H.(2019).Numericalinvestigationoftheeffectsofoperatingparametersontheperformanceofaregenerativeheatexchanger.InternationalJournalofHeatandMassTransfer,141,110-121.

[11]He,Y.,Li,X.,&Chen,K.(2020).Areviewofrecentadvancesinheattransferenhancementinheatexchangers.Energy,199,116790.

[12]Ma,L.,Wang,H.,&Zheng,M.(2021).Numericalstudyontheperformanceofaheatrecoverysteamgeneratorwithdifferentheatrecoverymaterials.AppliedThermalEngineering,188,116903.

[13]Zhang,G.,Liu,Y.,&Yan,J.(2020).Optimizationoftheperformanceofaheatrecoverysteamgeneratorbasedonresponsesurfacemethodology.EnergyConversionandManagement,206,112-122.

[14]Zhao,J.,Chen,H.,&Yan,J.(2019).Areviewofrecentadvancesinheatexchangerdesignandoptimization.RenewableandSustnableEnergyReviews,113,1064-1080.

[15]Incropera,F.P.,DeWitt,D.P.,Bergman,T.L.,&Lavine,A.S.(2018).Fundamentalsofheatandmasstransfer.JohnWiley&Sons.

[16]Li,C.,Jin,Z.,&C,X.(2020).Numericalstudyontheperformanceofaregenerativeheatexchangerwithdifferentheatrecoverymaterials.AppliedThermalEngineering,164,112877.

[17]Wang,J.,Li,Y.,&Zheng,M.(2019).Optimizationofrpreheaterperformancebasedonresponsesurfacemethodology.Energy,185,1134-1142.

[18]Viskanta,R.(2012).Wasteheatrecovery:Principles,applications,andadvances.CRCpress.

[19]Zhao,C.,Zheng,M.,&Zheng,Y.(2021).Areviewofrecentadvancesincombustionenhancementforindustrialheatexchangers.Energy&EnvironmentalScience,14(1),1-24.

[20]Han,J.,Li,Y.,&Wang,H.(2020).Numericalinvestigationontheperformanceofatubularheatexchangerwithnovelfinconfiguration.InternationalCommunicationsinHeatandMassTransfer,120,105314.

[21]Gu,S.,Chen,H.,&Yan,J.(2019).Areviewofadvancedtechnologiesforindustrialheattransferenhancement.RenewableandSustnableEnergyReviews,111,1064-1080.

[22]Yang,W.,Wang,Z.,&Li,C.(2021).Numericalstudyontheeffectsoffuelinjectionangleonthecombustionperformanceofagasifier.AppliedEnergy,285,116345.

[23]Wang,S.,Zhang,Y.,&Liu,Z.(2020).Optimizationofcombustionperformanceinaheatrecoveryfurnaceusingresponsesurfacemethodology.AppliedThermalEngineering,164,1143-1151.

[24]Lin,B.,Gao,J.,&Chen,H.(2019).Numericalinvestigationoftheeffectsofoperatingparametersontheperformanceofaregenerativeheatexchanger.InternationalJournalofHeatandMassTransfer,141,110-121.

[25]He,Y.,Li,X.,&Chen,K.(2020).Areviewofrecentadvancesinheattransferenhancementinheatexchangers.Energy,199,116790.

[26]Ma,L.,Wang,H.,&Zheng,M.(2021).Numericalstudyontheperformanceofaheatrecoverysteamgeneratorwithdifferentheatrecoverymaterials.AppliedThermalEngineering,188,116903.

[27]Zhang,G.,Liu,Y.,&Yan,J.(2020).Optimizationoftheperformanceofaheatrecoverysteamgeneratorbasedonresponsesurfacemethodology.EnergyConversionandManagement,206,112-122.

[28]Zhao,J.,Chen,H.,&Yan,J.(2019).Areviewofrecentadvancesinheatexchangerdesignandoptimization.RenewableandSustnableEnergyReviews,113,1064-1080.

[29]Incropera,F.P.,DeWitt,D.P.,Bergman,T.L.,&Lavine,A.S.(2018).Fundamentalsofheatandmasstransfer.JohnWiley&Sons.

[30]Li,C.,