Fuel and Combustion

Fuel and Combustion

Numerical study of the effect of ambient air temperature and relative humidity on diesel pool fire

Document Type : Original Article

Authors
Seyed Ahmad Kebriyaee 1
Mohammad Moghiman 2
Hamid Niazmand 2
1 Department of Mechanical Engineering, Ferdowsi University of Mashhad, Mashhad, Iran
2 Department of Mechanical Engineering, Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran
10.22034/jfnc.2024.463133.1398
Abstract
Understanding the behavior of pool fires under various environmental conditions can be valuable for assessing the risks of such fires and improving fire prevention and control methods in petrochemical and process industries. This numerical study aimed to investigate the impact of changes in ambient temperature and relative humidity on the behavior of diesel pool fires. The variations in maximum temperature and radiative heat transfer were simulated using the capabilities of Fire Dynamics Simulator (FDS) software in modeling pool fires. To examine the effect of ambient air conditions, two indexes were defined: fire development index, which is the ratio of maximum flame temperature to the time required to reach this temperature, and fire intensity index, defined as the product of average radiative heat flux during the fully developed stage and the duration of this stage. The findings indicated that an increase in relative humidity resulted in a 6.7% decrease in the average fire development index, while an increase in ambient temperature led to a 12.5% rise in this index. However, an increase in ambient temperature or relative humidity had no significant effects on the fire intensity index, reducing it by less than 2%. Also, the simulation results showed good agreement with experimental data.
 
 
Keywords
Diesel pool fire
maximum temperature
radiant heat transfer
ambient air conditions
FDS software

Subjects

شناخت رفتار آتش استخری در شرایط مختلف محیطی می‌تواند برای ارزیابی خطرات این نوع حریق و بهبود روش‌های پیشگیری و کنترل آتش‌سوزی در صنایع پتروشیمی و فرایندی مفید باشد. این پژوهش عددی باهدف بررسی تأثیر تغییرات دما و رطوبت نسبی هوای محیط بر رفتار آتش‌سوزی استخری گازوئیل انجام شد. تغییرات دمای حداکثر و میزان انتقال حرارت تشعشعی با استفاده از توانایی نرم‌افزار شبیه‌ساز دینامیک آتش (FDS) در مدل‌سازی آتش استخری شبیه‌سازی شد. برای بررسی اثر شرایط هوای محیط دو شاخص: توسعه آتش که برابر با نسبت دمای حداکثر شعله به مدت‌زمان رسیدن به این دما و شاخص شدت آتش به‌عنوان حاصل‌ضرب میانگین تشعشع حرارتی در مرحلة کاملاً توسعه‌یافته در مدت ‌زمان این مرحله بود، تعریف شد. یافته‌ها نشان داد که افزایش رطوبت نسبی باعث کاهش 7/6 درصد در میانگین شاخص توسعه آتش و افزایش دمای محیط منجر به افزایش 5/12 درصد در میانگین این شاخص می‌شود. بااین‌حال، افزایش دمای محیط یا رطوبت نسبی تأثیر قابل‌توجهی بر شاخص شدت آتش ندارد و تنها باعث کاهش کمتر از 2 درصد آن می‌شود. نتایج به‌دست‌آمده از شبیه‌سازی‌ها تطابق مناسبی با نتایج تجربی نشان دادند.

 

کلیدواژگان: آتش استخری گازوئیل، دمای حداکثر، انتقال حرارت تشعشعی، شرایط هوای محیط، نرم‌افزار  FDS

 

مقدمه

رطوبت نسبی هوا در سراسر جهان با تغییر شرایط آب‌وهوایی تغییر می‌کند. در شهرهای ایران، تغییرات رطوبت نسبی از 10 درصد تا 90 درصد و نوسانات دما در بازه‌های کوتاه رخ می‌دهد، که در شهرهای ساحلی و مناطق سردتر بیشتر مشهود است ]1[. در تمامی شرایط آب‌و‌هوایی، آتش‌سوزی‌هایی که روزانه در فضاهای بسته در تمامی کشورهای دنیا و نیز ایران رخ می‌دهد باعث ایجاد خسارت‌های قابل‌توجه و غیرقابل جبران می‌شود ]2[. یکی از رایج‌ترین علل انواع آتش‌سوزی در دنیا و کشور ایران در صنایع فرایندی، پتروشیمی و کارخانه‌های مواد شیمیایی، آتش استخری سوخت‌های مایع است ]3[. آتش‌سوزی‌های صنعتی می‌توانند خسارت‌های مالی قابل‌توجهی به بار آورند. به‌عنوان مثال، چهار مورد از پنج حادثه بزرگ در صنعت پالایش و فرآوری در ایالات‌متحده طی سال‌های 2016 و 2017 که خسارتی بیش از ۱۷۰۰ میلیون دلار داشتند، مربوط به آتش‌سوزی بوده‌اند ]4[.

دما و رطوبت نسبی از مهم‌ترین مشخصه‌های هوای محیط هستند که بر رفتار حریق اثر می‌گذارند. گسترش آتش با توجه ‌به دمای محیط و رطوبت نسبی آن ویژگی‌های پیچیده و نامشخص قابل‌توجهی را نشان می‌دهد. با افزایش دما سرعت و محصولات واکنش زیاد می‌شود؛ بنابراین پیرولیز و تبخیر سوخت، و همچنین گسترش آتش و سرعت سوختن آن، با بالارفتن دمای محیط افزایش می‌یابد ]5[. بااین‌حال، محیط‌ها با رطوبت نسبی بالا گسترش دود و تشعشع حرارتی لایه دود به سطح سوخت و محیط اطراف را کاهش می‌دهد ]6[. افزایش رطوبت نسبی باعث کند شدن واکنش می‌شود؛ بنابراین، پیرولیز و احتراق سوخت در هوای بسیار مرطوب تحت‌تأثیر قرار می‌گیرد و مهار می‌شود ]7[. وانگ و همکاران ]8[ مشخص کردند که با افزایش رطوبت نسبی، حد پایین و بالایی قابل اشتعال متان افزایش یافت در‌حالی‌که محدوده اشتعال کمی محدود شده بود. موداک و کروس ]9[ نشان دادند که رطوبت و سایر مواد موجود در جو می‌توانند تشعشعات حرارتی را جذب کنند. باهدف بررسی اثر رطوبت، در یک مطالعه آزمایشگاهی به بررسی اثر رطوبت اولیه هوای محیط بر رفتار حریق چوب پرداخته شد. نتایج نشان داد که وجود رطوبت نسبی اولیه 95 درصد نسبت به رطوبت نسبی اولیه 35 درصد در محیط باعث می‌شود مرحله رشد حریق با تأخیری نزدیک به 60 ثانیه آغاز شود ]10[.

آتش استخری نوعی احتراق متلاطم است که در بالای حوضچه‌ای از سوخت هیدروکربنی مایع شکل می‌گیرد. در این نوع آتش، سوخت به‌طورکلی حرکت اولیه کمی دارد یا ساکن است ]11[. عوامل متعددی بر روی رفتار آتش استخری اثرگذار هستند. تأثیر شرایط خارجی بر آتش استخری به‌وسیله بلینوو و همکاران ]12[ و پالازی و همکاران ]13[ مطالعه شد و آن‌ها اثرات اندازه و هندسه ظرف سوخت را به ترتیب بر سرعت سوختن و دقت مدل‌سازی بررسی کردند. بر اساس مطالعات قبلی برگس و همکاران ]14[، هایسکا ]15[ و چن و همکاران ]5[ که اساساً بر اساس آزمایش‌های آتش‌ استخری بود، دریافتند که دمای سوخت بر سرعت سوختن تأثیر می‌گذارد.

انجام آزمایش‌های آتش استخری در مقیاس بزرگ و حتی در مقیاس کوچک دارای پیچیدگی فرایندهای فیزیکی و شیمیایی است. در‌نتیجه استفاده از دینامیک سیالات محاسباتی[1] توانسته است به‌عنوان ابزاری مقرون‌به‌صرفه و تکنیکی برای مدل‌سازی آتش استخری، جایگزین انجام آزمایش شود ]16[. استفاده از شبیه‌سازی حریق با علم دینامیک سیالات محاسباتی برای ارزیابی خطرات آتش‌سوزی و طراحی اقدامات حفاظتی مؤثر است. با پیشرفت‌های اخیر در سیستم‌ها و قابلیت‌های محاسباتی، کاربرد این شبیه‌سازی‌ها در ایمنی حریق و پیشگیری از خسارات انسانی افزایش یافته است ]17[. یکی از نرم‌افزارهای پرکاربرد در زمینه شبیه‌سازی حریق نرم‌افزار شبیه‌ساز دینامیک آتش (FDS[2]) است.

مطالعات متعددی با هدف ارزیابی توانایی نرم‌افزار FDS در شبیه‌سازی آتش استخری انجام گرفته است. شبیه‌سازی آتش استخری در مقیاس بزرگ با استفاده از FDS به دلیل پیچیدگی آن همواره مورد توجه پژوهشگران بوده است. در راستای انجام این نوع مطالعه، پژوهشی توسط ابراهیم‌زاده و همکاران ]18[ باهدف پیش‌بینی نرخ سوختن و انتشار حرارت در آتش‌سوزی استخر اتانول در مقیاس بزرگ، با استفاده از این نرم‌افزار انجام شد. تحلیل شبیه‌سازی‌ها نشان دادند که وجود لبه مرزی بالاتر از سطح سوخت می‌تواند به‌طور قابل‌توجهی نرخ سوختن را افزایش دهد. از دیدگاه انتقال حرارتی، جریان حرارت تابشی اثر مهمی بر روی سطح سوخت داشته و تقریباً 70 درصد از نرخ سوختن را تشکیل می‌دهد. احمدی و همکاران ]19[، با استفاده از FDS، شبیه‌سازی‌هایی حریق را در حوضچه‌های نفت خام 1 متری و نفت سفید 30 و 50 متری در یک ترمینال نفتی انجام دادند. این شبیه‌سازی‌ها برای ارزیابی پتانسیل وقوع حریق در مخازن ذخیره‌سازی مجاور به دلیل تابش حرارتی انجام شد. پیش‌بینی‌های FDS  از شار حرارتی تابشی با نتایج آزمایش‌های آتش‌سوزی حوضچة 30 متری هم‌خوانی داشتند. شارهای حرارتی تابشی در فواصل نزدیک به آتش‌سوزی حوضچة 50 متری بیش از حد پیش‌بینی شدند، در حالی که در فواصل دور، نتایج با نتایج تجربی هم‌خوانی داشتند.

شبیه‌سازی آتش استخری در محفظه‌های کوچک‌تر، امکان بررسی متغیرهای بیشتری را برای پژوهشگران فراهم می‌کند. هایاساکا ]15[ میزان احتراق آتش‌سوزی‌های استخری کوچک غیرقابل‌تجدید را مورد مطالعه قرار داد. مشاهده شد که دمای سوخت بر سرعت سوختن تأثیر می‌گذارد و دلیل تغییرات مختلف سرعت سوختن، تفاوت در گرمای تبخیر سوخت است. یافته‌ها نشان دادند که نرخ‌های سوختن هپتان و نفت سفید با افزایش دماهای سوخت و مخزن افزایش می‌یابد. نرخ‌های سوختن هپتان در فرایند جوشش حدود 64/1 برابر بیشتر از فرایند پیش ‌گرمایش و این میزان برای نفت سفید 3/1 برابر بود.

رفتار آتش‌ استخری گازوئیل مورد توجه پژوهشگران بوده است. در همین راستا پژوهشی آزمایشگاهی و عددی باهدف بررسی تأثیر ورود هوا بر روی آتش ‌استخری گازوئیل در اتاق‌های بسته انجام گرفت. دو شرایط ورود هوا شامل: باز بودن کامل درب و نیمه‌باز بودن درب، در یک اتاق به ابعاد 4 × 4 × 4 متر مورد آزمایش قرار گرفت. نتایج نشان داد که حداکثر تفاوت دمای گاز گرم داخل محفظه بین 15 تا 20 درجه سانتی‌گراد بوده است. تفاوت متوسط سرعت‌ حرکت گاز در آزمایش‌های درب نیمه‌باز و درب کاملاً باز به ترتیب 38/0 متر بر ثانیه و 23/0 متر بر ثانیه در ناحیه پایین و بالا بوده محفظه بوده است. شبیه‌سازی‌های عددی نرم‌افزار FDS به‌ویژه در توزیع دما توسط نتایج آزمایش‌های تجربی تأیید شدند ]20[. مطالعة عددی باهدف اعتبارسنجی نتایج FDS بر روی تأثیر دو پارامتر میزان تمرکز اکسیژن در اطراف سوخت و مقدار حرارت تشعشعی بازگشتی از دیواره‌ها و نیز لایه دود آتش استخری گازوئیل انجام گرفت. نتایج شبیه‌سازی نشان داد که میزان انتقال حرارت تشعشعی خارجی بیشتر از کسر حجمی اکسیژن به‌اندازه شبکه محاسباتی وابسته است، اما این اندازه تأثیر زیادی بر نرخ واقعی از دست دادن جرم سوخت نداشت. همچنین پیش‌بینی FDS نشان داد که در سناریوهای با تهویه مکانیکی و تهویه طبیعی مدل به خوبی عمل می‌کند ]21[. کای و چو ]22[ آتش استخری را در داخل محفظه تحت عوامل مختلف تهویه با استفاده از FDS تجزیه‌وتحلیل کردند. یافته‌ها نشان دادند که پیش‌بینی نرخ آزادسازی گرما با استفاده از FDS به‌طورکلی دقیق است. پیش‌بینی‌ها با اندازه شبکه درشت از داده‌های تجربی بیشتر منحرف شدند در حالی که پیش‌بینی‌ها با شبکه متوسط تطابق خوبی با داده‌های تجربی داشتند و اندازه شبکه متوسط برای مطالعه انتخاب شد.

بررسی مطالعات موجود در این زمینه نشان می‌دهد که اغلب تنها یک پارامتر محیطی مورد بررسی قرار گرفته است. با این حال، تأثیرات ترکیبی از متغیرهای محیطی مختلف بر رفتار و انتقال حرارتی آتش به‌طور جامع مورد بررسی قرار نگرفته است. کشاورز و همکاران ]23[ پس از در نظر گرفتن اثرات متغیرهای محیطی مانند دما، قطرات آب-یخ و بازتاب سطحی، بر روی تشعشعات حرارتی، یک مدل جامع جدید برای مناطق سرد پیشنهاد کردند. فاس و همینس ]24[ مدلی را برای برآورد تضعیف شار حرارتی تابشی ناشی از تغییرات در شرایط محیطی ایجاد کردند. اما مطالعه آن‌ها فقط یک آتش درخشان و به‌شدت دوده‌ای را تجزیه‌وتحلیل کرد و تأثیر آتش غیر درخشان (مانند الکل) بر تشعشعات حرارتی را نادیده گرفت.

بررسی آزمایشگاهی اثر دما و رطوبت نسبی هوای محیط بر رفتار آتش استخری سوخت‌هایی با میزان تولید دوده‌ی متفاوت انجام نگرفته بود. برای پاسخ به این خلأ پژوهشی، لی و ژانگ ]25[ رفتار آتش‌سوزی‌های ناشی از سوخت‌های مایعی که سطوح مختلف دوده (دیزل و الکل) تولید می‌کنند در شرایط گرم و مرطوب با تهویه طبیعی موردمطالعه آزمایشگاهی قرار دادند. آزمایش‌ها در دماهای مختلف اولیه محیط (20 درجه سانتی‌گراد و 30 درجه سانتی‌گراد) و سطوح رطوبت نسبی (50 درصد و 90 درصد) انجام شد و دمای شعله و تابش حرارتی اندازه‌گیری شد. شاخص توسعه آتش[3] به‌عنوان نسبت دمای اوج شعله به مدت رسیدن دمای اوج تعریف شد، و شاخص شدت آتش[4] به‌عنوان نسبت میانگین تابش حرارتی شعله در مرحلة توسعه‌یافتگی کامل به مدت زمان آن تعریف شد. در مرحله اولیه حریق، افزایش دمای اولیه محیط باعث افزایش شاخص توسعه آتش شد، در حالی که افزایش رطوبت نسبی باعث کاهش آن شد. در طول مرحله کاملاً توسعه‌یافته، افزایش دمای اولیه محیط یا رطوبت منجر به کاهش شاخص شدت آتش در شرایط سوخت محدود شد و دمای محیط به‌طور قابل‌توجهی بر آتش استخری الکل نسبت به گازوئیل تأثیر گذاشت. علاوه بر این، در شرایط دمای بالا و رطوبت بالا، هر دو شاخص کاهش یافتند.

در جمع‌بندی بررسی پژوهش‌های عددی پیشین و شناسایی شکاف‌های پژوهشی، مطالعه‌ای که اثر دما و رطوبت نسبی هوای محیط را بر آتش استخری گازوئیل بررسی کند مشاهده نشد. همچنین با توجه به این موضوع که در پژوهش آزمایشگاهی لی و ژانگ ]25[، شرایط انجام آزمایش‌ها تنها محدود به دمای محیط 20 و 30 درجه سانتی‌گراد و رطوبت نسبی محیط 50 درصد و 90 درصد بود، لازم است بررسی اثر طیف گسترده‌تری از دما و رطوبت نسبی محیط بر آتش استخری گازوئیل بررسی شود. با هدف پرکردن این خلأ پژوهشی، هدف اصلی مطالعه حاضر گسترش کار لی و ژانگ ]25[ با استفاده از نرم‌افزار FDS برای پیش‌بینی تغییرات دما در آتش استخری گازوئیل تحت‌تأثیر تغییرات در بازه‌ای گسترده‌تر دما و رطوبت نسبی محیط است. این مطالعه شامل شبیه‌سازی آتش استخری گازوئیل در شرایطی مشابه شرایط آزمایش‌ها و نیز دماهای مختلف محیط و رطوبت‌های نسبی متفاوت است. همچنین این پژوهش ارزیابی توانایی نرم‌افزار FDS را برای شبیه‌سازی رفتار آتش استخری در شرایط محیطی با دما و رطوبت نسبی متغیر را نیز به‌عنوان هدف فرعی دنبال می‌کند. نتایج به‌دست‌آمده از این مطالعه می‌تواند برای ارزیابی خطرات آتش‌ استخری که شامل سوخت‌هایی با سطوح تولید دودة بالا است، و برای بهبود درک رفتار آتش استخری در شرایط گرم و مرطوب مورد استفاده قرار گیرد.

 

روش‌شناسی

روش مورد استفاده برای مطالعه حاضر مبتنی بر مقایسه مستقیم نتایج شبیه‌سازی با داده‌های تجربی است. به‌منظور بررسی حساسیت پارامترهای ورودی بر نتایج نرم‌افزار FDS و اعتبارسنجی نتایج آن، چهار آزمایش آتش استخری بر اساس مطالعه لی و ژانگ ]25[ شبیه‌سازی شد. شرایط این آزمایش‌ها در جدول (1) بیان شده است. برای اعتبارسنجی نتایج شبیه‌سازی، نتایج FDS با دمای بیشینه، انتقال حرارت تشعشعی، شاخص توسعه آتش و شاخص شدت آتش آزمایش‌ها مقایسه شدند.

 

جدول 1- سناریوهای آزمایش‌های مورد استفاده برای صحه‌گذاری نتایج FDS

Table 1- Test scenarios

 

[1] Computational Fluid Dynamics (CFD)

[2] Fire Dynamic Simulator (FDS)

[3] Fire development index (FDI)

[4] Fire severity index (FSI)

[1]  M. Asadi and M. Karami, “Modeling of relative humidity trends in Iran,” Model. Earth Syst. Environ., vol. 8, no. 1, pp. 1035–1045, 2022, doi: 10.1007/s40808-021-01093-9.
[2]  Araujo Lima, Geovana Pires, Viana Barbosa, Josiane Dantas Beal, Valter Estevão Marcelo, Marcelo Albano, Souza Machado, Bruna Aparecida Gerber, Juliano Zaffalon, Lazarus Benjamin S., “Exploratory analysis of fire statistical data and prospective study applied to security and protection systems,” Int. J. Disaster Risk Reduct., vol. 61, no. April, 2021, doi: 10.1016/j.ijdrr.2021.102308.
[3]  S. Vasanth, S. M. Tauseef, T. Abbasi, and S. A. Abbasi, “Assessment of four turbulence models in simulation of large-scale pool fires in the presence of wind using computational fluid dynamics (CFD),” J. Loss Prev. Process Ind., vol. 26, no. 6, pp. 1071–1084, 2013, doi: 10.1016/j.jlp.2013.04.001.
[4]  Marsh & McLennan, “The 100 Largest Losses 1978-2017,” p. 38, no. March, 2018.
[5]  B. Chen, S. X. Lu, C. H. Li, Q. S. Kang, and V. Lecoustre, “Initial fuel temperature effects on burning rate of pool fire,” J. Hazard. Mater., vol. 188, no. 1–3, pp. 369–374, 2011, doi: 10.1016/j.jhazmat.2011.01.122.
[6]  J. R. Howell, R. Siegel, and M. P. Mengüç, Thermal Radiation Heat Transfer, 5th Edition. 2010.
[7]  M. M. Khan, J. L. De Ris, and S. D. Ogden, “Effect of moisture on ignition time of cellulosic materials,” Fire Saf. Sci., pp. 167–178, no. February, 2008, doi: 10.3801/IAFSS.FSS.9-167.
[8]  Wang Tao, Zhou You, Luo Zhenmin, Wen Hu, Zhao Jingyu, Su Bin, Cheng Fangming, Deng Junet, “Flammability limit behavior of methane with the addition of gaseous fuel at various relative humidities,” Process Saf. Environ. Prot., vol. 140, pp. 178–189, 2020, doi: 10.1016/j.psep.2020.05.005.
[9]  A. T. Modak and P. A. Croce, “Plastic pool fires,” Combust. Flame, vol. 30, no. C, pp. 251–265, 1977, doi: 10.1016/0010-2180(77)90074-8.
[10]   S. A. Kebriyaee, M. Moghiman, and H. Niazmand, “Empirical study on the influence of initial relative humidity on wood crib fire behavior in compartment under varied natural ventilation conditions,” Fire Saf. J., vol. 148, p. 104229, no. April, 2024, doi: 10.1016/j.firesaf.2024.104229.
[11]   H. Chun, K. D. Wehrstedt, I. Vela, and A. Schönbucher, “Thermal radiation of di-tert-butyl peroxide pool fires-Experimental investigation and CFD simulation,” J. Hazard. Mater., vol. 167, no. 1–3, pp. 105–113, 2009, doi: 10.1016/j.jhazmat.2008.12.088.
[12]   V. Blinov and G. N. Khudiakov, “Diffusive Burning of Liquids,” 1961.
[13]   E. Palazzi, C. Caviglione, A. P. Reverberi, and B. Fabiano, “A short-cut analytical model of hydrocarbon pool fire of different geometries, with enhanced view factor evaluation,” Process Saf. Environ. Prot., vol. 110, no. 2004, pp. 89–101, 2017, doi: 10.1016/j.psep.2017.08.021.
[14]   D. Burgess, A. Strasser, and J. Grumer, “Diffusive burning of liquid fuels in open trays,” Symp. Am. Chem. Soc., vol. 3, no. 3, pp. 91–106, 1961, [Online]. Available: http://www.osti.gov/energycitations/product.biblio.jsp?osti_id=7321723%5Cnhttp://www.nap.edu/catalog/18852
[15]   H. Hayasaka, “Unsteady Burning Rates Of Small Pool Fires,” Fire Saf. Sci., vol. 5, pp. 499–510, 1997, doi: 10.3801/iafss.fss.5-499.
[16]   V. Novozhilov and H. Koseki, “CFD prediction of pool fire burning rates and flame feedback,” Combust. Sci. Technol., vol. 176, no. 8, pp. 1283–1307, 2004, doi: 10.1080/00102200490457484.
[17]   R. Shen, Z. Jiao, T. Parker, Y. Sun, and Q. Wang, “Recent application of Computational Fluid Dynamics (CFD) in process safety and loss prevention: A review,” J. Loss Prev. Process Ind., vol. 67, no. March, 2020, doi: 10.1016/j.jlp.2020.104252.
[18]   S. Ebrahim Zadeh, T. Beji, and B. Merci, “Assessement of FDS 6 Simulation Results for a Large-Scale Ethanol Pool Fire,” Combust. Sci. Technol., vol. 188, no. 4–5, pp. 571–580, 2016, doi: 10.1080/00102202.2016.1139367.
[19]   O. Ahmadi, S. B. Mortazavi, H. Pasdarshahri, and H. A. Mohabadi, “Consequence analysis of large-scale pool fire in oil storage terminal based on computational fluid dynamic (CFD),” Process Saf. Environ. Prot., vol. 123, pp. 379–389, 2019, doi: 10.1016/j.psep.2019.01.006.
[20]   A. G. Deepak Sahu, Shashi Kumar, Shorab Jain, “Experimental and numerical simulation studies on diesel pool fire,” FIRE Mater., no. February, 2016, doi: 10.1002/fam.
[21]   J. Wahlqvist and P. van Hees, “Implementation and validation of an environmental feedback pool fire model based on oxygen depletion and radiative feedback in FDS,” Fire Saf. J., vol. 85, pp. 35–49, 2016, doi: 10.1016/j.firesaf.2016.08.003.
[22]   N. Cai and W. K. Chow, “Numerical studies on heat release rate in room fire on liquid fuel under different ventilation factors,” Int. J. Chem. Eng., 2012, doi: 10.1155/2012/910869.
[23]   G. Keshavarz, F. Khan, and K. Hawboldt, “Modeling of pool fires in cold regions,” Fire Saf. J., vol. 48, pp. 1–10, 2012, doi: 10.1016/j.firesaf.2011.11.003.
[24]   S. P. Fuss and A. Hamins, “An estimate of the correction applied to radiant flame measurements due to attenuation by atmospheric CO2 and H2O,” Fire Saf. J., vol. 37, no. 2, pp. 181–190, 2002, doi: 10.1016/S0379-7112(01)00032-7.
[25]   Z. Li and P. Zhang, “Fire behaviors of fuels with different sootiness levels in hot and humid conditions,” Process Saf. Environ. Prot., vol. 146, pp. 350–359, 2021, doi: 10.1016/j.psep.2020.09.018.
[26]   B. Kevin and P. Glenn, “Fire dynamics simulator (version 4): user’s guide”.
[27]   K. McGrattan, S. Hostikka, J. Floyd, R. McDermott, and M. Vanella, “Fire Dynamics Simulator Technical Reference Guide Volume 1: Mathematical Model,” Gaithersburg, MD, 2010. doi: 10.6028/NIST.SP.1018.
[28]   M. J. Hurley, P. DiNenno, D. Drysdale, C. Beyler, D. Walton, R.L Custer, J.R. Hall, J.M. Watts , “SFPE handbook of fire protection engineering, fifth edition,” SFPE Handb. Fire Prot. Eng. Fifth Ed., pp. 1–3493, 2016, doi: 10.1007/978-1-4939-2565-0.
[29]   R. K. Yahya Shams, Sareshki Farhang, “Evaluation of FDS simulation in critical speed estimation for fire Small scale ponds in the curved tunnel,” Q. J. Transp. Eng., 2021.
[30]   V. Babrauskas, Ignition Handbook:Principles and applications to fire safety engineering, fire investigation, risk management and forensic science, vol. 40, no. 3. 2004. doi: 10.1023/b:fire.0000026981.83829.a5.
[31]   F. David Wayne, “An economical formula for calculating atmospheric infrared transmissivities,” J. Loss Prev. Process Ind., vol. 4, no. 2, pp. 86–92, 1991, doi: 10.1016/0950-4230(91)80012-J.