MétaCan
Menu
Retour à la cohorte
Enregistrement W1576329572 · doi:10.5006/c2012-01308

Superheater Corrosion Produced by Biomass Fuels

2012· article· en· W1576329572 sur OpenAlexaff
William B. Sharp, Douglas Singbeil, James R. Keiser

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensFPInnovations
Organismes subventionnairesnon disponible
Mots-clésSuperheaterCorrosionMaterials scienceBiomass (ecology)MetallurgyEnvironmental scienceWaste managementNuclear engineeringEngineeringBoiler (water heating)Geology

Résumé

récupéré en direct d'OpenAlex

Abstract About 90% of the world's bioenergy is produced by burning renewable biomass fuels. Low-cost biomass fuels such as agricultural wastes typically contain more alkali metals and chlorine than conventional fuels. Although the efficiency of a boiler’s steam cycle can be increased by raising its maximum steam temperature, alkali metals and chlorine released in biofuel boilers cause accelerated corrosion and fouling at high superheater steam temperatures. Most alloys that resist high temperature corrosion protect themselves with a surface layer of Cr2O3. However, this Cr2O3 can be fluxed away by reactions that form alkali chromates or volatilized as chromic acid. This paper reviews recent research on superheater corrosion mechanisms and superheater alloy performance in biomass boilers firing black liquor, biomass fuels, blends of biomass with fossil fuels and municipal waste.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCorrosion Behavior and InhibitionTravaux en français237 207