MétaCan
Menu
Retour à la cohorte
Enregistrement W1965663050 · doi:10.1021/ie901710n

Biomass Catalytic Steam Gasification Thermodynamics Analysis and Reaction Experiments in a CREC Riser Simulator

2010· article· en· W1965663050 sur OpenAlexaff
Enrique Salaices, Benito Serrano, Hugo de Lasa

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)Wood gas generatorChemical equilibriumThermodynamicsThermodynamic equilibriumChemistryProduct distributionNon-equilibrium thermodynamicsCatalysisProcess engineeringOrganic chemistryPhysicsEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

A thermodynamic equilibrium model based on evaluations involving C, H, and O element balances and various product species up to C 6 hydrocarbons is reported in this study. This model establishes the effects of biomass composition, temperature, and steam on the various gas product molar fractions. On this basis, most significant parameters determining the chemical interconversions and distribution of chemical species are identified. On the basis of the proposed equilibrium model and using glucose as a model biomass species [C 6 H 12 O 6 ], an optimum gasification temperature close to 800 °C and a steam/biomass ratio between 0.5 and 0.7 g/g is established. This study has the special value of comparing thermodynamic equilibrium predictions with experimental data obtained in a CREC riser simulator using a fluidizable Ni−Al 2 O 3 catalyst. Results are relevant for scaled-up gasifiers. They show that for reaction times longer than 30 s chemical species are essentially equilibrated and that the proposed model does provide adequate description of various product fractions. Data obtained also demonstrate the shortcomings of equilibrium models for gasifiers with reaction times shorter than 10 s and the need for nonequilibrium models to describe gasifier performance at such conditions.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,059
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

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

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 Opus0,040
Tête enseignante GPT0,303
Écart entre enseignants0,263 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations40
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207