Ash Deposition during Co-firing Biomass and Coal in a Fluidized-Bed Combustor
Notice bibliographique
Résumé
The objective of this study was to examine the ash deposition tendencies of biomass fuels and the biomass−coal blended fuels against the base fuel (coal) during co-firing and how the operating parameters influence the ash deposition tendencies. In this study, ash deposition behaviors during combustion and co-combustion of white pine pellets (WPP) and lignite coal were investigated in a pilot-scale, fluidized-bed combustor. Employing a custom-designed, air-cooled probe installed in the freeboard zone of the reactor to simulate a heat-transfer surface, effects of various operating parameters on the ash deposition rate and compositions of the ash deposits were studied, including the fuel type, fuel blending ratio (0−100% biomass on a thermal basis), moisture content, and air/fuel ratio. A new parameter, “relative deposition rate” (RD A ), was proposed in this study to evaluate the relative deposition tendencies of biomass fuels and biomass−coal mixed fuels against the coal as the base fuel for co-firing. As expected, co-firing of the lignite and the wood pellets (with a much lower ash content than the lignite) resulted in a decreased superficial rate of ash deposition. However, co-firing of WPP and crushed lignite (CL) did not significantly increase the ash deposition tendency in terms of the values of RD A, and more interestingly, co-firing of the 50% CL−50% WPP fuel blend produced a lower RD A . Another new and interesting discovery of this study was that fluidized-bed combustion of an individual fuel or a mixture fuel with a higher moisture content produced not only a more uniform temperature profile along the fluidized-bed column but also a reduced ash deposition rate.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».