Physico-Chemical Properties of Bio-Oils from Pyrolysis of Lignocellulosic Biomass with High and Slow Heating Rate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bio-oil is a major product of biomass pyrolysis that could potentially be used in motor engines, boilers, furnaces and turbines for heat and power. Upon catalytic upgrading, bio-oils can be used as transportation fuels due to enhancement of their fuel properties. In this study, bio-oils produced from lignocellulosic biomasses such as wheat straw, timothy grass and pinewood were estimated through slow and high heating rate pyrolysis at 450 °C. The slow heating rate (2 °C/min) pyrolysis resulted in low bio-oil yields and high amount of biochars, whereas the high heating rate (450 °C/min) pyrolysis produced significant amount of bio-oils with reduced biochar yields. The physico-chemical and compositional analyses of bio-oils were achieved through carbon-hydrogen-nitrogen-sulfur (CHNS) studies, calorific value, Fourier transform-infra red (FT-IR) spectroscopy, gas chromatography-mass spectrometry (GC-MS), electrospray ionization-mass spectrometry (ESI-MS) and nuclear magnetic resonance (NMR) spectroscopy. The yields of bio-oils produced from the three biomasses were 40-48 wt.% through high heating rate pyrolysis and 18-24 wt.% through slow heating rate pyrolysis. The chemical components identified in bio-oils were classified into five major groups such as organic acids, aldehydes, ketones, alcohols and phenols. The percent intensities of hydrogen and carbon containing species were calculated from 1H and 13C-NMR. The study on bio-oils from herbaceous and woody biomasses revealed their potentials for fossil fuel substitution and bio-chemical production.
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.
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 découle