MétaCan
Menu
Retour à la cohorte
Enregistrement W2047850552 · doi:10.1016/j.egypro.2014.11.1175

Char Oxidation of Torrefied Biomass at High Temperatures and High Heating Rates

2014· article· en· W2047850552 sur OpenAlexaff
Jun Li, Giorgio Bonvicini, Xiaolei Zhang, Weihong Yang, Leonardo Tognotti

Notice bibliographique

RevueEnergy Procedia · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCharTorrefactionBiomass (ecology)Isothermal processKineticsRaw materialMaterials scienceChemistryChemical engineeringPulp and paper industryWaste managementPyrolysisThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The char oxidation of a torrefied biomass and its parent material was carried out in an isothermal plug flow reactor (IPFR), which is able to rapidly heat the biomass particles to a maximum temperature of 1400 °C at a heating rate of 10 4 °C/s, similar to the real conditions found in power plant furnaces. During each char oxidation test, the residues of biomass particles were collected and analyzed to determine the weight loss based on the ash tracer method. According to the experimental results, it can be concluded that chars produced from a torrefied biomass are less reactive than the ones produced, under the same conditions, from its raw material. The apparent kinetics of the torrefied biomass and its parent material are determined by minimizing the difference between the modeled and the experimental results. The predicted weight loss during char oxidation, using the determined kinetics, agrees well with experimental results.

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 enseignants0,002
Score d'incertitude au seuil0,523

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,175
Écart entre enseignants0,171 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207