Utilization of green seed canola oil for biodiesel production
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
Abstract Increasing percentage of green canola seed every year is a serious problem for canola growers. Chlorophyll content of this oil is very high, which makes it more susceptible to photo‐oxidation and ultimately the oxidation stability of the oil is very reduced. Hence green seed canola oil is underutilized for edible purposes. The present work is an attempt to produce high‐quality biodiesel from green seed canola oil and methanol, ethanol and various mixtures of methanol and ethanol using KOH as a catalyst. A mixture of alcohols improved the rate of reaction. After transesterification of green seed canola oil using KOH, the chlorophyll content of the oil was decreased substantially (from 22.1 ppm to 10.3 ppm). Characteristics of the esters prepared from green seed canola oil were well within the limits of ASTM standards. Lubricity of the green seed oil esters was excellent (20% decrease in wear scar area) when added at 1 vol% to the base fuel. Oxidation stability is crucial for long‐term storage of the fuel. Oxidation stability index (OSI) of green seed esters was 4.9 h at 110 °C, which is much less than the European Standard (6 h at 100 °C). The low oxidation stability of green seed esters is attributed to its higher chlorophyll (10.3 ppm) content. An attempt was also made to reduce the chlorophyll content of the oil before transesterification using activated carbon treatment, and it was observed that chlorophyll content was reduced from 22.1 to 2.2 ppm. Copyright © 2006 Society of Chemical Industry
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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