MétaCan
Menu
Retour à la cohorte
Enregistrement W2051951728 · doi:10.3390/en4071102

Combustion of Corn Stover Bales in a Small 146-kW Boiler

2011· article· en· W2051951728 sur OpenAlexaff
René Morissette, Philippe Savoie, Joey Villeneuve

Notice bibliographique

RevueEnergies · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésCorn stoverStoverCombustionHeat of combustionPulp and paper industryBoiler (water heating)Environmental scienceWaste managementAirflowChemistryAnimal scienceAgronomyBiofuelEngineeringCrop

Résumé

récupéré en direct d'OpenAlex

Spring harvested corn stover was used for direct combustion in a 146 kW dual chamber boiler designed for wood logs. Stover had a very low moisture content (6.83 ± 0.17%), a gross calorific value (GCV) of 18.57 MJ/kg of dry matter (±0.32 MJ/kg DM) and an ash content of 5.88% (±1.15%). Small stover bales (8.83 ± 0.90 kg) were placed manually in the upper combustion chamber at a rate of 10.5 to 12.8 kg/h over a 24-h period, with three replications, and compared to a control wood combustion trial (12.1 kg/h during 24 h). The overall heat transfer efficiency for stover was lower than for wood (57% vs. 77%). Stover bales produced on average 7.5% ash which included about 2% of unburned residues while wood produced 1.7% ash. CO gas emissions averaged 1324 mg/m³ for stover (118 mg/m³ for wood). The corn stover showed a good calorific potential, but it would have to be densified and the boiler should be modified to improve airflow, completeness of combustion and handling of the large amount of ash formed.

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 enseignants0,011
Score d'incertitude au seuil0,310

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 Opus0,020
Tête enseignante GPT0,179
Écart entre enseignants0,159 · 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

Citations27
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207