The Effect of the Combustion of Rice Husk with Thai Lignite in a Fixed Bed Reactor on Combustion Characteristics and Pollutant Emissions
Notice bibliographique
Résumé
As an agricultural base country, Thailand possesses potentially high quantities of agricultural residues. These can be used together with Thai lignite as co-firing processes. However, the impacts of the utilization of such fuels on the atmosphere should also be evaluated in order to investigate its effect on the environment. The aim of this study is to investigate the combustion characteristic and pollutant emissions of rice husk/lignite mixture in a laboratory scale fixed bed combustor. From the experimental results, it could be concluded that bed temperatures of rice husk/lignite mixture were affected by rice husk mass concentration and over-fired air to total air ratio. The higher the rice husk mass fraction in the fuel mixture was the lower the bed combustion temperature was, due to lower calorific value of fuel mixture. Over-fired air also played a role to control bed temperature resulting from the amount of O2 in the bed during the combustion process. In terms of gaseous emissions, CO was generally decreased as increasing over-fired air supply but not much sensitivity when rice husk fraction increased. SO2 was decreased significantly as increase in rice husk fractions due to a dilution effect of sulphur content in fuel mixture. NOx reduction was insensitive to rice husk fractions. In addition, the emission of NOx was strongly governed by over-fired air to total air ratio. The correlation between CO and Particular Matter was also observed. Mass loading of Particular Matter was minimized with CO, reflecting that Particular Matter was formed by incomplete combustion. High mass loading of entrained particles was also found when under-fired air flow rate was increased.
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 ».