MétaCan
Menu
Retour à la cohorte
Enregistrement W2087188295 · doi:10.1021/ef100604z

Steam Gasification of Bio-Oil and Bio-Oil/Char Slurry in a Fluidized Bed Reactor

2010· article· en· W2087188295 sur OpenAlexaff
Masakazu Sakaguchi, A. P. Watkinson, Naoko Ellis

Notice bibliographique

RevueEnergy & Fuels · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCharPyrolysisFluidized bedChemical engineeringCarbon fibersSlurryWood gas generatorChemistryBiomass (ecology)Space velocityWaste managementPulp and paper industryCatalysisMaterials scienceOrganic chemistryCoalComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

Bio-oil/char mixtures and whole bio-oil from rapid pyrolysis of woody biomass are potential feeds for synthesis gas production via steam gasification. A 7.8 cm diameter, atmospheric pressure, fluid bed gasifier was constructed and operated with either a nickel-containing steam reforming catalyst or silica sand as bed material. Both bio-oil and a slurry of 80 wt % bio-oil and 20 wt % char were tested as feedstocks. Effects of bed temperature, steam to carbon molar ratio, and space velocity on gaseous component yields and carbon conversion are reported for both feedstocks using catalytic and noncatalytic bed material. At the moderate temperatures (<840 °C) of the experiments, carbon conversion is incomplete, and some mixed hydrocarbons are present in the produced gases. Yields of the main gas constituents are compared with an equilibrium model which was modified to correct for these two factors. Observations are made on stability and attrition issues with the catalyst.

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 enseignants0,029
Score d'incertitude au seuil0,615

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 Opus0,007
Tête enseignante GPT0,197
Écart entre enseignants0,190 · 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

Citations40
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207