MétaCan
Menu
Retour à la cohorte
Enregistrement W2095201907 · doi:10.6000/1929-6002.2013.02.03.6

An Overview of the Downdraft Rice Husk Gasifier Technology for Thermal and Power Applications

2013· article· en· W2095201907 sur OpenAlexvenueno aff
Alexis T. Belonio, Joel A. Ramos, Manuel José C. Regalado, Victoriano B. Ocon

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWood gas generatorWaste managementEnvironmental scienceBoiler (water heating)HuskEngineeringThermal efficiencyProcess engineeringAutomotive engineeringCoalChemistryCombustion

Résumé

récupéré en direct d'OpenAlex

An overview of the downdraft rice husk gasifier (DDRHG) for thermal and power applications is herein presented. The different designs of the downdraft rice husk gasifier with reactor diameter ranging from 0.10 meter to 1.20 meter are discussed in detail. Smaller units of the DDRHG were found to have performed well in fixed bed. Larger units of the gasifier, on the other hand, are suited for moving-bed type making possible continuous operation without discharging and recharging the reactor. Present thermal applications of the gasifier includes: domestic cookstove, bakery oven, dryers, rotary kiln, steam boiler, and torrefyer. The DDRHG is also used to run surplus gasoline engines for driving water pump, micro-mill, and electric generator without any modification. The advantages and limitations of the gasifier as well as its environmental and socio-economic benefits over the use of conventional fossil-fueled systems are enumerated. At present, the investment cost for the gasifier ranges from PHP2,000 to 2,500.00 (USD 1 = PHP40.00) per kWt for thermal application and PHP20,000.00 to 30,000 per kWe for power generation. The cost of using the gasifier is much cheaper than that of the conventional fossil fuel and the investment can be recovered in a shorter period.

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 enseignants0,031
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207