MétaCan
Menu
Retour à la cohorte
Enregistrement W2096495427 · doi:10.1115/1.1446475

Combustion Characteristics of Heavy Liquid Fuels in a Bubbling Fluidized Bed

2002· article· en· W2096495427 sur OpenAlexaff
Edward J. Anthony, Dennis Y. Lu, J. Q. Zhang

Notice bibliographique

RevueJournal of Energy Resources Technology · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésCombustionFluidized bed combustionWaste managementLiquid fuelFlue gasChemical looping combustionSolid fuelFuel oilEnvironmental scienceFreeboardFlueMixing (physics)Fluidized bedChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Liquid fuels such as bitumen, tars, and pitches are byproducts of heavy oil upgrading processes, and are usually contaminated with high sulphur and sometimes heavy metals contents as well. Fluidized bed combustion (FBC) appears to be a promising technology for the combustion of such fuels due to its inherent fuel flexibility and low emissions characteristics. The combustion of three liquid fuels, i.e., no. 6 oil, bitumen and pitch was investigated in a pilot-scale bubbling FBC unit. An efficient liquid fuel feeding system was developed and a bubbling FBC was successfully used to combust all three liquid fuels. The proportion of fuel escaping in the form of unburnt hydrocarbons in the flue gas was less than 0.4 percent and combustion efficiencies higher than 98.5 percent were achieved. However, combustion of liquid fuels tended to occur in the freeboard and, therefore, good mixing of the fuels in the bed was critical in achieving satisfactory combustion performance.

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 enseignants0,008
Score d'incertitude au seuil0,496

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,008
Tête enseignante GPT0,190
Écart entre enseignants0,182 · 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

Citations11
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207