MétaCan
Menu
Retour à la cohorte
Enregistrement W2215924421 · doi:10.1016/j.apenergy.2015.10.142

Enhancing properties of iron and manganese ores as oxygen carriers for chemical looping processes by dry impregnation

2015· article· en· W2215924421 sur OpenAlexfundaboutno aff
Syed Kumail Haider, Golnar Azimi, Lunbo Duan, Edward J. Anthony, Kumar Patchigolla, J.E. Oakey, Henrik Leion, Tobias Mattisson, Anders Lyngfelt

Notice bibliographique

RevueApplied Energy · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensnon disponible
Organismes subventionnairesChalmers Tekniska HögskolaEngineering and Physical Sciences Research CouncilNatural Resources CanadaSvenska Forskningsrådet Formas
Mots-clésSyngasManganeseIron oreChemical looping combustionOxygenMetallurgyChemistryMaterials scienceChemical engineeringCatalysis

Résumé

récupéré en direct d'OpenAlex

The use of naturally occurring ores as oxygen carriers in CLC processes is attractive because of their relative abundance and low cost. Unfortunately, they typically exhibit lower reactivity and lack the mechanical robustness required, when compared to synthetically produced carriers. Impregnation is a suitable method for enhancing both the reactivity and durability of natural ores when used as oxygen carriers for CLC systems. This investigation uses impregnation to improve the chemical and mechanical properties of a Brazilian manganese ore and a Canadian iron ore. The manganese ore was impregnated with Fe 2 O 3 and the iron ore was impregnated with Mn 2 O 3 with the goal of forming a combined Fe/Mn oxygen carrier. The impregnated ore’s physical characteristics were assessed by SEM, BET and XRD analysis. Measurements of the attrition resistance and crushing strength were used to investigate the mechanical robustness of the oxygen carriers. The impregnated ore’s mechanical and physical properties were clearly enhanced by the impregnation method, with boosts in crushing strength of 11–26% and attrition resistance of 37–31% for the impregnated iron and manganese ores, respectively. Both the unmodified and impregnated ore’s reactivity, for the conversion of gaseous fuel (CH 4 and syngas) and gaseous oxygen release (CLOU potential) were investigated using a bench-scale quartz fluidised-bed reactor. The impregnated iron ore exhibited a greater degree of syngas conversion compared to the other samples examined. Iron ore based oxygen carrier’s syngas conversion increases with the number of oxidation and reduction cycles performed. The impregnated iron ore exhibited gaseous oxygen release over extended periods in an inert atmosphere and remained at a constant 0.2% O 2 concentration by volume at the end of this inert period. This oxygen release would help ensure the efficient use of solid fuels. The impregnated iron ore’s reactivity for CH 4 conversion was similar to the reactivity of its unmodified counterpart. The unmodified manganese ore converted CH 4 to the greatest extent of all the samples tested here, while the impregnated manganese ore exhibited a decrease in reactivity with respect to syngas and CH 4 conversion.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,192
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), 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

Citations61
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied EnergyMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207