MétaCan
Menu
Retour à la cohorte
Enregistrement W2282123250 · doi:10.1021/acs.energyfuels.5b02652

Effects of Fuel Aging on the Combustion Performance and Emissions of a Pyrolysis Liquid Biofuel and Ethanol Blend in a Swirl Burner

2016· article· en· W2282123250 sur OpenAlexaff
Milad Zarghami, Tommy Tzanetakis, Yashar Afarin, Murray J. Thomson

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCombustionBiofuelPyrolysisCombustorPyrolysis oilLiquid fuelWaste managementSolid fuelRenewable fuelsMaterials sciencePulp and paper industryChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Pyrolysis liquid biofuel (also called bio-oil or pyrolysis oil) is a promising renewable fuel for stationary heat and power generation; however, the fuel properties, combustion performance, and combustion emissions degrade with fuel aging. The aging effects of softwood bark pyrolysis liquid biofuel on fuel properties and combustion performance are studied. To investigate the aging effects on fuel properties, the solid content, viscosity, estimated Sauter mean diameter (SMD), and thermogravimetric analysis (TGA) residue of pure pyrolysis liquid are considered. Furthermore, the CO emission, unburned hydrocarbon (UHC), and organic fraction of particulate matter (PM) emissions [also called carbonaceous residue (CR)] from combustion of the aged pyrolysis liquid biofuel/ethanol blend are measured to investigate the effect of aging on the combustion performance in a swirl spray burner. All measurements are employed for two batches of pyrolysis liquid biofuel with two levels of solid content. Results show that fuel properties, combustion emissions, and combustion performance of pyrolysis liquid become degraded as it is stored for longer periods of time. The results also support the accelerated aging correlation from the literature, which is based on viscosity and can accurately predict the effect of natural aging on the fuel properties, combustion emissions, and 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 enseignants0,009
Score d'incertitude au seuil0,259

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 Opus0,005
Tête enseignante GPT0,185
Écart entre enseignants0,180 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207