Fuel Property Effects on the Combustion Performance and Emissions of Hardwood-Derived Fast Pyrolysis Liquid-Ethanol Blends in a Swirl Burner
Notice bibliographique
Résumé
Biomass fast pyrolysis liquid, also known as bio-oil, is a promising renewable fuel for heat and power generation; however, implementing crude bio-oil in some current combustion systems can degrade combustion performance and emissions. Optimizing fuel properties to improve combustion is one way to solve this problem. There is currently limited information on the relationship between fuel properties and combustion performance and emissions of bio-oil. In this study, various hardwood-derived bio-oils with different fuel properties were tested in a pilot stabilized spray burner under the same flow conditions. The effect of solids, ash, and water contents of bio-oil as well as ethanol blending was examined. Steady-state gas phase and particulate matter emissions were measured. The results show that carbon monoxide and unburned hydrocarbon emissions correlate with the solids and ash fractions of bio-oil. Carbon monoxide and unburned hydrocarbon emissions decrease with both higher water and ethanol contents. Increasing the volatile content of fuel by blending in ethanol is shown to improve flame stability. The fraction of fuel nitrogen that is converted to nitrogen oxide emissions decreases with an increasing fuel nitrogen content. Also, the organic fraction of particulate matter emissions is found to be a strong function of the thermogravimetric analysis residue of the fuel. A conceptual model for bio-oil combustion is proposed that relates the fuel properties to the emissions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».