MétaCan
Menu
Retour à la cohorte
Enregistrement W2327722047 · doi:10.1021/ef100670z

Spray Combustion Characteristics and Gaseous Emissions of a Wood Derived Fast Pyrolysis Liquid-Ethanol Blend in a Pilot Stabilized Swirl Burner

2010· article· en· W2327722047 sur OpenAlexaff
Tommy Tzanetakis, Nicolas Farra, Sina Moloodi, Warren G. Lamont, Arran McGrath, Murray J. Thomson

Notice bibliographique

RevueEnergy & Fuels · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCombustorCombustionNOxLiquid fuelWaste managementIgnition systemGas burnerFlue-gas emissions from fossil-fuel combustionChemistryEnvironmental scienceMaterials scienceOrganic chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Biomass fast pyrolysis liquid (or bio-oil) is a cellulose based alternative fuel with the potential to displace fossil fuels in stationary heat and power applications. To better understand the combustion behavior and emissions of bio-oil, a 10 kW spray burner was designed and constructed. The effect of swirl, atomization quality, ignition source energy, air/fuel preheat, and equivalence ratio on the stability and emissions of bio-oil spray flames was investigated. A blend of 80% pyrolysis liquid and 20% ethanol by volume was used during the tests. Since the fuel is not fully distillable, it is important to have good atomization, thorough mixing, and increased recirculation to promote the burnout of nonvolatile material and decrease CO and hydrocarbon emissions. Air and fuel preheat are also important for reducing these emissions, although subsequent fuel boiling within the nozzle should be avoided in order to maintain flame stability. The amount of total primary air and atomizing air that can be used to improve turbulence, mixing, droplet burnout, and overall combustion quality is limited by the low volatility and tighter lean blow-out limit associated with bio-oil. The NO x produced in these flames is dominated by the conversion of fuel bound nitrogen. In order to reduce the NO x emissions without refining the fuel, the use of staged combustion is recommended.

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 enseignants0,003
Score d'incertitude au seuil0,806

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 Opus0,008
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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

Citations50
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207