MétaCan
Menu
Retour à la cohorte
Enregistrement W2335256765 · doi:10.1021/ie402114k

Biosyngas Production in an Integrated Aqueous-Phase Glycerol Reforming/Chemical Looping Combustion Process

2013· article· en· W2335256765 sur OpenAlexaff
Ion Iliuta, Maria C. Iliuta

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésChemical looping combustionEndothermic processExothermic reactionChemical engineeringChemistryCombustionChemical reactionAqueous solutionChemical equilibriumSteam reformingHydrogen productionOrganic chemistryCatalysisAdsorption

Résumé

récupéré en direct d'OpenAlex

Glycerol valorization with CO 2 capture by chemical looping combustion (CLC) in an integrated enhanced thermal efficiency process involving aqueous-phase glycerol reforming and chemical looping combustion processes was proposed and analyzed numerically. The process interconnects a two-bed reactor system involving a chemical looping fuel moving-bed reactor and a glycerol reforming gas–liquid–solid fixed-bed reactor with a chemical looping air moving-bed reactor. The heat for endothermic glycerol reforming and chemical looping reduction reactions is provided by exothermic reactions in the chemical looping air reactor and transferred to the chemical looping fuel reactor through oxygen carrier particles circulation. The behavior of the integrated system was analyzed through simulation via a two-scale, non-isothermal, unsteady-state model accounting for detailed gas/gas–liquid dynamics whereupon were tied CLC/aqueous-phase glycerol reforming kinetics, thermodynamics, thermal effects, and variable gas flow rate due to chemical/physical contractions. The integrated process intends to minimize the abundant glycerol byproduct streams via an energy efficient technology that undertakes inherent CO 2 capture by chemical looping combustion.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,034
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,063
Tête enseignante GPT0,334
Écart entre enseignants0,271 · 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.

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207