Biomass-derived oxymethylene ethers as diesel additives: A techno-economic assessment
Notice bibliographique
Résumé
Conversion of agricultural biomass such as wood chips, wheat straw and forest residue for the production of fuels can help in reducing GHG emissions since they are considered as nearly carbon neutral. Around the world there is a significant amount of forest and agricultural-biomass available which could be used for the production of liquid fuels that can be blended with the petroleum-based diesel. Oxymethylene ethers (OMEs) can be derived from biomass via gasification, water-gas shift reaction and methanol production. The addition of OMEs to conventional diesel fuel has great potential to reduce soot formation during the combustion in diesel engines. Unlike methanol and dimethyl ether (DMM) which can also reduce soot formation, the physical properties of OMEs allow the use in modern diesel engines without significant change of the engines infrastructure. In this study, a detailed and data intensive process simulation model was developed to simulate all the unit operations involved in the production of OMEs from biomass. The unit operation considered include biomass drying, gasification, gas cleaning, water gas shift reaction, methanol production and OMEs synthesis. The simulation results were then utilized to conduct a detailed techno-economic assessment study of the whole biomass conversion chain to determine the most attractive pathways for OMEs production. Our recent study shows that the key parameters affecting the OMEs production are equivalence ratio, H2/CO ratio and optimal air flow. Overall, the cost of production ($/liter) of OMEs from different biomass feedstock in Alberta will be determined
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».