Determination of the Synergism/Antagonism Parameters during Co-gasification of Potassium-Rich Biomass with Non-biomass Feedstock
Notice bibliographique
Résumé
This study focuses on quantifying the synergistic/antagonistic behavior occurring during the co-gasification of non-biomass feedstock (ash-free coal and fluid coke) with potassium-rich switchgrass. The results showed that the gasification rate of switchgrass in the mixture decreased as a certain amount of its potassium was transferred to the non-biomass feed, leading to a multifold increase in the non-biomass gasification rate. The aim of this study was to quantify this behavior through kinetic modeling. It was assumed that each constituent in the mixture follows the random pore model with their corresponding kinetic parameters. Furthermore, synergism/antagonism parameters were included, which were either a constant or a function of the switchgrass conversion (linear or square root), representing the effect of interparticle potassium mobility. The acceleration of the gasification rate of the non-biomass feedstock followed a linear function of the switchgrass conversion. The inhibition of the switchgrass conversion did not show a clear trend because it depends upon the non-biomass feedstock and temperature. The presence of potassium in switchgrass, which acts as a catalyst, is clearly observed from the modeling, where the gasification rates for the fluid coke or ash-free coal in the mixture significantly increased for all temperatures studied. Modeling of the gasification reactions with the estimated best fit synergism/antagonism models showed a very good agreement with the observed values. The obtained results of this study can be useful in designing co-gasification systems and estimating the best ratio of biomass/non-biomass feeds.
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 | 0,001 | 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 ».