Drop‐in biofuel production via conventional (lipid/fatty acid) and advanced (biomass) routes. Part I
Notice bibliographique
Résumé
Abstract Drop‐in biofuels that are ‘functionally identical to petroleum fuels and fully compatible with existing infrastructure’ are needed for sectors such as aviation where biofuels such as bioethanol/biodiesel cannot be used. The technologies used to produce drop‐in biofuels can be grouped into the four categories: oleochemical, thermochemical, biochemical, and hybrid technologies. Commercial volumes of conventional drop‐in biofuels are currently produced through the oleochemical pathway, to make products such as renewable diesel and biojet fuel. However, the cost, sustainability, and availability of the lipid/fatty acid feedstocks are significant challenges that need to be addressed. In the longer‐term, it is likely that commercial growth in drop‐in biofuels will be based on lignocellulosic feedstocks. However, these technologies have been slow to develop and have been hampered by several technoeconomic challenges. For example, the gasification/Fischer‐Tropsch ( FT ) synthesis route suffers from high capital costs and economies of scale difficulties, while the economical production of high quality syngas remains a significant challenge. Although pyrolysis/hydrothermal liquefaction ( HTL ) based technologies are promising, the upgrading of pyrolysis oils to higher specification fuels has encountered several technical challenges, such as high catalyst cost and short catalyst lifespan. Biochemical routes to drop‐in fuels have the advantage of producing single molecules with simple chemistry. However, the high value of these molecules in other markets such as renewable chemical precursors and fragrances will limit their use for fuel. In the near‐term, (1–5 years) it is likely that, ‘conventional’ drop‐in biofuels will be produced predominantly via the oleochemical route, due to the relative simplicity and maturity of this pathway. © 2017 Society of Chemical Industry and John Wiley & Sons, Ltd
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».