Techno‐economic assessment of biogas to liquid fuels conversion technology via Fischer‐Tropsch synthesis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Biogas derived from anaerobic digestion of organic wastes, and lignocellulosic biomass can be used to produce drop‐in diesel fuel via Fischer‐Tropsch ( FT ) synthesis. In this study, we developed a process‐based simulation model for the biogas to liquid fuel ( BgTL ) plant to conduct mass and energy balances and to evaluate techno‐economic assessment of producing drop‐in FT fuels. The BgTL plant operations consisted of biogas cleaning, biomethane reforming, FT synthesis of syngas and hydrocracking and final distillation to produce drop‐in liquid fuels. The unconverted syngas and syncrude were utilized to generate steam and electricity to meet internal plant demand, while the excess power was sold to the grid. The base case BgTL plant (2 000 Nm 3 /h) produced about 4.6 million gallons per annum of total FT fuels which consisted of 62% diesel, 32% gasoline, 6% LPG with an overall biogas conversion of 54%. A discounted cash flow rate of return ( DCFOROR ) approach for the Nth plant was used to estimate the capital and operating costs with the minimum selling price for the FT drop‐in fuels of about $5.67/gal ($5.29/ GGE ). The increase in plant feed capacity to 20 000 Nm 3 /h decreased the minimum selling price to $2.06/gal ($1.92/ GGE ). The sensitivity analysis conducted on the base case plant demonstrated that the internal rate of return ( IRR ), FT conversion rate, plant operating hours, and biogas cost were the most sensitivity parameters to the minimum selling price. Overall, the BgTL technology is deemed to be economically feasible to meet US biofuels demand. © 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.
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) | 0,001 | 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 | 0,001 |
| 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 découle