MétaCan
Menu
Retour à la cohorte
Enregistrement W2606680293 · doi:10.1021/acs.energyfuels.7b00972

Interaction of Potassium and Calcium in the Catalytic Gasification of Biosolids and Switchgrass

2017· article· en· W2606680293 sur OpenAlexafffund
Ross A. Arnold, Rozita Habibi, Jan Kopyscinski, Josephine M. Hill

Notice bibliographique

RevueEnergy & Fuels · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensMcGill UniversityUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiosolidsPotassiumCalciumChemistryCatalysisBimetallic stripCharCarbon fibersChemical engineeringPulp and paper industryInorganic chemistryWaste managementMaterials scienceEnvironmental scienceEnvironmental engineeringOrganic chemistryPyrolysis

Résumé

récupéré en direct d'OpenAlex

Catalytic gasification is a method of converting biosolids, the solids created during wastewater treatment, into a valuable gaseous stream. One of the challenges with this process is that the components in the ash of the biosolids can interact with the gasification catalyst(s)—in particular, calcium and potassium. In this study, the behaviors of different combinations of switchgrass (the source of potassium), biosolids, ash-free carbon black, and mixtures of each feed with added calcium and/or potassium were observed with a thermogravimetric analysis unit. The results were consistent with calcium preferentially reacting with components in the ash, preventing the deactivation of potassium. Any additional calcium available may form bimetallic compounds with the potassium, but this interaction did not increase the rate of reaction. Modeling was performed using the random pore model and extended random pore model, with the appropriate model chosen for each mixture. The extended random pore model was better suited for the data with the highest reaction rates.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,011
Score d'incertitude au seuil0,175

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,242
Écart entre enseignants0,227 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations25
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207