Hydrothermal liquefaction of biomass for the production of diluents for bitumen transport
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 This study explores the hydrothermal liquefaction (HTL) of wood chips to biocrude followed by upgrading to diluents, which are used to transport bitumen through pipelines. In this study, we considered a 2000 dry t day −1 plant capacity with two scenarios. The first scenario uses hydrogen for upgrading from the on‐site hydrogen production plant (i.e., the hydrogen production scenario) and the other relies on procuring hydrogen from an external source (i.e., the hydrogen purchase scenario). We developed a data‐intensive process model for HTL and used it to estimate plant capital costs. Project investment costs for the hydrogen production and hydrogen purchase scenarios are 559.67 and 429.13 M $, respectively. The product values (PV) of the diluent from the two scenarios are 0.98 ± 0.03 and 0.79 ± 0.03 $ L −1 , respectively, at a 95% confidence interval. The sensitivity analysis shows that diluent yield and internal rate of return (IRR) have the highest impact on the PV of the diluent, followed by capital cost and biomass cost. The optimum plant size at which the cost of production is lowest is 4000 dry t day −1 for PVs of 0.82 $ L −1 and 0.68 $ L −1 for the hydrogen production and purchase scenarios, respectively. This study offers insights into the techno‐economic feasibility of producing diluents from HTL. The results of the study could help in the production of diluents for bitumen transportation for the oil sands industry and help reduce the overall greenhouse gas (GHG) footprint of the oil and gas sector. © 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) | 0,000 | 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 | 0,000 | 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 découle