Pyrolysis Kinetics of Pre-Torrefied Woody Biomass Based on Torrefaction Severity—Experiments and Model Verification
Notice bibliographique
Résumé
A kinetic model was developed for the pyrolysis of pre-torrefied lignocellulosic biomass requiring solely knowledge of the pyrolysis kinetics of raw biomass. To predict yield and differential thermogravimetry (DTG) profiles for the pyrolysis of pre-torrefied biomass specimens, the classical three-parallel first-order pyrolysis kinetic model was modified to incorporate severity factors accounting for the impact of torrefaction time and temperature on the devolatilization of hemicellulose, cellulose, and lignin biomass components. The model also included features to account for the effect of pyrolysis heating rate on pyrolysis activation energies of the biomass components both for raw and pre-torrefied substrates. Specifically, severity factor correlations between pre-torrefaction conditions and biomass component relative weights prior to pyrolysis were developed so that the kinetic model, validated at the outset for the pyrolysis of raw biomass specimens, could also be applicable for the pre-torrefied samples. Thermal decompositions of raw and pre-torrefied birch, aspen, and sawdust specimens were tested through thermogravimetric analyses under various pyrolysis heating rates and isothermal torrefaction exposure times and temperatures. Model confrontation against pyrolysis yields and DTG rates measured at varying severities for both raw and pre-torrefied woody biomass confirmed that predicted pyrolysis yields and rates were in a good agreement with experiments.
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 | 0,001 |
| 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 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 ».