Effects of hydrothermal dewatering of lignite on rheology of coal water slurry
Notice bibliographique
Résumé
Abstract Maximizing the dry‐based solid loading of coal particles in water is essential in increasing the burning efficiency of coal water slurry, which has been widely used as a liquid fuel. Understanding the rheology of coal water slurry could provide fundamental guidance on designing and optimizing coal water slurry formulation. The rheological studies have shown that coal water slurries made with lignite samples after hydrothermal dewatering (HTD) exhibit a stronger shear thinning behaviour as compared with those made with raw lignite samples. The viscosity of coal water slurry at the shear rate of 100 s−1 decreases with an increasing HTD temperature, which is probably due to the decrease of volume of lignite particles caused by the permanent reduction of both bound and non‐freezable water (inherent moisture) after the HTD process. The reduction of the inherent moisture of lignite samples after HTD treatment was elucidated by differential scanning calorimetry (DSC) under the temperature well below the freezing point. A lignite water slurry with a solid loading of 62 wt% db (dry basis) is obtained after hydrothermal dewatering at 300 °C with the addition of 1.2 wt% of polycarboxylate ether (PCE). Our findings indicated that hydrothermal dewatering of lignite has profound impacts on the inherent moisture of lignite and the rheological properties of coal water slurry.
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) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».