MétaCan
Menu
Retour à la cohorte
Enregistrement W2902721922 · doi:10.1002/cjce.23417

A comparison between CO<sub>2</sub> gasification of various biomass chars and coal char

2018· article· en· W2902721922 sur OpenAlexvenueno aff
Yuyan Hu, Hangqin Yu, Zhou Fanglei, Dezhen Chen

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCharPyrolysisCoalSyngasBiomass (ecology)Thermogravimetric analysisWaste managementYield (engineering)Sewage sludgeChemical engineeringChemistryPulp and paper industryMaterials scienceOrganic chemistryMetallurgyCatalysisGeologySewage treatment

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, municipal solid waste (MSW), sewage sludge (SS), and rice straw (RS) were pyrolyzed under N 2 atmosphere and at 550 and 600 °C, and then the produced biochars were used for gasification in a CO 2 atmosphere. The effects of pyrolysis temperature, gasification temperature, and CO 2 /C ratio on the product composition and yield were studied. The results were compared with those from coal char gasification. The CO 2 gasification kinetics were determined under CO 2 flow by thermogravimetric analysis (TGA). CO concentration in the syngas of the gasification experiments can be organized in the following order: MSW char &gt; RS char &gt; SS char &gt; coal char. Considering the energy consumption and CO yield, the recommended gasification temperature for the biomass chars is 900 °C. The activation energies of CO 2 gasification calculated from the TGA data based on the most fitted reaction models can be organized in the following order: coal char &gt; RS char &gt; SS char &gt; MSW char, which is consistent with the experimental results. For higher syngas field and lower CO 2 /C ratio, MSW char is recommended as the best feedstock for in the combined pyrolysis‐gasification process.

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 enseignants0,001
Score d'incertitude au seuil0,523

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 Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207