MétaCan
Menu
Retour à la cohorte
Enregistrement W2909881905 · doi:10.1002/ente.201801011

Biomass Briquettes as an Alternative Fuel: A Comprehensive Review

2019· review· en· W2909881905 sur OpenAlexaff
P. Dinesha, Shiva Kumar, Marc A. Rosen

Notice bibliographique

RevueEnergy Technology · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBriquetteRaw materialBiomass (ecology)CombustionWaste managementEnvironmental scienceHeat of combustionTorrefactionBioenergySolid fuelBiofuelPulp and paper industryEngineeringCoalPyrolysisAgronomyChemistry

Résumé

récupéré en direct d'OpenAlex

Effectively utilizing agro residues, when abundantly available, can help energy conservation efforts and increase farmers’ incomes. This article highlights the effective utilization of agro and industrial biomass residues in the form of briquettes. The various types of feedstock used and the technologies adopted in the briquetting process are discussed. Process parameters and feedstock variables influencing briquetting are described. Combustion studies undertaken using briquettes are comprehensively detailed. This literature review reveals that the combustion characteristics of briquettes not only depend on the type of the feedstock but also on the density, moisture content, binder percentage, and method used for briquetting. Higher ash content lowers the calorific value. The ash formed during combustion causes slagging and fouling which in turn lead to corrosion. It is concluded that biomass briquettes can meet the energy demands for cooking and heating needs, especially in rural areas where abundant biomass feedstock is available. It is recommended that research focuses more on investigating emissions along with the combustion of briquettes manufactured from different origins.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,025
Tête enseignante GPT0,290
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations127
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy TechnologyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207