Catalytic Upgrading of Biomass and its Model Compounds for Fuel Production
Notice bibliographique
Résumé
The heavy dependence on fossil fuels raises many concerns on unsustainability and negative environmental impact. Biomass valorization to sustainable chemicals and fuels is an attractive strategy to reduce the reliance on fossil fuel sources. Gasification, liquefaction and pyrolysis are the main thermochemical technologies for biomass conversion. Gasification occurs at high temperature and yields the gas (syngas) as the main product. Liquefaction is conducted at low temperature but high pressure, which mainly produces liquid product with high quality. Biomass pyrolysis is performed at a moderate temperature and gives a primarily liquid product (bio-oil). However, the liquid product from biomass conversion is not advantageous for direct use as a fuel. Compared to liquefaction, pyrolysis is favorable when the aim is to produce the maximum amount of the liquid product from the biomass. Hydrotreating for bio-oil upgrading requires a large amount of expensive hydrogen, making this process costly. Catalytic cracking of bio-oil to reduce the oxygen content leads to a low H/C ratio. Methanolysis is a novel process that utilizes methane instead of hydrogen for biomass conversion. The feasibility studies show that this approach is quite promising. The original complexity of biomass and variation in composition make the composition of the product from biomass conversion unpredictable. Model compounds are employed to better understand the reaction mechanism and develop an optimal catalyst for obtaining the desired product. The major thermochemical technologies and the mechanism based on model compound investigations are reviewed in the article.
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 | 0,000 |
| 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 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 ».