MétaCan
Menu
Retour à la cohorte
Enregistrement W2958044281 · doi:10.1021/acs.energyfuels.9b01440

Emission and Migration Characteristics of Mercury in a 0.3 MWth CFB Boiler with Ammonium Bromide-Modified Rice Husk Char Injection into Flue

2019· article· en· W2958044281 sur OpenAlexaboutno aff
Zhengkang Luo, Yufeng Duan, Tianfang Huang, Shuai Liu, Yaji Huang, Lu Dong, Shaojun Ren, Jun Tao, Xiaobing Gu

Notice bibliographique

RevueEnergy & Fuels · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésMercury (programming language)Flue gasChemistryFly ashEnvironmental chemistryCharWaste managementBoiler (water heating)Flue-gas desulfurizationCombustionPulp and paper industryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The emission and migration characteristics of flue gas mercury in a pilot-scale 0.3 MWth circulating fluidized bed combustion boiler system by injecting the adsorbent of ammonium bromide (NH 4 Br)-modified rice husk char (NBr-RHC) into the flue duct before a fabric filter (FF) were investigated in this study. Mercury concentration in the flue gas was sampled by the Ontario Hydro Method. Meanwhile, the feeding coal, lime, process water, fly ashes both in the flue gas and FF hopper, bottom ash, gypsum, and wet flue gas desulfurization (WFGD) effluent were also collected during the flue gas mercury sampling. The temperature-programmed desorption (TPD) method was used to identify the mercury species in the sample of fly ashes. The results show that the combination system of the selective catalytic reduction (SCR) + adsorbent injection (AI) + FF + WFGD obtains a total flue gas mercury removal efficiency of 94.62%, which is 13.42% higher than that without the AI of NBr-RHC. A total of 93.83% of mercury exists in byproducts of the solid and liquid, and the amount of mercury collected by FF accounts for 97.28% due to the physisorption and chemisorption of gaseous mercury by NBr-RHC injection. The TPD analysis for mercury compound in the particulate matters from the AI device indicates that HgBr 2 formation is the key reason for NBr-RHC having high mercury removal efficiency. Elemental mercury is found to oxidize across the SCR, with 70.23% converted to oxidized mercury. WFGD exhibits a good oxidized mercury absorption rate of 86.67%, but elemental mercury increases from 0.19 to 0.26 μg/m 3 due to the oxidized mercury reduction, and more attention should be given on this increase.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,220
Écart entre enseignants0,213 · 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'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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetMercury impact and mitigation studiesTravaux en français237 207