Upgrading of Oils from Biomass and Waste: Catalytic Hydrodeoxygenation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The continuous demand for fossil fuels has directed significant attention to developing new fuel sources to replace nonrenewable fossil fuels. Biomass and waste are suitable resources to produce proper alternative fuels instead of nonrenewable fuels. Upgrading bio-oil produced from biomass and waste pyrolysis is essential to be used as an alternative to nonrenewable fuel. The high oxygen content in the biomass and waste pyrolysis oil creates several undesirable properties in the oil, such as low energy density, instability that leads to polymerization, high viscosity, and corrosion on contact surfaces during storage and transportation. Therefore, various upgrading techniques have been developed for bio-oil upgrading, and several are introduced herein, with a focus on the hydrodeoxygenation (HDO) technique. Different oxygenated compounds were collected in this review, and the main issue caused by the high oxygen contents is discussed. Different groups of catalysts that have been applied in the literature for the HDO are presented. The HDO of various lignin-derived oxygenates and carbohydrate-derived oxygenates from the literature is summarized, and their mechanisms are presented. The catalyst’s deactivation and coke formation are discussed, and the techno-economic analysis of HDO is summarized. A promising technique for the HDO process using the microwave heating technique is proposed. A comparison between microwave heating versus conventional heating shows the benefits of applying the microwave heating technique. Finally, how the microwave can work to enhance the HDO process is presented.
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.
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 découle