MétaCan
Menu
Retour à la cohorte
Enregistrement W3110856402 · doi:10.1002/cjce.23978

Pyrolysis of <scp> <i>Miscanthus</i> </scp> and characterization of value‐added bio‐oil and biochar products

2020· article· en· W3110856402 sur OpenAlexafffundvenue
Arshdeep Singh, Sonil Nanda, Jesus Fabricio Guayaquil‐Sosa, Franco Berruti

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of CalgaryUniversity of SaskatchewanWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMiscanthusBiocharPyrolysisRaw materialPulp and paper industryAdsorptionChemistryEnergy cropBioenergyBiofuelWaste managementOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Miscanthus , an invasive crop, has recently gained attention as an emerging energy crop because of certain traits like fast growth, high yield, ability to grow in marginal land, and resistance to extreme weather conditions. In this work, Miscanthus was selected as the feedstock for fast pyrolysis in a mechanically fluidized bed reactor at variable temperatures (400°C, 450°C, and 500°C) and vapour residence times (1.4, 2.7, and 5.2 seconds). Fast pyrolysis performed at 450°C with 1.4 seconds of vapour residence time gave the highest yield of bio‐oil (&gt;50 wt%). Biochar obtained at different pyrolysis temperatures was activated at 900°C for 1.5 hours under CO 2 atmosphere to enhance its value as a potential adsorption agent for pollutants. Several physicochemical characterization techniques were used to study the bio‐oils, biochars, and activated biochars obtained from the pyrolysis of Miscanthus . The absorption of methylene blue as a model dye was done to evaluate the performance of activated biochar vs the biochar precursors. Both pyrolysis and physical activation complemented each other as new technologies for energy extraction and material synthesis from Miscanthus .

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 enseignants0,002
Score d'incertitude au seuil0,455

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 Opus0,006
Tête enseignante GPT0,154
Écart entre enseignants0,149 · 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

Citations56
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

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