Sewage sludge ashes as a primary catalyst for the abatement of tar in biomass gasification: Bubbling versus spouted‐fluidized bed configuration
Notice bibliographique
Résumé
Abstract Sewage sludge (SS) ashes, rich in iron and calcium, have been tested as a primary catalyst during air gasification of commercial wood pellets in a pre‐pilot scale fluidized bed (FB) reactor. The shifting from a conventional fluidized bed to a spouted‐fluidized bed configuration has been assessed on the catalyst performance. Specifically, at constant total air inlet flow rate, two different values of the air flow rate in a central spouting nozzle have been adopted, which correspond to 20% and 37.5% of the total inlet gas flow rate. Under the conventional fluidized bed configuration (i.e., bubbling regime), SS ashes exhibit good performance in term of tar reduction (about 20% decrease compared to a bed of inert silica sand), without significantly affecting the syngas composition. Concerning the transition to the spouted‐fluid bed configuration, the gas‐solid contact efficiency is enhanced at lower air flow rates through the central nozzle, with respect to the FB regime, leading to better gasification performance in terms of tar reduction (around 40% less) and syngas quality. A slightly worse gasification performance is obtained at high values of air flow rate in the central nozzle, due to a progressive increase of gas bed bypassing. Furthermore, moving from the conventional FB configuration to the spouted‐fluid bed one dramatically boosts the elutriation rate of carbon fines as well as the attrition of catalyst particles.
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 ».