Electrifying with High-Temperature Water Electrolysis to Produce Syngas from Wood via Oxy-Gasification, Leading to Superior Carbon Conversion Yield for Methanol Synthesis
Notice bibliographique
Résumé
Due to concerns regarding fossil greenhouse gas emissions, biogenic material such as forest residues is viewed nowadays as a valuable source of carbon atoms to produce syngas that can be used to synthesise biofuels such as methanol. A great challenge in using gasified biomass for methanol production is the large excess of carbon in the syngas, as compared to the H2 content. The water–gas shift (WGS) reaction is often used to add H2 and balance the syngas. CO2 is also produced by this reaction. Some of the CO2 has to be removed from the gaseous mixture, thus decreasing the process carbon yield and maintaining CO2 emissions. The WGS reaction also decreases the overall process heat output. This paper demonstrates the usefulness of using an extra source of renewable H2 from steam electrolysis instead of relying on the WGS reaction, for a much higher performance of syngas production from gasification of wood in a simple system with a fixed-bed gasifier. A commercial process simulation software is employed to predict that this approach will be more efficient (overall energy efficiency of about 67%) and productive (carbon conversion yield of about 75%) than relying on the WGS reaction. The outlook for this process that includes the use of the solid oxide electrolyser technology appears to be very promising because the electrolyser has the dual function of providing all of the supplemental H2 required for syngas balancing and all the O2 required for the production of a suitable hot raw syngas. This process is conducive to biomethanol production in dispersed, small plants using local biomass for end-users from the same geographical area, thus contributing to regional sustainability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».