MétaCan
Menu
Retour à la cohorte
Enregistrement W4200298087 · doi:10.3390/en15010113

Quality Improvement and Cost Evaluation of Pellet Fuel Produced from Pruned Fruit Tree Branches

2021· article· en· W4200298087 sur OpenAlexaff
Yining Li, Kang Kang, Wei Wang

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPelletsPelletRaw materialHeat of combustionRenewable energyEnvironmental sciencePulp and paper industryBiomass (ecology)CombustionWaste managementPelletizingRenewable fuelsProcess engineeringBiofuelAgricultural engineeringMaterials scienceEngineeringChemistryAgronomyComposite material

Résumé

récupéré en direct d'OpenAlex

Biomass-based pellet is an important source of renewable energy. In this study, to obtain the high-quality fuel pellet via the densification of pruned branches of fruit trees, we investigated the optimization of blending ratios for different raw materials using branches from jujube (Ziziphus jujuba Mill.), which is a widely distributed waste biomass resource in China. Through the characterization of raw materials and pellets, the effects of different raw materials on the storage, transportation, and combustion performances of the pellets can be understood. The cost evaluation analysis showed that the two optimized, co-densified pellets had great cost advantages compared with the pure jujube branch pellets. This indicates the potential industrial value of optimized pellets. The results of this study can help to improve the application value of orchard residues and generate an additional profit for fruit plantations, simultaneously avoiding the environmental damage caused by its open combustion.

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 enseignants0,056
Score d'incertitude au seuil0,389

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 Opus0,027
Tête enseignante GPT0,260
Écart entre enseignants0,233 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207