MétaCan
Menu
Retour à la cohorte
Enregistrement W4205821450 · doi:10.18280/acsm.450606

Torrefaction of Palm Kernel Shell and Petcoke Blends for Various Mixing Ratios and Temperatures

2021· article· en· W4205821450 sur OpenAlexvenueno aff
Bemgba Bevan Nyakuma, Mohd Rosdzimin Abdul Rahman, Norazila Othman, Norhayati Ahmad, Mohd Farid Muhamad Said

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi Malaysia
Mots-clésTorrefactionHeat of combustionPetroleum cokeMaterials scienceMixing (physics)Yield (engineering)Carbon fibersChemistryCokeOrganic chemistryComposite materialCombustionMetallurgyComposite numberPyrolysis

Résumé

récupéré en direct d'OpenAlex

In the present study, torrefaction of palm kernel shell (PKS) and petcoke blends was performed for the production of solid biofuels with high energy density. The torrefaction process was performed for mixtures with various mixing ratios (by weight) from 90:10 to 60:40 (PKS:petcoke). For torrefaction under various temperatures of 250℃ to 300℃, the mixing ratio of 60:40 was used. Meanwhile, residence time and nitrogen flow rate were fixed at 30 minutes and 1 l/min, respectively. In general, the fixed carbon and ash contents increased, while the moisture and volatile matter contents decreased after torrefaction. It has been elucidated that mass yield is a dominant factor that affects the energy yield of torrefied mixtures rather than the higher heating value (HHV) ratio. Based on the energy yield and ultimate analysis, it was found that a higher amount of petcoke and higher temperature give better performance, thus causing the torrefied mixture to become very close to coals region in Van Krevelen diagram. In this case, the mixture with a mixing ratio of 60:40 torrefied under the temperature of 300℃ gives the best performance. It was also found that this mixture is thermally stable than the mixture torrefied at 250℃.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207