MétaCan
Menu
Retour à la cohorte
Enregistrement W4206643176 · doi:10.1002/ese3.1072

Conversion of waste to sustainable aviation fuel via Fischer–Tropsch synthesis: Front‐end design decisions

2022· article· en· W4206643176 sur OpenAlexafffundabout
Natalia Montoya Sánchez, Felix Link, Garima Chauhan, Cibele Melo Halmenschlager, Hanan E. M. El‐Sayed, Ranjit Sehdev, Rick Lehoux, Arno de Klerk

Notice bibliographique

RevueEnergy Science & Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensGreenfield Research (Canada)University of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSyngasHydrothermal liquefactionWaste managementRefineryFischer–Tropsch processRaw materialEnvironmental sciencePyrolysisKeroseneProcess engineeringEngineeringBiofuelChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Front‐end design decisions for a process to produce sustainable aviation turbine fuel from waste materials were presented. The design employs distributed conversion of wastes to oils, which are then transported to a central facility for gasification, syngas cleaning, Fischer–Tropsch synthesis and refining, that is, a spoke‐and‐hub approach. Different aspects of the front‐end design, that is, the steps up to syngas cleaning, were evaluated. The evaluation employed a combination of case studies, calculations, experimental investigations, and literature review. The supply of sustainable aviation fuel (SAF) as a 50:50 mixture of waste‐derived and petroleum‐derived kerosene to meet the demand of an international airport (Pearson, Toronto) was employed as case study. The amount of raw material required made it impractical to make use of only one type of waste. Using the same set of assumptions, it was shown that in terms of cumulative transport distance required, a spoke‐and‐hub approach was twice as efficient as centralized processing only. Technologies for decentralized production of oils were assessed, and oils produced by pyrolysis and hydrothermal liquefaction (HTL) in pilot‐scale and larger facilities were procured and characterized. These oils were within the broader compositional space of pyrolysis oils and HTL oils reported in laboratory studies. The oil compositions were employed to study the impact of oil composition on entrained flow gasification. Thermodynamic equilibrium calculations of pyrolysis and HTL oil entrained flow gasification resulted in H2/CO ratios of syngas and O2 consumption rates in a narrow range, despite the diversity of feeds. At the same time, to produce an equal molar amount of syngas (H2 + CO), less HTL oil than pyrolysis oil was required as feed. Gas cleaning technologies were reviewed to ascertain types of contaminants anticipated after gasification, their removal effectiveness, and Fischer–Tropsch catalyst poisoning potential. Raw syngas cleaning requirements were comparable to that from coal gasification.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,007
Tête enseignante GPT0,182
Écart entre enseignants0,174 · 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

Citations56
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnergy Science & EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207