MétaCan
Menu
Retour à la cohorte
Enregistrement W4214635181 · doi:10.3390/en15051770

CO2 Emissions and Economy of Co-Firing Carbonized Wood Pellets at Coal-Fired Power Plants: The Case of Overseas Production of Pellets and Use in Japan

2022· article· en· W4214635181 sur OpenAlexaboutno aff
Masami Ashizawa, Maromu Otaka, Hiromi Yamamoto, Atsushi Akisawa

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPelletsCarbonizationCoalWaste managementEnvironmental scienceBiomass (ecology)PyrolysisHeat of combustionPulp and paper industryMaterials scienceEngineeringChemistryCombustionComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

CO2 emissions reduction from coal-fired power plants is an urgent issue in Japan, as well as around the world. The purpose of this study is to estimate the CO2 emissions and economy of using carbonized wood pellets produced overseas and co-fired at coal-fired power plants in Japan. We examined carbonized wood pellets produced in Canada and Vietnam, since those countries are major exporters of wood pellets for Japan. The results obtained are as follows: (1) The CO2 emissions and calculated cost per calorific value of carbonized wood pellets (CP25), which have a fixed carbon content of 25 wt.%, are lower than those of wood pellets at the port of import in Japan. When the fixed carbon of carbonized biomass is controlled at 25 wt.% or more via a carbonizer, sufficient pyrolysis gas (the heat source used for drying and carbonization without auxiliary fuel) can be obtained. (2) Carbonized wood pellets manufactured in Vietnam are more economical than those manufactured in Canada, since the resource of wood is less expensive and the transportation distance is shorter from Vietnam compared to Canada. (3) When carbonized wood pellets at CP25 are co-fired in coal-fired power plants, they do not affect the cost of the electricity generated, even if the carbonized pellets are blended at a high ratio.

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 enseignants0,006
Score d'incertitude au seuil0,332

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207