MétaCan
Menu
Retour à la cohorte
Enregistrement W4220883236 · doi:10.3390/fuels3010010

Torrefaction and Densification of Wood Sawdust for Bioenergy Applications

2022· article· en· W4220883236 sur OpenAlexafffund
Peyman Alizadeh, Lope G. Tabil, Phani Adapa, Duncan Cree, Edmund Mupondwa, Bagher Emadi

Notice bibliographique

RevueFuels · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensAgriculture and Agri-Food CanadaSaskatchewan PolytechnicGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBioFuelNet Canada
Mots-clésTorrefactionSawdustPelletsPulp and paper industryHeat of combustionBiocharMaterials sciencePyrolysisBioenergyWaste managementPelletizingFurfuralRaw materialSteam explosionBriquettePelletStrawCoalBiofuelComposite materialChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In this study, wood sawdust as waste residue from wood processing mills was pretreated using torrefaction to improve fuel properties and densified to facilitate transportation. Sawdust was torrefied in a fixed bed reactor using inside temperatures (IT) of 230, 260 and 290 °C for 15, 30 and 45 min, residence time. Due to the low calorific value of the treatments, the outside temperature (OT) of the fixed bed reactor was used instead for a fixed duration of 45 min, which resulted in an increase in energy value by 40% for the most severe conditions. The mechanical strength of the pellets was enhanced by adding 20% binder (steam-treated spruce sawdust) to biochar, which improved the pellet tensile strength by 50%. Liquid by-products from the torrefaction process contained furfural and acetic acid, which can be separated for commercial uses. Thermochemical analysis showed better fuel properties of OT torrefied samples such as high fixed carbon (52%), low volatiles (41%) and lower oxygen contents (27%) compared to IT torrefied samples (18, 77 and 43%, respectively). Low moisture uptake of torrefied pellets compared to raw pellets, along with other attributes such as renewability, make them competent substitutes to fossil-based energy carriers such as coal.

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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,197 · 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

Citations32
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207