MétaCan
Menu
Retour à la cohorte
Enregistrement W4256223924 · doi:10.31223/osf.io/3qfc4

Framework for consequential life cycle assessment of pyrolysis biorefineries: A case study for the conversion of primary forestry residues

2020· preprint· en· W4256223924 sur OpenAlexafffund
Patrick Brassard, Stéphane Godbout, Lorie Hamelin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensInstitut de Recherche et de Développement en Agroenvironnement
Organismes subventionnairesRégion Occitanie Pyrénées-MéditerranéeFonds Québécois de la Recherche sur la Nature et les TechnologiesAgence Nationale de la Recherche
Mots-clésBiocharBiorefineryBiomass (ecology)PyrolysisLife-cycle assessmentRaw materialFossil fuelEnvironmental scienceRenewable energyWaste managementPulp and paper industryBiofuelProduction (economics)EngineeringChemistryEconomicsAgronomy

Résumé

récupéré en direct d'OpenAlex

The development of bioeconomy needs to accelerate in order to get rid of fossil fuels and products. The production of bio-based products and renewable energy sources from the thermochemical conversion of biomass can be a sustainable alternative. Pyrolysis is one of the thermochemical processes that can convert biomass into liquid (bio-oil), solid (biochar) and gaseous (non-condensable gases) products. Process operational parameters and biomass type must be selected appropriately to obtain the desired products yields and properties. Before deciding to apply the technology on a large scale, it is necessary to determine the environmental performance of the process. This can be done through the life cycle assessment (LCA) method. This study presents a consequential LCA framework to quantify the environmental performance of a pyrolysis biorefinery by including in the boundaries the current use of biomass and the marginal technologies that are expected to be replaced by pyrolysis co-products. Results obtained from this method are intended to provide answers to decision-makers towards investments in the low fossil carbon future. The proposed LCA framework was applied to a case study for the use of primary forestry residues (PFR). Results showed that as compared to the reference scenario in which PFR are left on soil to decay, pyrolysing PFR to biocrude oil, wood vinegar, biochar and gas presents trade-offs in six out of the 16 impact categories studied. These results highlighted that the biomass feedstock supply, the pyrolysis technology, the co-products yields, properties and uses, as well as the choice of marginal technologies have an influence on the environmental performance of pyrolysis biorefineries.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,297
Écart entre enseignants0,262 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207